Amazon: Deep Learning en AWS

Los avances en la infraestructura de datos y la potencia de cómputo, así como las nuevas clases de redes neuronales han ayudado a que el aprendizaje profundo sea factible para las empresas modernas, mientras que en general todavía era un sueño imposible hace tan solo un año. Asociarse con proveedores en la nube como Amazon Web Services (AWS) y aprovechar los servicios de aprendizaje automático alojados en la nube como Amazon SageMaker ha sido clave para las empresas que buscan acelerar los proyectos de aprendizaje profundo desde el concepto hasta la producción.

Para comprender el estado actual de la adopción y el uso del aprendizaje profundo, se analizó las experiencias en 316 proyectos únicos. El 96 % del aprendizaje profundo se ejecuta en un entorno de nube, siendo TensorFlow el template más popular, que se utiliza en el 74 % de estos proyectos. PyTorch también se usó en el 43%, un aumento significativo en la adopción desde el año anterior. Del total de 316 proyectos, solo el 9 % se construyó con un marco singular. En particular, de los proyectos de aprendizaje profundo alojados en la nube, el 89% se ejecutan en AWS.

También descubrimos que el 85% de las cargas de trabajo de TensorFlow basadas en la nube se ejecutan en AWS, y el 83% de los proyectos PyTorch basados ​​en la nube están en AWS. En 2018, aproximadamente un tercio de los clientes entrevistados estaban considerando o utilizando SageMaker, el servicio administrado de Amazon para construir, capacitar, implementar y orquestar modelos de aprendizaje profundo a escala; de los usuarios entrevistados en 2019, el 63% de los clientes de Amazon habían comenzado a usar SageMaker.

AWS es compatible con el proceso de aprendizaje profundo de principio a fin. Los clientes pueden almacenar datos, construir e implementar modelos, y crear aplicaciones que aprovechen los resultados del modelo en la plataforma. Amazon tiene centros de datos regionales en todo el mundo, por lo que los clientes pueden localizar sus datos y operaciones según sea necesario y cumplir con las regulaciones regionales de intercambio de datos.

A medida que disminuye el costo inicial para explorar el aprendizaje profundo, vemos que más y más empresas buscan unirse a la contienda. La estrategia más eficiente es asociarse con un proveedor de la nube que tenga la infraestructura, la experiencia y los servicios adicionales para llevar el aprendizaje profundo desde el concepto hasta su finalización.  

Entrenamiento y ejecución de un modelo con AWS SAGEMAKER

Extracto de “Deep Learning on AWS” 
Redacción Grupo Most IT Solutions