Cửa hàng tính năng Amazon SageMaker là một kho lưu trữ được xây dựng có mục đích, được quản lý hoàn toàn để lưu trữ, chia sẻ và quản lý các tính năng cho các mô hình học máy (ML). Tính năng là đầu vào cho các mô hình ML được sử dụng trong quá trình đào tạo và suy luận. Ví dụ: trong một ứng dụng đề xuất danh sách phát nhạc, các tính năng có thể bao gồm xếp hạng bài hát, thời lượng nghe và nhân khẩu học của người nghe. Các tính năng được nhiều nhóm sử dụng nhiều lần và chất lượng tính năng là rất quan trọng để đảm bảo mô hình có độ chính xác cao. Ngoài ra, khi các tính năng được sử dụng để huấn luyện các mô hình ngoại tuyến theo đợt được cung cấp để suy luận theo thời gian thực, thật khó để giữ cho hai kho tính năng được đồng bộ hóa. Cửa hàng tính năng SageMaker cung cấp một cửa hàng hợp nhất và bảo mật để xử lý, chuẩn hóa và sử dụng các tính năng trên quy mô lớn trong vòng đời ML.

Cửa hàng tính năng SageMaker giờ đây giúp việc chia sẻ, khám phá và truy cập các nhóm tính năng trên các tài khoản AWS trở nên dễ dàng. Khả năng mới này thúc đẩy sự hợp tác và giảm thiểu công việc trùng lặp cho các nhóm tham gia phát triển ứng dụng và mô hình ML, đặc biệt là trong môi trường doanh nghiệp có nhiều tài khoản trải rộng trên các đơn vị hoặc chức năng kinh doanh khác nhau.

Với lần ra mắt này, chủ sở hữu tài khoản có thể cấp quyền truy cập vào các nhóm tính năng được chọn bởi các tài khoản khác bằng cách sử dụng Trình quản lý truy cập tài nguyên AWS (RAM AWS). Sau khi được cấp quyền truy cập, người dùng của các tài khoản đó có thể xem tất cả các nhóm tính năng của họ một cách thuận tiện, bao gồm cả các nhóm được chia sẻ, thông qua Xưởng sản xuất Amazon SageMaker hoặc SDK. Điều này cho phép các nhóm khám phá và sử dụng các tính năng do các nhóm khác phát triển, thúc đẩy hiệu quả và chia sẻ kiến ​​thức. Ngoài ra, chi tiết sử dụng tài nguyên được chia sẻ có thể được theo dõi bằng amazoncloudwatch và Đường mòn đám mây AWS. Để tìm hiểu sâu, hãy tham khảo Khả năng phát hiện và truy cập nhóm tính năng nhiều tài khoản.

Trong bài đăng này, chúng tôi thảo luận lý do và cách thức tạo ra một cửa hàng tính năng tập trung có quyền truy cập nhiều tài khoản. Chúng tôi trình bày cách thiết lập và chạy bản trình diễn mẫu cũng như những lợi ích bạn có thể nhận được khi sử dụng khả năng mới này trong tổ chức của mình.

Ai cần một cửa hàng tính năng liên tài khoản

Các tổ chức cần chia sẻ các tính năng một cách an toàn giữa các nhóm để xây dựng mô hình ML chính xác, đồng thời ngăn chặn truy cập trái phép vào dữ liệu nhạy cảm. Cửa hàng tính năng SageMaker hiện cho phép chia sẻ chi tiết các tính năng giữa các tài khoản thông qua AWS RAM, cho phép phát triển mô hình cộng tác với quản trị.

Cửa hàng tính năng SageMaker cung cấp khả năng lưu trữ và quản lý chuyên dụng cho các tính năng ML được sử dụng trong quá trình đào tạo và hội thảo. Với hỗ trợ nhiều tài khoản, giờ đây bạn có thể chia sẻ có chọn lọc các tính năng được lưu trữ trong một tài khoản AWS với các tài khoản khác trong tổ chức của mình.

Ví dụ: nhóm phân tích có thể quản lý các tính năng như hồ sơ khách hàng, lịch sử giao dịch và danh mục sản phẩm trong tài khoản quản lý trung tâm. Những thứ này cần được các nhà phát triển ML ở các bộ phận khác như tiếp thị, phát hiện gian lận, v.v. truy cập một cách an toàn để xây dựng mô hình.

Sau đây là những lợi ích chính của việc chia sẻ tính năng ML giữa các tài khoản:

• Các tính năng nhất quán và có thể tái sử dụng – Chia sẻ tập trung các tính năng được quản lý giúp cải thiện độ chính xác của mô hình bằng cách cung cấp dữ liệu đầu vào nhất quán để đào tạo. Các nhóm có thể khám phá và trực tiếp sử dụng các tính năng do người khác tạo thay vì sao chép chúng trong mỗi tài khoản.
• Kiểm soát truy cập nhóm tính năng – Bạn chỉ có thể cấp quyền truy cập vào các nhóm tính năng cụ thể cần thiết cho trường hợp sử dụng của tài khoản. Ví dụ: nhóm tiếp thị có thể chỉ có quyền truy cập vào nhóm tính năng hồ sơ khách hàng cần thiết cho các mô hình đề xuất.
• Hợp tác giữa các nhóm – Các tính năng được chia sẻ cho phép các nhóm khác nhau như gian lận, tiếp thị và bán hàng cộng tác xây dựng mô hình ML bằng cách sử dụng cùng một dữ liệu đáng tin cậy thay vì tạo các tính năng riêng lẻ.
• Quá trình kiểm tra sự tuân thủ – Quản trị viên có thể giám sát việc sử dụng tính năng của tất cả các tài khoản một cách tập trung bằng nhật ký sự kiện CloudTrail. Điều này cung cấp một lộ trình kiểm tra cần thiết cho việc quản trị và tuân thủ.

Phân định nhà sản xuất và người tiêu dùng trong các cửa hàng tính năng liên tài khoản

Trong lĩnh vực học máy, kho tính năng đóng vai trò là cầu nối quan trọng, kết nối những người cung cấp dữ liệu với những người khai thác dữ liệu đó. Sự phân đôi này có thể được quản lý một cách hiệu quả bằng cách sử dụng thiết lập nhiều tài khoản cho cửa hàng tính năng. Hãy làm sáng tỏ điều này bằng cách sử dụng các nhân vật sau đây và một sự tương tự trong thế giới thực:

• Kỹ sư dữ liệu và ML (chủ sở hữu và nhà sản xuất) – Họ đặt nền móng bằng cách cung cấp dữ liệu vào kho tính năng
• Nhà khoa học dữ liệu (người tiêu dùng) – Họ trích xuất và sử dụng dữ liệu này để tạo ra mô hình của mình

Các kỹ sư dữ liệu đóng vai trò là kiến ​​trúc sư phác thảo bản thiết kế ban đầu. Nhiệm vụ của họ là xây dựng và giám sát các đường ống dữ liệu hiệu quả. Lấy dữ liệu từ hệ thống nguồn, họ đúc các thuộc tính dữ liệu thô thành các đặc điểm có thể phân biệt được. Lấy “tuổi” làm ví dụ. Mặc dù nó chỉ đại diện cho khoảng thời gian từ bây giờ đến ngày sinh của một người, nhưng cách giải thích của nó có thể khác nhau tùy theo tổ chức. Ở đây đảm bảo chất lượng, tính đồng nhất và nhất quán là điều tối quan trọng. Mục đích của họ là đưa dữ liệu vào một kho lưu trữ tính năng tập trung, thiết lập nó làm điểm tham chiếu không thể tranh cãi.

Các kỹ sư ML tinh chỉnh các tính năng nền tảng này, điều chỉnh chúng cho phù hợp với quy trình làm việc ML hoàn thiện. Trong bối cảnh ngân hàng, họ có thể suy ra những hiểu biết thống kê từ số dư tài khoản, xác định xu hướng và mô hình dòng chảy. Rào cản họ thường gặp phải là sự dư thừa. Người ta thường thấy các quy trình tạo tính năng lặp đi lặp lại trong các sáng kiến ​​ML đa dạng.

Hãy tưởng tượng các nhà khoa học dữ liệu như những đầu bếp sành ăn đang tìm kiếm một phòng đựng thức ăn đầy ắp, tìm kiếm những nguyên liệu tốt nhất cho kiệt tác ẩm thực tiếp theo của họ. Thời gian của họ nên được đầu tư vào việc tạo ra các công thức nấu ăn dữ liệu sáng tạo chứ không phải vào việc lắp ráp lại tủ đựng thức ăn. Rào cản ở thời điểm này là tìm ra dữ liệu phù hợp. Giao diện thân thiện với người dùng, được trang bị các công cụ tìm kiếm hiệu quả và mô tả tính năng toàn diện là không thể thiếu.

