Model dan platform AI
AWS Menambahkan Fitur Persiapan Data AI ke Amazon SageMaker AI

Poin utamaSageMaker AI kini menggabungkan pembuatan, evaluasi, transformasi, dan pelabelan ke…
Lihat selengkapnya
- SageMaker AI kini menggabungkan pembuatan, evaluasi, transformasi, dan pelabelan ke dalam satu jalur kumpulan data terkelola.
- Pelabelan otomatis menggunakan kesepakatan model sebagai skor keyakinan untuk mengarahkan baris yang tidak pasti kepada peninjau manusia.
- Pekerjaan yang menghasilkan data mendaftarkan keluaran di hub akun sehingga kumpulan data berpindah antar tahap melalui ARN.
Pada 17 November 2026, AWS mengumumkan fitur baru untuk persiapan data AI di Amazon SageMaker AI, yang menambahkan pembuatan data sintetis, evaluasi kualitas, transformasi, pelabelan otomatis, dan peninjauan oleh manusia ke dalam alur kerja pengembangan model. Fitur-fitur ini tersedia secara umum di kawasan US East (N. Virginia) dan US West (Oregon).
Rilis ini menyatukan pekerjaan yang kerap tersebar di berbagai alat pelabelan, skrip pembuatan data, dan tugas validasi yang terpisah. Tim dapat menggunakan satu fitur dalam proses yang sudah ada atau menggabungkan beberapa fitur sekaligus, dengan spesifikasi dan kode yang dapat diperiksa serta diubah seiring dataset disiapkan untuk pelatihan atau evaluasi.
Pembuatan Data, Pembersihan, dan Format Pelatihan
Pembuatan data sintetis menghasilkan data pelatihan, evaluasi, dan pengujian berdasarkan suatu spesifikasi, dengan opsi untuk menggunakan data awal dan dokumen sebagai landasan. Fitur ini juga menghasilkan alur kerja berbasis kode yang dapat ditinjau, dimodifikasi, digunakan kembali, dan diskalakan oleh pengguna, sehingga proses pembuatannya sendiri dapat diperiksa.
Evaluasi kualitas dapat menerapkan aturan bisnis pelanggan, metrik bawaan, dan metrik LLM sebagai juri, yang menggunakan model bahasa untuk menilai data. Fitur ini dapat menemukan duplikat dan data yang hampir duplikat, serta mengungkap derau label atau kebocoran jawaban. Transformasi kemudian dapat mengubah bentuk data melalui kode yang dihasilkan, deduplikasi, penggabungan, pemisahan, dan penyaringan bawaan, atau kode Python yang disediakan pengguna dan dijalankan dalam skala besar.
Rangkaian pelatihan contoh dari AWS memformat data yang dihasilkan untuk penyempurnaan terawasi, optimasi preferensi langsung, atau pembelajaran penguatan, memeriksa kualitasnya, lalu melanjutkan ke kustomisasi model SageMaker AI. Urutan ini menempatkan validasi dataset sebelum penggunaan komputasi pelatihan, sehingga tim berkesempatan memperbaiki data yang cacat sebelum proses pelatihan dimulai.
Skor Keyakinan Menjadi Dasar Peninjauan oleh Manusia
Pelabelan otomatis dapat dimulai dengan dataset tanpa label, sejumlah kecil data awal berlabel, atau tanpa label sama sekali. Tugas bawaan mencakup klasifikasi, pengenalan entitas bernama, tanya jawab ekstraktif, pemberian nilai ordinal, dan peringkasan; tugas khusus juga dapat ditentukan. Spesifikasi pelabelan singkat divalidasi berdasarkan contoh dari pengguna sebelum seluruh dataset diproses.
Untuk tugas dengan sejumlah pilihan jawaban yang tetap, beberapa model melabeli setiap baris sebagai panel juri, dan tingkat kesepakatan mereka menjadi skor keyakinan untuk baris tersebut. Baris yang skornya berada di bawah ambang batas yang dipilih akan masuk ke antrean peninjauan SageMaker Studio yang menggunakan Label Studio Community Edition, edisi komunitas sumber terbuka. Pakar bidang terkait dari luar tim dapat memperbaiki baris tersebut di aplikasi peninjauan; hasil koreksinya digunakan kembali dalam pelabelan otomatis, dan tim dapat membuat metrik konsensus serta laporan pelabelan.
Tugas Terkelola dan Serah Terima Dataset
Pengembang dapat menjalankan tahapan ini melalui SageMaker Python SDK atau memberikan keterampilan AWS AI-ML kepada agen pemrograman agar agen tersebut memilih dan menjalankannya dari SageMaker Studio JupyterLab, Kiro, atau IDE lokal. Dokumentasi SageMaker AI menetapkan versi SDK 3.30.0 atau yang lebih baru serta sebuah DataPreparer kelas dengan generate(), evaluate() dan transform() metode. Metode generate() metode tersebut mencakup pembuatan data sintetis dan pelabelan otomatis.
Pembuatan data sintetis, pelabelan otomatis, evaluasi kualitas, dan transformasi dijalankan sebagai tugas yang dikelola SageMaker. Tugas yang menghasilkan data menulis data ke Amazon S3 dan mendaftarkannya di hub akun sebagai DataSet konten. Untuk keluaran tersebut, objek SDK DataSet memuat Nama Sumber Daya Amazon (Amazon Resource Name/ARN) yang dapat diteruskan ke tahap berikutnya. Transformasi menerbitkan hasil ke hub yang sama dengan hub untuk masukannya, biasanya sebagai versi baru dataset tersebut; sementara itu, evaluasi kualitas menulis hasil ke S3 tanpa mendaftarkan dataset lain.
Asisten pemrograman menyusun draf spesifikasi, memeriksa lingkungan, dan meminta persetujuan sebelum menjalankan tugas atau membuat sumber daya. Asisten ini juga dapat menyimpan proses tugas sebagai notebook atau skrip, sehingga menghasilkan artefak yang dapat digunakan kembali dan dijalankan lagi.
Alur kerja ini menggunakan peran eksekusi AWS Identity and Access Management yang dikendalikan pelanggan. Data sumber, dataset yang dihasilkan, dan label tetap berada di bucket S3 milik pelanggan sendiri di Kawasan AWS yang dipilih, sehingga penyimpanan dan akses tetap berada dalam batas izin serta lokasi yang ditentukan pelanggan.
Splunk, perusahaan Cisco, menggunakan pembuatan data sintetis saat mengembangkan model evaluasi untuk produk Agent Observability. Yash Sheth, direktur teknik untuk Splunk Agent Observability, mengatakan bahwa alat tersebut dengan cepat menghasilkan dataset yang representatif secara statistik sekaligus mempertahankan pola yang diandalkan model mereka, serta bahwa integrasinya dengan SageMaker mengurangi pekerjaan pengolahan data bagi ilmuwan data dan pelanggan mereka.
Bagi pengembang, perubahan operasionalnya adalah pembuatan, pemeriksaan, dan perbaikan data kini dapat mendukung pengembangan model melalui satu jalur dataset terkelola. AWS memadukan otomatisasi tersebut dengan artefak yang dapat diperiksa, permintaan persetujuan, dan data S3 yang dikelola pelanggan, sehingga kendali atas cara data dihasilkan tetap menjadi bagian dari alur kerja persiapan.












