Amazon ha dado un paso adelante en la evolución de sus servicios de inteligencia artificial al anunciar importantes actualizaciones para Amazon SageMaker AI. Entre las innovaciones más destacadas, se ha introducido una opción sin servidor que promete revolucionar la forma en que las empresas gestionan su infraestructura para el desarrollo de inteligencia artificial y aprendizaje automático.
Este avance permite a los usuarios escalar sus recursos eficientemente durante las fases de experimentación intensiva, asegurando al mismo tiempo una reducción completa de estos recursos cuando no se necesitan. Así, se consigue una disminución significativa en la carga operativa, optimizando el uso de la infraestructura en cada fase del proyecto.
La integración de Amazon SageMaker AI con MLflow ha sido robustamente mejorada a través de una serie de nuevas herramientas. Bajo el nuevo nombre de MLflow Apps, este enfoque sustituye el antiguo concepto de servidores de seguimiento. Ahora, cada vez que se inicia un dominio en SageMaker Studio, se genera automáticamente una aplicación MLflow por defecto. Esto elimina la necesidad de configuraciones adicionales y proporciona un acceso sin esfuerzo a los recursos necesarios.
Uno de los puntos fuertes de esta actualización es la capacidad de escalar y personalizar pipelines de manera integrada. Las pipelines de SageMaker permiten a los usuarios construir y supervisar flujos de trabajo de aprendizaje automático a través de una interfaz gráfica simplificada o mediante un SDK de Python. Esta fusión permite la creación automática de una aplicación MLflow si no existe una, asegurando un entorno homogéneo y eficiente para el trabajo colaborativo.
Otra ventaja significativa de las nuevas capacidades es la opción de compartir aplicaciones MLflow entre diferentes cuentas de AWS a través del AWS Resource Access Manager (RAM). Esto facilita a las organizaciones mantener una infraestructura de IA coherente y permite a los científicos de datos trabajar en entornos colaborativos aunque pertenezcan a diferentes cuentas de usuario.
La comodidad de uso se extiende también a la personalización de modelos, que ahora puede conectarse automáticamente con MLflow. Esto simplifica el registro de métricas, parámetros y artefactos durante el proceso de ajuste de los modelos, haciendo que el flujo de trabajo sea más eficiente y sin interrupciones.
Todas estas funcionalidades están diseñadas para abordar la creciente demanda de la IA empresarial, reduciendo la complejidad administrativa y mejorando la eficiencia. No obstante, estas innovaciones estarán disponibles en regiones seleccionadas de AWS donde SageMaker Studio tiene presencia, excluyendo a China y las regiones de US GovCloud.
