ข้ามไปที่เนื้อหา
เหตุการณ์ร้อนแรงกำลังพัฒนา

GS Caltex เชื่อมโมเดล SageMaker Canvas เข้ากับไปป์ไลน์โปรดักชัน

1 รายงาน1 แหล่งข่าวที่รายงานอัปเดต 2 ชม. ที่แล้ว

เริ่มตรงนี้

ไดเจสต์ AI

GS Caltex ได้เชื่อมโมเดลที่วิศวกรกระบวนการสร้างขึ้นใน Amazon SageMaker Canvas เข้ากับเวิร์กโฟลว์โปรดักชันใน Amazon SageMaker Pipelines ทำให้การส่งต่อที่แต่เดิมต้องทำการผสานรวมด้วยมือเป็นระบบอัตโนมัติ บริษัทด้านพลังงานและเคมีของเกาหลีใต้กล่าวว่าวิศวกร ML สามารถดีพลอยโมเดลได้ภายในไม่กี่ชั่วโมงแทนที่จะใช้เวลาประมาณหนึ่งสัปดาห์ GS Caltex ยังรันการอนุมานแบบแบตช์ทุก 30 นาทีแทนการเปิด endpoint ทำงานต่อเนื่อง ซึ่งบริษัทกล่าวว่าช่วยลดต้นทุนการอนุมานได้อย่างมีนัยสำคัญ AWS เผยแพร่คำอธิบายทางเทคนิคของระบบนี้ พร้อมการอ้างอิงการใช้งานในรีโพซิทอรี GitHub ที่ใช้โมเดลจำแนกสินเชื่อตัวอย่าง และต้องปรับให้เข้ากับรูปแบบอินพุตและเอาต์พุตของแต่ละโมเดล AWS แนะนำให้ใช้วิธีนี้เฉพาะเมื่อ target แบบตัวยึดตำแหน่งไม่ส่งผลต่อค่า feature และให้เพิ่มการตรวจสอบก่อนขึ้นโปรดักชันว่าลำดับไฟล์และจำนวนแถวตรงกัน โดยหยุดการสร้างผลลัพธ์หากไม่ตรงกัน

สร้างจากรายงาน · อัปเดต 35 นาทีที่แล้ว

ล่าสุด14 พฤศจิกายน 07:22
GS Caltex ใช้ Amazon SageMaker Canvas และ Pipelines ในการผลิต MLOps ตอนที่ 1

ไทม์ไลน์รายงาน

ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน

14 พฤศจิกายน
  1. AWS Machine Learning Blog
    GS Caltex ใช้ Amazon SageMaker Canvas และ Pipelines ในการผลิต MLOps ตอนที่ 1

    GS Caltex เชื่อมต่อโมเดลที่สร้างโดยวิศวกรกระบวนการใน Amazon SageMaker Canvas เข้ากับเวิร์กโฟลว์การผลิตใน Amazon SageMaker Pipelines โดยอัตโนมัติ ซึ่งเป็นการส่งต่อที่แต่เดิมต้องใช้การผสานรวมด้วยมือ บริษัทด้านพลังงานและเคมีภัณฑ์ของเกาหลีใต้รายงานว่าปัจจุบันวิศวกร ML สามารถติดตั้งโมเดลได้ภายในไม่กี่ชั่วโมงแทนที่จะใช้เวลาประมาณหนึ่งสัปดาห์ และรันการอนุมานแบบแบตช์ทุก 30 นาทีแทนการเปิด endpoint ทำงานต่อเนื่องตลอดเวลา ซึ่งบริษัทระบุว่าช่วยลดต้นทุนการอนุมานได้อย่างมีนัยสำคัญ

ความร้อนแรงของเหตุการณ์นี้

ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม