Μοντέλα και πλατφόρμες AI
Η AWS προσθέτει εργαλεία προετοιμασίας δεδομένων με τεχνητή νοημοσύνη στο Amazon SageMaker AI

Βασικά σημείαΤο SageMaker AI πλέον ενοποιεί τη δημιουργία, την αξιολόγηση, τον μετασχηματισμό και…
Δείτε περισσότερα
- Το SageMaker AI πλέον ενοποιεί τη δημιουργία, την αξιολόγηση, τον μετασχηματισμό και την επισήμανση σε μία διαχειριζόμενη διαδρομή συνόλου δεδομένων.
- Η αυτόματη επισήμανση χρησιμοποιεί τη συμφωνία των μοντέλων ως βαθμολογία εμπιστοσύνης για να δρομολογεί τις αβέβαιες γραμμές σε ανθρώπινους ελεγκτές.
- Οι εργασίες παραγωγής δεδομένων καταχωρούν τα αποτελέσματα σε έναν κόμβο λογαριασμού, ώστε τα σύνολα δεδομένων να περνούν μεταξύ σταδίων μέσω ARN.
Η AWS ανακοίνωσε νέες δυνατότητες προετοιμασίας δεδομένων με τεχνητή νοημοσύνη για το Amazon SageMaker AI στις 17 Νοεμβρίου 2026, προσθέτοντας στις ροές εργασιών ανάπτυξης μοντέλων τη δημιουργία συνθετικών δεδομένων, την αξιολόγηση ποιότητας, τον μετασχηματισμό, την αυτόματη επισήμανση και τον έλεγχο από ανθρώπους. Τα εργαλεία είναι γενικά διαθέσιμα στις περιοχές US East (N. Virginia) και US West (Oregon).
Η έκδοση ενοποιεί εργασίες που συχνά γίνονται με ξεχωριστά εργαλεία επισήμανσης, σενάρια δημιουργίας δεδομένων και εργασίες επικύρωσης. Μια ομάδα μπορεί να χρησιμοποιήσει μία δυνατότητα στο πλαίσιο μιας υπάρχουσας διαδικασίας ή να συνδυάσει πολλές, με προδιαγραφές και κώδικα που είναι διαθέσιμα για έλεγχο και τροποποίηση καθώς το σύνολο δεδομένων προετοιμάζεται για εκπαίδευση ή αξιολόγηση.
Δημιουργία, καθαρισμός και μορφοποίηση για εκπαίδευση
Η δημιουργία συνθετικών δεδομένων παράγει εγγραφές εκπαίδευσης, αξιολόγησης και δοκιμής βάσει προδιαγραφών, με δυνατότητα προαιρετικής αξιοποίησης αρχικών δεδομένων και εγγράφων. Παράγει επίσης μια διοχέτευση επεξεργασίας βασισμένη σε κώδικα, την οποία οι χρήστες μπορούν να ελέγχουν, να τροποποιούν, να επαναχρησιμοποιούν και να κλιμακώνουν, ώστε να είναι δυνατός ο έλεγχος και της ίδιας της διαδικασίας δημιουργίας.
Η αξιολόγηση ποιότητας μπορεί να εφαρμόζει τους επιχειρηματικούς κανόνες του πελάτη, ενσωματωμένες μετρικές και μετρικές αξιολόγησης από LLM ως κριτή, στις οποίες ένα γλωσσικό μοντέλο αξιολογεί τα δεδομένα. Μπορεί να εντοπίζει διπλότυπα και σχεδόν διπλότυπα, καθώς και να επισημαίνει θόρυβο στις ετικέτες ή διαρροή απαντήσεων. Στη συνέχεια, ο μετασχηματισμός μπορεί να αναδιαμορφώνει τις εγγραφές μέσω κώδικα που παράγεται αυτόματα, ενσωματωμένων λειτουργιών κατάργησης διπλοτύπων, συγχώνευσης, διαχωρισμού και φιλτραρίσματος ή κώδικα Python που παρέχει ο χρήστης και εκτελείται σε μεγάλη κλίμακα.
Στο παράδειγμα της AWS, η αλυσίδα εκπαίδευσης μορφοποιεί τα δεδομένα που προκύπτουν για εποπτευόμενη λεπτομερή ρύθμιση, άμεση βελτιστοποίηση προτιμήσεων ή ενισχυτική μάθηση, ελέγχει την ποιότητά τους και έπειτα προχωρά στην προσαρμογή μοντέλων του SageMaker AI. Με αυτή τη σειρά, η επικύρωση του συνόλου δεδομένων προηγείται των υπολογιστικών πόρων εκπαίδευσης, δίνοντας στις ομάδες τη δυνατότητα να διορθώσουν ελαττωματικές εγγραφές πριν από μια εκτέλεση εκπαίδευσης.
Οι βαθμολογίες εμπιστοσύνης τροφοδοτούν τον ανθρώπινο έλεγχο
Η αυτόματη επισήμανση μπορεί να ξεκινήσει από ένα σύνολο δεδομένων χωρίς ετικέτες, από ένα μικρό σύνολο αρχικών δεδομένων με ετικέτες ή χωρίς καθόλου ετικέτες. Οι ενσωματωμένες εργασίες περιλαμβάνουν ταξινόμηση, αναγνώριση οντοτήτων με ονομασία, εξαγωγική απάντηση ερωτήσεων, διατακτική βαθμολόγηση και σύνοψη, ενώ μπορούν να οριστούν και προσαρμοσμένες εργασίες. Πριν από την επεξεργασία ολόκληρου του συνόλου δεδομένων, μια σύντομη προδιαγραφή επισήμανσης επικυρώνεται με βάση τα παραδείγματα του χρήστη.
Για εργασίες με συγκεκριμένο σύνολο πιθανών απαντήσεων, πολλά μοντέλα επισημαίνουν κάθε γραμμή σαν κριτική επιτροπή, και ο βαθμός συμφωνίας τους καθορίζει τη βαθμολογία εμπιστοσύνης της. Οι γραμμές με βαθμολογία χαμηλότερη από το επιλεγμένο όριο εισάγονται σε ουρά ελέγχου του SageMaker Studio, η οποία βασίζεται στην έκδοση Community Edition του λογισμικού ανοικτού κώδικα Label Studio. Εξωτερικοί ειδικοί στο εκάστοτε αντικείμενο μπορούν να τις διορθώσουν στην εφαρμογή ελέγχου· οι διορθώσεις αυτές τροφοδοτούν ξανά την αυτόματη επισήμανση, ενώ οι ομάδες μπορούν να δημιουργούν μετρικές συναίνεσης και αναφορές επισήμανσης.
Διαχειριζόμενες εργασίες και μεταβίβαση συνόλων δεδομένων
Οι προγραμματιστές μπορούν να εκτελούν αυτά τα στάδια μέσω του SageMaker Python SDK ή να δώσουν σε έναν προγραμματιστικό βοηθό την ικανότητα AWS AI-ML, ώστε να τα επιλέγει και να τα εκτελεί από το SageMaker Studio JupyterLab, το Kiro ή ένα τοπικό περιβάλλον ολοκληρωμένης ανάπτυξης. Η τεκμηρίωση του SageMaker AI ορίζει ως απαιτούμενη την έκδοση 3.30.0 ή νεότερη του SDK και μια DataPreparer κλάση με generate(), evaluate() και transform() μεθόδους. Η generate() μέθοδος καλύπτει τόσο τη δημιουργία συνθετικών δεδομένων όσο και την αυτόματη επισήμανση.
Η δημιουργία συνθετικών δεδομένων, η αυτόματη επισήμανση, η αξιολόγηση ποιότητας και ο μετασχηματισμός εκτελούνται ως διαχειριζόμενες εργασίες του SageMaker. Οι εργασίες που παράγουν δεδομένα αποθηκεύουν τις εγγραφές στο Amazon S3 και τις καταχωρίζουν σε έναν κόμβο λογαριασμού ως DataSet περιεχόμενο. Για αυτά τα αποτελέσματα, το αντικείμενο του SDK DataSet περιλαμβάνει ένα Όνομα πόρου Amazon ή ARN, το οποίο μπορεί να διαβιβαστεί στο επόμενο στάδιο. Ο μετασχηματισμός δημοσιεύει τα αποτελέσματα στον ίδιο κόμβο με τα δεδομένα εισόδου του, συνήθως ως νέα έκδοση αυτού του συνόλου δεδομένων· αντίθετα, η αξιολόγηση ποιότητας αποθηκεύει τα αποτελέσματα στο S3 χωρίς να καταχωρίζει άλλο σύνολο δεδομένων.
Ο προγραμματιστικός βοηθός συντάσσει προδιαγραφές, ελέγχει το περιβάλλον και ζητά έγκριση πριν εκτελέσει μια εργασία ή δημιουργήσει πόρους. Μπορεί επίσης να αποθηκεύει τις εκτελέσεις εργασιών ως σημειωματάριο ή σενάριο, δημιουργώντας ένα επαναχρησιμοποιήσιμο τεχνούργημα που μπορεί να εκτελεστεί ξανά.
Η ροή εργασιών χρησιμοποιεί έναν ρόλο εκτέλεσης του AWS Identity and Access Management, τον οποίο ελέγχει ο πελάτης. Τα δεδομένα προέλευσης, τα σύνολα δεδομένων που δημιουργούνται και οι ετικέτες παραμένουν στους κάδους S3 του ίδιου του πελάτη, στην επιλεγμένη περιοχή AWS, ώστε η αποθήκευση και η πρόσβαση να περιορίζονται στα δικαιώματα και στην τοποθεσία που επιλέγει ο πελάτης.
Η Splunk, εταιρεία της Cisco, χρησιμοποίησε τη δημιουργία συνθετικών δεδομένων κατά την ανάπτυξη μοντέλων αξιολόγησης για το προϊόν Agent Observability. Ο Yash Sheth, διευθυντής μηχανικής του Splunk Agent Observability, δήλωσε ότι τα εργαλεία παρήγαγαν γρήγορα στατιστικά αντιπροσωπευτικά σύνολα δεδομένων, διατηρώντας παράλληλα τα μοτίβα από τα οποία εξαρτώνται τα μοντέλα τους, και ότι η ενσωμάτωσή τους στο SageMaker περιόρισε την προετοιμασία και διαχείριση δεδομένων για τους επιστήμονες δεδομένων και τους πελάτες της εταιρείας.
Για τους προγραμματιστές, η λειτουργική αλλαγή είναι ότι η δημιουργία, ο έλεγχος και η διόρθωση μπορούν να τροφοδοτούν την ανάπτυξη μοντέλων μέσω μιας ενιαίας, διαχειριζόμενης διαδρομής συνόλου δεδομένων. Η AWS συνδύασε αυτόν τον αυτοματισμό με τεχνουργήματα που μπορούν να ελεγχθούν, αιτήματα έγκρισης και εγγραφές S3 που παραμένουν στην κατοχή των πελατών, ώστε ο έλεγχος του τρόπου παραγωγής των δεδομένων να εξακολουθεί να αποτελεί μέρος της ροής εργασιών προετοιμασίας.












