AWS lance MLflow Open Source géré pour améliorer l'apprentissage machine sur Amazon SageMaker.

Alors que les projecteurs de la technologie de l'IA générative chez AWS se sont principalement concentrés sur Amazon Bedrock au cours de l'année écoulée, Amazon SageMaker demeure un atout essentiel, offrant des fonctionnalités clés pour l'apprentissage automatique.

Lancé en 2017, Amazon SageMaker facilite tout le cycle de vie de l'apprentissage automatique, de la création et de l'entraînement de modèles à leur déploiement et gestion à grande échelle. Il propose un environnement géré complet avec des outils permettant aux clients de construire, former et déployer des modèles d'apprentissage automatique et d'apprentissage profond. Des centaines de milliers d'utilisateurs s'appuient sur SageMaker pour des tâches telles que l'entraînement de modèles d'IA générative populaires et la gestion des charges de travail en apprentissage automatique. Parmi les applications notables, on trouve l'entraînement de Stable Diffusion de Stability AI et le générateur de texte à vidéo Dream Machine de Luma.

AWS améliore encore SageMaker avec la mise à disposition générale du service MLflow géré. MLflow, une plateforme open-source, rationalise le cycle de vie de l'apprentissage automatique en couvrant l'expérimentation, la reproductibilité, le déploiement et la surveillance des modèles ML. En intégrant MLflow en tant que service géré dans SageMaker, AWS permet aux utilisateurs de créer la prochaine génération de modèles d'IA plus efficacement.

« Étant donné le rythme rapide de l'innovation, nos clients souhaitent passer rapidement de l'expérimentation à la production, accélérant leur mise sur le marché », a déclaré Ankur Mehrotra, Directeur et Responsable d'Amazon SageMaker chez AWS. « Nous lançons MLflow comme une fonctionnalité gérée dans SageMaker, permettant aux utilisateurs de configurer et de lancer MLflow en quelques clics. »

Ce que MLflow offre aux utilisateurs d'AWS

MLflow est largement adopté par les développeurs et les organisations pour l'MLOps. Mehrotra a souligné que le nouveau service géré améliore le choix des utilisateurs d'entreprise sans compromettre les fonctionnalités existantes.

En proposant MLflow comme une solution entièrement gérée intégrée à SageMaker, AWS répond aux besoins des utilisateurs recherchant une expérience fluide entre les deux plateformes. « En itérant sur leurs modèles, ils peuvent facilement enregistrer des métriques dans MLflow, suivre et comparer différentes itérations », a expliqué Mehrotra. « Ils peuvent ensuite enregistrer ces modèles dans un registre de modèles et les déployer aisément. »

Le service MLflow géré est profondément intégré avec les composants existants de SageMaker, garantissant que les actions effectuées dans MLflow se synchronisent automatiquement avec des services SageMaker comme le Registre de modèles. « Nous avons conçu cela pour s'intégrer parfaitement aux capacités de SageMaker, qu'il s'agisse de formation, de déploiement ou d'hébergement de modèles, offrant ainsi aux clients une expérience cohérente avec MLflow », a ajouté Mehrotra.

Plusieurs organisations, dont le fournisseur d'hébergement web GoDaddy et Toyota Connected, une filiale de Toyota Motor Corporation, ont déjà exploré le service géré durant sa phase bêta.

SageMaker et Bedrock : Services Complémentaires

Alors qu'Amazon SageMaker se concentre sur l'ensemble du cycle de vie de l'apprentissage automatique, AWS a récemment présenté Amazon Bedrock pour développer des applications d'IA générative. Mehrotra a précisé le rôle de SageMaker dans cet écosystème d'IA : « SageMaker est conçu pour créer, former et déployer des modèles, tandis que Bedrock excelle dans la création d'applications d'IA générative. Beaucoup de clients utilisent à la fois SageMaker et Bedrock, ainsi que d'autres services, pour développer leurs solutions d'IA générative. »

Cela permet aux développeurs de créer des modèles dans SageMaker et de les déployer dans des applications d'IA via Bedrock, bénéficiant ainsi de ses capacités sans serveur, faisant évoluer ces services en éléments complémentaires des offres d'IA générative d'AWS.

Focus Futur d'Amazon SageMaker

En regardant vers l'avenir, Mehrotra a partagé les priorités clés qui guident la feuille de route du produit Amazon SageMaker. Une priorité essentielle est de redimensionner et optimiser les coûts tout en simplifiant le processus de développement pour les clients.

« Nous visons à réduire le travail lourd et indifférencié des clients lors de la construction de nouvelles solutions d'IA. Attendez-vous à voir plus de capacités permettant aux clients de créer et lancer ces solutions plus rapidement », a-t-il conclu.

Cette attention stratégique positionne Amazon SageMaker comme un acteur clé dans l'avancement du paysage de l'apprentissage automatique et de l'IA générative.