Las organizaciones que hacen uso de Amazon SageMaker Canvas para desarrollar flujos de trabajo de aprendizaje automático (ML) pueden enfrentarse a la necesidad de incorporar dependencias externas para abordar casos de uso específicos. Aunque SageMaker Canvas facilita la experimentación rápida mediante sus capacidades sin código y de bajo código, ciertos proyectos pueden requerir bibliotecas especiales que no están incluidas por defecto en la plataforma. Un ejemplo práctico ilustra cómo integrar código que depende de estas bibliotecas externas en los flujos de trabajo de SageMaker Canvas.
Amazon SageMaker Canvas es una plataforma de ML de bajo código que guía a los usuarios a través de cada etapa del viaje de ML, desde la preparación inicial de datos hasta el despliegue del modelo final. Con esta herramienta, los usuarios tienen la capacidad de explorar conjuntos de datos, transformar datos, construir modelos y generar predicciones sin necesidad de escribir una sola línea de código.
Para preparar los datos, SageMaker Canvas ofrece capacidades avanzadas de manipulación de datos, que incluyen más de 300 pasos de transformación incorporados, ingeniería de características, funciones de normalización y limpieza de datos, además de un editor de código personalizado que soporta Python, PySpark y SparkSQL.
Un caso práctico demuestra cómo integrar scripts personalizados y sus dependencias desde Amazon Simple Storage Service (Amazon S3) dentro de un flujo de SageMaker Data Wrangler. Esta integración permite ejecutar scripts personalizados que dependen de módulos que no son inherentemente soportados por SageMaker Canvas.
El proceso básico se lleva a cabo en tres pasos principales: primero, se suben los scripts personalizados y sus dependencias a Amazon S3; segundo, se utiliza SageMaker Data Wrangler en SageMaker Canvas para transformar los datos utilizando el código subido; y tercero, se entrena y exporta el modelo.
Por ejemplo, se manipulan dos conjuntos de datos complementarios con información sobre envíos de pantallas de computadora. Al combinarlos, se crea un conjunto de datos integral que captura diversas métricas y resultados de entrega. El objetivo es construir un modelo predictivo que determine si futuros envíos llegarán a tiempo, utilizando patrones históricos de envío.
Para comenzar, es necesario tener acceso a Amazon S3 y a Amazon SageMaker AI. Posteriormente, en la consola de Amazon SageMaker AI, los usuarios deben abrir Canvas y crear un flujo de datos al seleccionar conjuntos de datos específicos. Una vez cargados los datos y aplicadas las transformaciones, se pueden añadir cálculos personalizados utilizando funciones que dependen de bibliotecas como mpmath.
Si se desea usar una función que dependa de un módulo no soportado, es necesario empaquetar el script y sus dependencias en un archivo .zip, que luego se sube a un bucket de Amazon S3. Una vez el archivo ha sido subido, se puede acceder a él en SageMaker Canvas y ejecutar el script, integrando así la funcionalidad deseada en el flujo de trabajo.
Al culminar el flujo de datos y realizar las transformaciones necesarias, los usuarios pueden entrenar un modelo predictivo seleccionando las características y el objetivo adecuados. En los ejemplos presentados, el modelo alcanzó una precisión del 94.5% en una construcción estándar, lo que evidencia la efectividad del proceso.
Una vez completado, el modelo puede ser utilizado de varias maneras, incluida su implementación directa, adición al registro de modelos de SageMaker, o su exportación a un notebook de Jupyter. Para optimizar el uso de los recursos de SageMaker y controlar costos, se recomienda cerrar la sesión al concluir o ajustar el entorno para que se apague automáticamente cuando no esté en uso.
Este enfoque permite a los científicos de datos y analistas ampliar las capacidades de SageMaker Canvas más allá de las funciones incluidas por defecto, integrando herramientas personalizadas que pueden ser esenciales para el éxito de sus proyectos de aprendizaje automático.
