Amazon Meringkas Proses "Machine Learning" dengan SageMaker

Pemodelan menggunakan Amazon SageMaker disebut akan lebih mudah karena di dalam paket layanan itu tersedia pre-built development notebook, algoritma machine learning populer yang dioptimalkan bagi dataset berukuran petabyte, dan penyetelan model secara otomatis.

Data awal yang dipakai pemodelan tak perlu lagi butuh ruang penyimpanan fisik dan komputer besar untuk mengolahnya. Data itu cukup disimpan di fasilitas Amazon Simple Storage Service (Amazon S3) yang bisa disesuaikan kapasitasnya kapan saja.

Dari situ, data ditransformasikan menggunakan beragam rujukan library populer, framework, dan antarmuka (interface).

Menurut Swami, Amazon SageMaker sudah pula mencakup 10 algoritma deep learning yang paling umum dipakai, yang itu masih dioptimasi lagi oleh AWS agar bisa dieksekusi 10 kali lebih cepat dibanding operasional standar lain.

Pengembang cukup memilih algoritma dan menyebut sumber data, kata Swami, lalu Amazon SageMaker yang akan menginstal dan mengonfigurasi driver dan framework yang dibutuhkan. Produk servis AWS yang diumumkan pada Rabu (29/11/2017) di Las Vegas, Amerika Serikat, ini sudah memuat integrasi dengan TensorFlow dan Apache MXNet.

Meski begitu, developer juga masih punya ruang kebebasan untuk menentukan sendiri sebarang framework dan algoritma. Tinggal diunggah saja pilihan itu ke kontainer yang tersedia di Amazon EC2 Container Registry.

Amazon SageMaker akan memilih tipe dan jumlah unsur (instance) Amazon EC2 dan menentukan lokasi data masing-masing. Dari situ, Amazon SageMaker akan menghitung cluster, menampilkan pengujian, mengirim data hasil ke Amazon S3, dan menentukan cluster sesudah proses rampung.

KOMPAS.com/PALUPI ANNISA AULIANI VP of Machine Learning Amazon Web Services (AWS) Swami Sivasubramanian. Gambar diambil di Las Vegas, Amerika Serikat, Kamis (30/11/2017).

Setelah semua proses itu rampung, pengemasan (deploy) pemodelan sampai penyetingan HTTPS end-point akan otomatis berjalan dengan beberapa pencet tombol.

“Dalam satu produksi, Amazon SageMaker mengeliminasi beragam proses rumit dalam pengelolaan infrastruktur machine learning, pengecekan kesehatan kinerja, penerapan patch security, dan mengarahkan segala perawatan rutin yang lain,” ungkap Swami.

Sebelumnya, saat membawakan keynote di panggung utama AWS re: Invent 2017, Jassy menyatakan bahwa ke depan para developer sudah tak perlu lagi mengkhawatirkan banyak urusan di luar ide dan pemodelannya. Server, penyimpanan, dan atau framework, sebut dia, bisa diserahkan ke berbagai pilihan layanan seperti yang disediakan AWS.