Amazon Sagemaker: Mit wenigen Klicks maschinelle Lernmodelle in AWS erstellen

Sagemaker ist eine Plattform für das Erstellen von maschinellen Lernalgorithmen. AWS gibt dem Kunden Tools an die Hand, die das Training von Modellen möglichst einfach machen soll. Viele Frameworks sind bereits vorinstalliert, per Docker können auch eigene genutzt werden.

30. November 2017 um 10:21 Uhr / Oliver Nickel

Sagemaker wurde auf der Reinvent 2017 vorgestellt. Bild: AWS

Nicht zu verwechseln mit dem Unternehmen Sage: Amazon Sagemaker ist ein neues Produkt des Cloud-Anbieters Amazon Web Services, das die Entwicklung von maschinellen Lernalgorithmen vereinfachen soll. Es wurde auf der Hausmesse AWS Reinvent vorgestellt .

Sagemaker bietet dem Kunden eine bereits vorgefertigte Auswahl aus zehn verschiedenen Lernalgorithmen und Frameworks, die laut AWS häufig eingesetzt werden. Dazu zählen Apache Mxnet und Tensorflow. Allerdings geht das Unternehmen nicht näher darauf ein. Es wirbt jedoch damit, dass alle vorinstallierten Pakete für die Plattform AWS S3 optimiert sind. Sagemaker kann Lernmodelle auch selbstständig feinjustieren.

AWS stellt Sagemaker vor – Präsentation (07:46)

Dadurch seien diese bis zu zehn mal performanter als auf anderen Systemen. Damit sind beispielsweise schnelle Lernprozesse, gerade auch bei großen Datenmengen, möglich. Allerdings ist der Kunde dadurch auf die spezielle Infrastruktur von AWS angewiesen. Es können aber auch andere Machine-Learning-Frameworks auf der Plattform installiert werden – vorausgesetzt sie sind in einem Docker-Container installiert. Sagemaker kann Amazon Dynamodb, AWS Redshift, AWS Glue, Amazon EMR oder Amazon RDS nutzen.

Einrichtung und Training soll so einfach wie möglich sein

Amazon Sagemaker unterstützt das Open-Source-Project Jupyter und dessen Notebook-Funktion. Darüber kann laufender Quellcode in Dokumenten mit anderen Mitarbeitern geteilt werden. Außerdem soll das Training und die Einrichtung von maschinellen Lernmodellen mit nur wenigen Klicks oder per API-Abruf über die Konsole möglich sein. Sagemaker richtet Modelle auf einem sich selbst anpassenden EC2-Cluster ein – je nachdem, wie viele Ressourcen das Training benötigt.

Anwendungsfälle für Sagemaker können laut AWS Punkte zielgerichtete Werbung im Marketing oder auch das automatische Analysieren von Daten von Internet-der-Dinge-Sensoren sein. Im Finanzwesen könnte ein mit Sagemaker erstelltes System sogenannte Credit-Default-Szenarien vorausahnen. Die Plattform kann mit einem existierenden AWS-Account bereits genutzt werden .