ที่งานใหญ่ของ AWS re:Invent มีการประกาศเพิ่มความสามารถหลายด้านให้ SageMaker หรือเครื่องมือที่ช่วยพัฒนาโมเดลด้าน Machine Learning อย่างครบวงจรของตน

ฟีเจอร์ใหม่สรุปได้ดังนี้
- SageMaker Data Wrangler – รองรับการ normalize ข้อมูลจากแหล่งต่างๆ พร้อมกับเอื้อให้จัดการข้อมูลเหล่านั้นได้ง่ายโดยไม่ต้องเขียนโค้ด ซึ่งคุยว่ามี Built-in พร้อมดึงข้อมูลจากกว่า 300 แห่ง
- Feature Store – ผู้ใช้งานสามารถสร้าง Repository สำหรับเก็บ อัปเดตและแชร์ Machine Learning ในการใช้งานได้
- Pipelines – นักพัฒนาสามารถใช้เครื่องมือนี้เพื่อกำหนดขั้นตอนของ Workflow ด้าน Machine Learning ให้เกิดการใช้ซ้ำโมเดล อัปเดตข้อมูลใหม่ให้โมเดล และดูแลการทำงานแบบ end-to-end
- SageMaker Clarify – ช่วยกำจัดความไม่เท่าเทียมของข้อมูลซึ่งจะนำไปสู่ความลำเอียงของผลลัพธ์ต่อไป โดย AWS ตระหนักดีว่าปัญหานี้ต้องมีการบูรณาการหลายส่วน แต่เครื่องมือนี้จะเป็นปัจจัยหนึ่งที่ช่วยได้
- SageMaker Debugger – ช่วยให้นักพัฒนาติดตามการใช้ทรัพยากรของระบบและแจ้งเตือนเมื่อทรัพยากรไม่พอ
- SageMaker Edge Manager – เครื่องมือบริหารจัดการโมเดล Machine Learning สำหรับ Edge ซึ่งนักพัฒนาสามารถใช้เพื่อติดตามการทำงานของโมเดลในอุปกรณ์ที่อยู่ในระดับ Edge ได้
- SageMaker JumpStart – ช่วยเป็นเครื่องมือค้นหาอัลกอริทึมและข้อมูลเบื้องต้นเพื่อเริ่มงาน Machine Learning ได้อย่างง่ายดาย
ที่มา : https://techcrunch.com/2020/12/08/aws-expands-on-sagemaker-capabilities-with-end-to-end-features-for-machine-learning/ และ https://techcrunch.com/2020/12/08/aws-announces-sagemaker-clarify-to-help-reduce-bias-in-machine-learning-models/