Positron интегрирован в Amazon SageMaker ИИ для унификации рабочих процессов data science
AWS Machine Learning · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.
Компания Posit представила возможность запуска своей среды разработки Positron внутри Amazon SageMaker AI, что позволяет объединять доступ к данным, анализ на R и Python, а также развертывание моделей в одном интерфейсе. Интеграция обеспечивает управление доступом через роли AWS и использование локальных моделей Bedrock для ИИ-ассистентов.
Ценность: Интеграция устраняет необходимость переключения между различными инструментами, упрощая управление учетными данными и вычислительными ресурсами. Это позволяет командам data science вести разработку моделей и создание отчетов в едином защищенном контуре AWS.
Команда Posit объявила о запуске своей интегрированной среды разработки (IDE) Positron на платформе Amazon SageMaker AI. Это решение направлено на устранение фрагментации рабочих процессов, где аналитики ранее были вынуждены переключаться между отдельными инструментами для доступа к данным, написания кода на R и Python, развертывания моделей и создания отчетов. Теперь все эти этапы можно выполнять в едином браузере-интерфейсе, работающем на вычислительных мощностях SageMaker Studio.
Ключевым преимуществом интеграции является упрощение управления доступом к данным. Positron работает под ролью выполнения Space, что позволяет напрямую запрашивать данные из Amazon Athena, AWS Glue Data Catalog и Amazon S3 без необходимости хранения или ротации отдельных ключей API. Права доступа строго следуют политикам, заданным для роли, что повышает безопасность и снижает операционную нагрузку на команды.
Платформа также предлагает гибкость в использовании вычислительных ресурсов. Пользователи могут запускать Space с нужным размером инстанса, а организации могут резервировать мощности с помощью тренировочных планов SageMaker AI. Это гарантирует доступность ресурсов для запланированных задач обучения моделей. Кроме того, в среду интегрирован ИИ-ассистент Posit Assistant, который может использовать Amazon Bedrock в качестве провайдера моделей. Это позволяет получать помощь в написании кода, используя модели, размещенные в собственном аккаунте и регионе AWS, что соответствует требованиям к конфиденциальности данных.
В ходе демонстрационного сценария была использована синтетическая база из 50 000 кредитных заявок. Аналитики использовали Posit Assistant для обнаружения таблиц в каталоге Glue и подготовки запросов к Athena. Далее данные были загружены в R для проверки качества и создания признаков, после чего модель XGBoost обучалась в Python. Показатели модели на тестовой выборке составили AUC 0.834, при этом доля дефолтов в наиболее рискованном дециле достигла 12,3%.
Процесс завершился развертыванием модели в виде реального времени endpoint в SageMaker AI и созданием приложения на Shiny for Python для взаимодействия с ним. Все результаты были задокументированы в отчете Quarto, который связал исходные данные, код анализа и результаты развертывания в едином воспроизводимом документе. Такая связность позволяет сохранить доказательства работы и результаты в одном месте.
Важно отметить, что предоставленные метрики и скриншоты относятся к одному записанному сценарию с синтетическими данными и не являются общими бенчмарками производительности или стоимости. Для внедрения в производственную среду компаниям необходимо провести собственную валидацию безопасности, лицензирования и соответствия регуляторным требованиям. Ответственность за управление идентичностью, сетевыми настройками и обновлениями изображений остается на стороне клиента, тогда как Posit предоставляет программное обеспечение, а AWS управляет облачной инфраструктурой.