Los proyectos de machine learning (ML) son inherentemente complejos, involucrando múltiples etapas que van desde la recolección y preprocesamiento de datos hasta la construcción, despliegue y mantenimiento de modelos. Los científicos de datos enfrentan numerosos desafíos en este proceso, como la selección de herramientas adecuadas, la necesidad de instrucciones paso a paso con ejemplos de código y la solución de errores. Estos obstáculos pueden ralentizar los proyectos y frenar el progreso. Afortunadamente, asistentes de desarrolladores impulsados por inteligencia artificial generativa, como Amazon Q Developer, han surgido para simplificar estos flujos de trabajo, permitiendo a los científicos de datos ahorrar tiempo y centrarse en la innovación.
Amazon Q Developer está completamente integrado con Amazon SageMaker Studio, un entorno de desarrollo integrado (IDE) que ofrece una única interfaz web para gestionar todas las etapas del desarrollo de ML. Desde el propio cuaderno de SageMaker Studio, los usuarios pueden acceder a este asistente de lenguaje natural que proporciona recomendaciones de herramientas, orientación paso a paso, generación de código y soporte para solucionar problemas. Esta integración facilita la construcción, entrenamiento y despliegue de modelos de ML de manera eficiente, eliminando la necesidad de buscar recursos adicionales o documentación fuera del entorno.
Un ejemplo práctico del uso de Amazon Q Developer es el análisis del conjunto de datos de Diabetes 130-US hospitales para desarrollar un modelo de ML que prediga la probabilidad de readmisión después del alta. A lo largo de este ejercicio, se utiliza el asistente para diversas etapas del ciclo de desarrollo, mostrando cómo incluso los científicos de datos más experimentados pueden beneficiarse de esta herramienta y acelerar el tiempo hasta obtener resultados.
Para los usuarios de AWS Identity and Access Management (IAM) y AWS IAM Identity Center, es posible suscribirse al nivel Pro de Amazon Q Developer dentro de Amazon SageMaker. Los administradores pueden habilitar este nivel en la configuración del dominio de SageMaker, proporcionando el Amazon Resource Name (ARN) del perfil de Amazon Q Developer. El nivel Pro incluye chat ilimitado y sugerencias de código en línea.
El inicio del proyecto de ML para predecir la probabilidad de readmisión en pacientes con diabetes requiere la descarga del conjunto de datos Diabetes 130-US hospitales, que contiene datos clínicos de diez años (1999-2008) en 130 hospitales de EE.UU. Cada registro representa la información de pacientes con diabetes que se sometieron a diversas pruebas.
En SageMaker Studio, se puede comenzar a trabajar en este problema de ML utilizando la capacidad de chat integrada en el cuaderno de JupyterLab. Los usuarios pueden hacer preguntas específicas sobre la generación de código para analizar los datos hospitalarios, formular el problema de ML y desarrollar un plan para construir el modelo.
Q Developer permite planificar el proyecto solicitando instrucciones precisas, como entrenar un clasificador de bosque aleatorio con el conjunto de datos. El asistente puede generar y proporcionar el código necesario, que el usuario puede insertar directamente en su cuaderno de JupyterLab.
Además de la generación de código, Amazon Q Developer ofrece explicaciones de código existente y soluciones a errores comunes. Los usuarios pueden seleccionar la celda con el error e ingresar /fix en el chat para obtener ayuda.
Para maximizar el uso del chat de Amazon Q Developer, se recomienda ser directo y específico al formular las consultas, proporcionando información contextual y evitando temas sensibles. También se pueden recibir sugerencias de código en tiempo real mientras se escribe en el cuaderno, facilitando tareas como exploración de datos, ingeniería de características, entrenamiento y evaluación de modelos, y finalmente el despliegue del modelo para predecir la probabilidad de readmisión.
Es importante destacar que al utilizar Amazon Q Developer en SageMaker Studio, no se comparte contenido del cliente para mejorar el servicio, independientemente del nivel de suscripción. Los usuarios pueden optar por no compartir el uso de datos del IDE mediante ciertos pasos en la configuración.
Para evitar incurrir en cargos de AWS después de probar esta solución, es aconsejable eliminar el dominio de SageMaker Studio. En conclusión, se demostró cómo, mediante un caso de uso real, Amazon Q Developer puede simplificar el desarrollo y acelerar el tiempo hasta obtener valor, incluso para científicos de datos experimentados, al predecir la probabilidad de readmisión en pacientes diabéticos del conjunto de datos analizado.
