Amazon SageMaker recebe controles de dados unificados.

Já se passou quase uma década desde que a Amazon Web Services (AWS), a divisão de computação em nuvem da Amazon, anunciou o SageMaker, sua plataforma para criar, treinar e implantar modelos de IA. Enquanto nos anos anteriores a AWS se concentrou em expandir enormemente as capacidades do SageMaker, este ano o objetivo foi a simplificação.

Na conferência re:Invent 2024, a AWS apresentou o SageMaker Unified Studio, um único lugar para encontrar e trabalhar com dados de toda uma organização. O SageMaker Unified Studio reúne ferramentas de outros serviços da AWS, incluindo o existente SageMaker Studio, para ajudar os clientes a descobrir, preparar e processar dados para construir modelos.

“Estamos vendo uma convergência de analytics e IA, com clientes usando dados de maneiras cada vez mais interconectadas”, disse Swami Sivasubramanian, VP de dados e IA da AWS, em uma declaração. “A próxima geração do SageMaker reúne capacidades para fornecer aos clientes todas as ferramentas de que precisam para processamento de dados, desenvolvimento e treinamento de modelos de aprendizado de máquina, além de IA generativa, diretamente dentro do SageMaker.”

Usando o SageMaker Unified Studio, os clientes podem publicar e compartilhar dados, modelos, aplicativos e outros artefatos com membros de suas equipes ou organizações mais amplas. O serviço expõe controles de segurança de dados e permissões ajustáveis, além de integrações com a plataforma de desenvolvimento de modelos Bedrock da AWS.

A IA está incorporada no SageMaker Unified Studio — especificamente, o Q Developer, o chatbot de codificação da Amazon. No SageMaker Unified Studio, o Q Developer pode responder a perguntas como “Quais dados devo usar para ter uma melhor ideia das vendas de produtos?” ou “Gere SQL para calcular a receita total por categoria de produto.”

Explicou a AWS em um post no blog: “O Q Developer [pode] apoiar tarefas de desenvolvimento, como descoberta de dados, codificação, geração de SQL e integração de dados” no SageMaker Unified Studio.

Além do SageMaker Unified Studio, a AWS lançou duas pequenas adições à sua família de produtos SageMaker: SageMaker Catalog e SageMaker Lakehouse.

O SageMaker Catalog permite que administradores definam e implementem políticas de acesso para aplicativos de IA, modelos, ferramentas e dados no SageMaker usando um modelo de permissão único com controles granulares. Enquanto isso, o SageMaker Lakehouse fornece conexões do SageMaker e outras ferramentas para dados armazenados em lagos de dados da AWS, data warehouses e aplicativos empresariais.

A AWS afirma que o SageMaker Lakehouse funciona com quaisquer ferramentas compatíveis com os padrões do Apache Iceberg — sendo o Apache Iceberg o formato de código aberto para grandes tabelas analíticas. Os administradores podem aplicar controles de acesso a todos os dados em todas as ferramentas de analytics e IA que o SageMaker Lakehouse toca, se assim desejarem.

Em um desenvolvimento um tanto relacionado, o SageMaker agora deve funcionar melhor com aplicativos de software como serviço, graças a novas integrações. Os clientes do SageMaker podem acessar dados de aplicativos como Zendesk e SAP sem ter que extrair, transformar e carregar esses dados primeiro.

“Os clientes podem ter dados espalhados por vários lagos de dados, bem como em um armazém de dados, e se beneficiariam de uma maneira simples de unificar todos esses dados,” escreveu a AWS. “Agora, os clientes podem usar suas ferramentas preferidas de analytics e aprendizado de máquina em seus dados, independentemente de como e onde estão fisicamente armazenados, para apoiar casos de uso, incluindo analytics SQL, consultas ad-hoc, ciência de dados, aprendizado de máquina e IA generativa.”