Positron, интегрированная среда разработки (IDE) компании Posit для науки о данных, теперь работает на Amazon SageMaker AI. Это позволяет командам по работе с данными избежать работы с отдельными инструментами для доступа к данным, анализа на R или Python, развертывания, разработки приложений и отчетности. Использование Positron на SageMaker AI дает преимущества, такие как доступ к данным без управления учетными данными, так как Positron работает под ролью выполнения Space. Это позволяет выполнять запросы к Amazon Athena, AWS Glue Data Catalog и Amazon S3 напрямую из IDE, следуя разрешениям роли без необходимости хранения или обновления ключей. Также предлагается вычислительная мощность, доступная по запросу. Пользователи могут запускать Space на необходимом размере экземпляра, а команды могут резервировать мощность с помощью плана обучения SageMaker AI для запущенного обучения. В дополнение к этому Posit Assistant, ИИ-помощник от Posit, может использовать Amazon Bedrock в качестве поставщика моделей, что обеспечивает безопасность выполнения в пределах собственного AWS-аккаунта.
В рамках рабочего процесса демонстрируется использование синтетического портфеля из 50 000 займов, хранящегося на Amazon S3 и зарегистрированного в AWS Glue Data Catalog. Amazon Athena выполняет запросы к данным, анализ на R проверяет признаки, а Python нацелен на обучение классификатора XGBoost. Создаваемые результаты записываются и становятся частью развернутого приложения в Positron. Рабочий процесс также продемонстрировал, что было идентифицировано 50 000 займов, из которых 1 500 записей имели отсутствие данных о доходе, а 1 015 случаев дефолта привели к общему уровню дефолта в 2,03 процента. Обсуждаемые результаты также показали, что AUC (площадь под кривой ROC) для наконец оцененного классификатора составила 0,834, при этом наивысший риск среди заемщиков из верхнего дециля составил 12,3 процента.
К конечным результатам рабочего процесса относится развертывание модели, которое стало доступно по каналу InService. Однако следует учесть, что данный рабочий процесс не установил справедливость модели, откалибровку, приемлемость для кредитования, производственную задержку или соблюдение нормативных требований. Эти моменты подчеркивают, что сделанные выводы относятся только к одному сеансу и не служат общими показателями производительности или стоимости. Таким образом, работа с Positron в SageMaker AI продемонстрировала возможности интеграции науки о данных, аналитического моделирования и развертывания приложений в одном пространстве, обеспечивая высокую степень взаимодействия и доступности данных.
Похожие статьи