Về bản chất, việc thiết lập cửa hàng tính năng nhiều tài khoản sẽ phân chia tỉ mỉ vai trò của người tạo và người tiêu dùng dữ liệu, đảm bảo tính hiệu quả, rõ ràng và đổi mới. Cho dù bạn đang đặt nền móng hay xây dựng trên nền móng đó, việc biết vai trò và công cụ của mình là điều then chốt.

Sơ đồ sau đây cho thấy hai nhóm nhà khoa học dữ liệu khác nhau, từ hai tài khoản AWS khác nhau, chia sẻ và sử dụng cùng một kho tính năng trung tâm để chọn ra những tính năng tốt nhất cần thiết nhằm xây dựng mô hình ML của họ. Kho tính năng trung tâm được đặt trong một tài khoản khác do các kỹ sư dữ liệu và kỹ sư ML quản lý, nơi thường đặt lớp quản trị dữ liệu và hồ dữ liệu.

Kiểm soát nhóm tính năng nhiều tài khoản

Với SageMaker Feature Store, bạn có thể chia sẻ tài nguyên nhóm tính năng giữa các tài khoản. Tài khoản chủ sở hữu tài nguyên chia sẻ tài nguyên với tài khoản người tiêu dùng tài nguyên. Có hai loại quyền riêng biệt liên quan đến việc chia sẻ tài nguyên:

• Quyền có thể khám phá – Khả năng khám phá có nghĩa là có thể xem tên nhóm tính năng và siêu dữ liệu. Khi bạn cấp quyền khám phá, tất cả các thực thể nhóm tính năng trong tài khoản mà bạn chia sẻ (tài khoản chủ sở hữu tài nguyên) sẽ có thể được phát hiện bởi các tài khoản mà bạn đang chia sẻ (tài khoản người tiêu dùng tài nguyên). Ví dụ: nếu bạn làm cho tài khoản chủ sở hữu tài nguyên có thể được phát hiện bởi tài khoản người tiêu dùng tài nguyên thì người đứng đầu tài khoản người tiêu dùng tài nguyên có thể xem tất cả các nhóm tính năng có trong tài khoản chủ sở hữu tài nguyên. Quyền này được cấp cho các tài khoản sử dụng tài nguyên bằng cách sử dụng loại tài nguyên danh mục SageMaker.
• Quyền truy cập – Khi cấp quyền truy cập, bạn thực hiện ở cấp tài nguyên nhóm tính năng (không phải cấp tài khoản). Điều này cho phép bạn kiểm soát chi tiết hơn việc cấp quyền truy cập vào dữ liệu. Loại quyền truy cập có thể được cấp là chỉ đọc, đọc/ghi và quản trị viên. Ví dụ: bạn chỉ có thể chọn một số nhóm tính năng nhất định từ tài khoản chủ sở hữu tài nguyên để người đứng đầu tài khoản người tiêu dùng tài nguyên có thể truy cập được, tùy thuộc vào nhu cầu kinh doanh của bạn. Quyền này được cấp cho tài khoản người tiêu dùng tài nguyên bằng cách sử dụng loại tài nguyên nhóm tính năng và chỉ định các thực thể nhóm tính năng.

Sơ đồ ví dụ sau đây trực quan hóa việc chia sẻ loại tài nguyên danh mục SageMaker cấp quyền có thể khám phá so với việc chia sẻ thực thể loại tài nguyên nhóm tính năng với quyền truy cập. Danh mục SageMaker chứa tất cả các thực thể nhóm đối tượng của bạn. Khi được cấp quyền khám phá, tài khoản người tiêu dùng tài nguyên có thể tìm kiếm và khám phá tất cả các thực thể nhóm tính năng trong tài khoản chủ sở hữu tài nguyên. Thực thể nhóm tính năng chứa dữ liệu ML của bạn. Khi được cấp quyền truy cập, tài khoản người tiêu dùng tài nguyên có thể truy cập dữ liệu nhóm tính năng, với quyền truy cập được xác định bởi quyền truy cập có liên quan.

Tổng quan về giải pháp

Hoàn thành các bước sau để chia sẻ an toàn các tính năng giữa các tài khoản bằng SageMaker Feature Store:

1. Trong tài khoản nguồn (chủ sở hữu), nhập tập dữ liệu và chuẩn bị các tính năng chuẩn hóa. Tổ chức các tính năng liên quan thành các nhóm logic được gọi là nhóm tính năng.
2. Tạo chia sẻ tài nguyên để cấp quyền truy cập nhiều tài khoản cho các nhóm tính năng cụ thể. Xác định các hành động được phép như nhận và đặt và chỉ hạn chế quyền truy cập vào các tài khoản được ủy quyền.
3. Trong tài khoản mục tiêu (người tiêu dùng), hãy chấp nhận lời mời RAM AWS để truy cập các tính năng được chia sẻ. Xem lại chính sách truy cập để hiểu các quyền được cấp.

