Experimente von Amazon SageMaker Autopilot, die im „Ensemble“-Trainingsmodus ausgeführt werden, bieten zusätzliche Metriken und Sichtbarkeit zum AutoML-Workflow

Amazon SageMaker Autopilot bietet jetzt Erkenntnisse zum zugrunde liegenden Workflow für jeden Test in einem SageMaker-Autopilot-Experiment, das im „Ensemble“-Trainingsmodus gestartet wurde. SageMaker Autopilot stuft eine Liste von ML (Machine Learning)-Modellen nach Inferenzlatenz ein, d. h. wie lange es dauert, um ein Vorhersageergebnis von einem Echtzeit-Endpunkt, an dem das Modell bereitgestellt wird, zu erhalten, sowie nach objektiven Metriken wie Genauigkeit, Präzision, Rückruf und Fläche unter der Kurve (AUC) im Modell-Leaderboard. SageMaker Autopilot erstellt, trainiert und optimiert automatisch die besten ML-Modelle basierend auf Ihren Daten und ermöglicht gleichzeitig die vollständige Kontrolle und Sichtbarkeit. 
Quelle: aws.amazon.com