Aller au contenu principal
Outils · Outil ·

Amazon SageMaker propose de nouvelles fonctions de préparation de données par IA pour créer des jeux de données de qualité

Amazon élargit SageMaker AI avec de nouvelles capacités de préparation de données destinées aux workflows de développement de modèles. Accessibles via des API du SDK Python et via la compétence d'agent AWS AI-ML, elles permettent de générer des exemples synthétiques, d'évaluer et d'améliorer des jeux de données existants, et d'intégrer les retours d'experts, le tout depuis un notebook ou un IDE, avec des spécifications et du code que l'utilisateur peut inspecter et modifier. Cinq briques indépendantes, utilisables seules ou enchaînées, sont proposées. L'étiquetage automatique couvre la classification, la reconnaissance d'entités nommées, les questions-réponses extractives, la notation ordinale et le résumé, ainsi que des tâches personnalisées. Une spécification courte est validée sur les exemples de l'utilisateur avant l'étiquetage complet, et pour les tâches à réponses fixes, un jury de plusieurs modèles étiquette chaque ligne, leur degré d'accord devenant un score de confiance. La revue humaine envoie les lignes sous le seuil de confiance vers une file dans SageMaker Studio, qui s'appuie sur Label Studio Community Edition, et les corrections nourrissent l'étiquetage automatique. La génération de données synthétiques produit des jeux d'entraînement, d'évaluation et de test à partir d'une spécification, avec un pipeline de génération en code. L'évaluation de la qualité détecte doublons, quasi-doublons, bruit d'étiquettes et fuites de réponses. Enfin, la transformation des données nettoie et remodèle les jeux selon la technique d'entraînement visée.

2 min de lecture

Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie

Source

Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →

L'enjeu est pratique : la préparation des données reste souvent l'étape la plus lente d'un projet d'IA générative. Les exemples étiquetés sont rares ou coûteux, les règles de confidentialité limitent les usages, et les problèmes de qualité ne se révèlent qu'après un entraînement décevant, alors que chaque technique exige son propre format. Les data scientists passent ainsi des semaines à manipuler des données plutôt qu'à construire des modèles. Pour des tâches étroites et bien définies, un modèle plus petit, adapté sur des données propres et spécifiques, peut égaler ou dépasser la précision d'un grand modèle généraliste, à moindre coût d'inférence. Les équipes n'ont plus à assembler outils d'étiquetage, scripts de génération et tâches de validation. Elles peuvent aussi déléguer l'orchestration à un agent de code, qui choisit et exécute la bonne capacité dans SageMaker Studio JupyterLab, Kiro ou un IDE local.

Cette annonce s'inscrit dans une tendance où la qualité des données, plus que la taille des modèles, devient le principal facteur de différenciation, qu'il s'agisse d'affiner un modèle à poids ouverts, de faire de l'apprentissage par renforcement ou de bâtir une suite d'évaluation. Splunk, filiale de Cisco, illustre le besoin : pour son produit Agent Observability, l'entreprise doit entraîner des modèles d'évaluation d'IA générative sur des jeux de données variés et difficiles à constituer. Yash Sheth, directeur de l'ingénierie, affirme que la génération synthétique de SageMaker AI lui permet de produire rapidement et de façon fiable des jeux statistiquement représentatifs, qui préservent les motifs dont ses modèles dépendent. Amazon mise sur l'enchaînement de ces capacités, du brut à l'entraînement, pour faire de SageMaker une plateforme de bout en bout face aux outils d'étiquetage et de données concurrents.

À lire ensuite

01Créer un flux ML sans code avec Snowflake, Amazon SageMaker Canvas et Amazon Quick (partie 2 : préparation des données et création du modèle)AWS ML BlogOutils 02Améliorer la sécurité industrielle par l'IA grâce à des données synthétiques sur Amazon SageMaker AIAWS ML BlogOutils 03Amazon SageMaker Feature Store ajoute UpdateRecord pour l'écriture au niveau des fonctionnalitésAWS ML BlogOutils 
Dossier · AWSSuivi en continu par Le Fil IASuivre ce sujet →

Le brief du matin

L'essentiel de l'IA chaque jour. Gratuit, désinscription immédiate à tout moment.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription à tout moment

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.