Giờ đây, các nhà phát triển trong tài khoản mục tiêu có thể truy xuất các tính năng được chia sẻ bằng SageMaker SDK, kết hợp với dữ liệu bổ sung và sử dụng chúng để đào tạo các mô hình ML. Tài khoản nguồn có thể giám sát quyền truy cập vào các tính năng được chia sẻ của tất cả các tài khoản bằng nhật ký sự kiện CloudTrail. Nhật ký kiểm tra cung cấp khả năng hiển thị tập trung vào việc sử dụng tính năng.

Với các bước này, bạn có thể cho phép các nhóm trong tổ chức của mình sử dụng một cách an toàn các tính năng ML được chia sẻ để phát triển mô hình cộng tác.

Điều kiện tiên quyết

Chúng tôi giả định rằng bạn đã tạo các nhóm tính năng và sử dụng các tính năng tương ứng trong tài khoản chủ sở hữu của mình. Để biết thêm thông tin về việc bắt đầu, hãy tham khảo Bắt đầu với Cửa hàng tính năng Amazon SageMaker.

Cấp quyền khám phá

Đầu tiên, chúng tôi trình bày cách chia sẻ danh mục Cửa hàng tính năng SageMaker của chúng tôi trong tài khoản chủ sở hữu. Hoàn thành các bước sau:

1. Trong tài khoản chủ sở hữu của danh mục SageMaker Feature Store, hãy mở bảng điều khiển AWS RAM.
2. Theo Do tôi chia sẻ trong ngăn điều hướng, chọn Chia sẻ tài nguyên.
3. Chọn Tạo chia sẻ tài nguyên.
4. Nhập tên chia sẻ tài nguyên và chọn Danh mục tài nguyên SageMaker như loại tài nguyên.
   
5. Chọn Sau.
6. Để có quyền truy cập chỉ có thể khám phá, hãy nhập AWSRAMPermissionSageMakerCatalogResourceSearch cho Quyền được quản lý.
   
7. Chọn Sau.
8. Nhập ID tài khoản người tiêu dùng của bạn và chọn Thêm. Bạn có thể thêm một số tài khoản tiêu dùng.
   
9. Chọn Sau và hoàn thành việc chia sẻ tài nguyên của bạn.

Bây giờ danh mục Cửa hàng tính năng SageMaker được chia sẻ sẽ hiển thị trên Chia sẻ tài nguyên .

Bạn có thể đạt được kết quả tương tự bằng cách sử dụng Giao diện dòng lệnh AWS (AWS CLI) bằng lệnh sau (cung cấp Khu vực AWS, ID tài khoản chủ sở hữu và ID tài khoản người tiêu dùng của bạn):

aws ram create-resource-share 
  --name MyCatalogFG 
  --resource-arns arn:aws:sagemaker:REGION:OWNERACCOUNTID:sagemaker-catalog/DefaultFeatureGroupCatalog 
  --principals CONSACCOUNTID 
  --permission-arns arn:aws:ram::aws:permission/AWSRAMPermissionSageMakerCatalogResourceSearch

Chấp nhận lời mời chia sẻ tài nguyên

Để chấp nhận lời mời chia sẻ tài nguyên, hãy hoàn thành các bước sau:

1. Trong tài khoản mục tiêu (người tiêu dùng), hãy mở bảng điều khiển AWS RAM.
2. Theo Chia sẻ với tôi trong ngăn điều hướng, chọn Chia sẻ tài nguyên.
3. Chọn chia sẻ tài nguyên mới đang chờ xử lý.
   
4. Chọn Chấp nhận chia sẻ tài nguyên.
   

Bạn có thể đạt được kết quả tương tự bằng cách sử dụng AWS CLI bằng lệnh sau:

aws ram get-resource-share-invitations

Từ đầu ra của lệnh trước, lấy giá trị của resourceShareInvitationArn và sau đó chấp nhận lời mời bằng lệnh sau:

aws ram accept-resource-share-invitation 
--resource-share-invitation-arn RESOURCESHAREINVITATIONARN

Quy trình làm việc tương tự đối với việc chia sẻ nhóm tính năng với tài khoản khác thông qua RAM AWS.

Sau khi chia sẻ một số nhóm tính năng với tài khoản mục tiêu, bạn có thể kiểm tra Cửa hàng tính năng SageMaker, nơi bạn có thể quan sát thấy danh mục mới đã có sẵn.

Cấp quyền truy cập

Với quyền truy cập, chúng tôi có thể cấp quyền ở cấp tài nguyên nhóm tính năng. Hoàn thành các bước sau:

1. Trong tài khoản chủ sở hữu của danh mục SageMaker Feature Store, hãy mở bảng điều khiển AWS RAM.
2. Theo Do tôi chia sẻ trong ngăn điều hướng, chọn Chia sẻ tài nguyên.
3. Chọn Tạo chia sẻ tài nguyên.
4. Nhập tên chia sẻ tài nguyên và chọn Nhóm tính năng SageMaker như loại tài nguyên.
5. Chọn một hoặc nhiều nhóm tính năng để chia sẻ.
   
6. Chọn Sau.
7. Để truy cập đọc/ghi, hãy nhập AWSRAMPermissionSageMakerFeatureGroupReadWrite cho Quyền được quản lý.
   
8. Chọn Sau.
9. Nhập ID tài khoản người tiêu dùng của bạn và chọn Thêm. Bạn có thể thêm một số tài khoản tiêu dùng.
   
10. Chọn Sau và hoàn thành việc chia sẻ tài nguyên của bạn.

Bây giờ danh mục được chia sẻ sẽ hiển thị trên Chia sẻ tài nguyên .

Bạn có thể đạt được kết quả tương tự bằng cách sử dụng AWS CLI bằng lệnh sau (cung cấp Khu vực, ID tài khoản chủ sở hữu, ID tài khoản người tiêu dùng và tên nhóm tính năng):

aws ram create-resource-share 
  --name MyCatalogFG 
  --resource-arns arn:aws:sagemaker:REGION:OWNERACCOUNTID:feature-group/FEATUREGROUPNAME 
  --principals CONSACCOUNTID 
  --permission-arns arn:aws:ram::aws:permission/AWSRAMPermissionSageMakerFeatureGroupReadWrite

Có ba loại quyền truy cập mà bạn có thể cấp cho các nhóm tính năng:

• AWSRAMPermissionSageMakerFeatureGroupChỉ đọc – Đặc quyền chỉ đọc cho phép tài khoản người tiêu dùng tài nguyên đọc các bản ghi trong nhóm tính năng được chia sẻ và xem chi tiết cũng như siêu dữ liệu
• AWSRAMPermissionSageMakerFeatureGroupĐọcViết – Đặc quyền đọc/ghi cho phép tài khoản người dùng tài nguyên ghi bản ghi vào và xóa bản ghi khỏi các nhóm tính năng được chia sẻ, ngoài quyền đọc
• AWSRAMPermissionSagemakerFeatureGroupAdmin – Đặc quyền quản trị viên cho phép tài khoản người dùng tài nguyên cập nhật mô tả và thông số của các tính năng trong nhóm tính năng dùng chung cũng như cập nhật cấu hình của nhóm tính năng dùng chung, ngoài quyền đọc/ghi

Chấp nhận lời mời chia sẻ tài nguyên

Để chấp nhận lời mời chia sẻ tài nguyên, hãy hoàn thành các bước sau:

1. Trong tài khoản mục tiêu (người tiêu dùng), hãy mở bảng điều khiển AWS RAM.
2. Theo Chia sẻ với tôi trong ngăn điều hướng, chọn Chia sẻ tài nguyên.
3. Chọn chia sẻ tài nguyên mới đang chờ xử lý.
   
4. Chọn Chấp nhận chia sẻ tài nguyên.

Quá trình chấp nhận chia sẻ tài nguyên bằng AWS CLI cũng giống như đối với phần khả năng khám phá trước đó, với các lệnh get-resource-share-invitation và Accept-resource-share-invitation.

Sổ ghi chép mẫu giới thiệu khả năng mới này

Hai sổ ghi chép đã được thêm vào Hội thảo về cửa hàng tính năng SageMaker Kho GitHub trong thư mục 09-module-security/09-03-cross-account-access:

• m9_03_nb1_cross-tài khoản-admin.ipynb – Điều này cần được khởi chạy trên tài khoản AWS của quản trị viên hoặc chủ sở hữu của bạn
• m9_03_nb2_cross-tài khoản-consumer.ipynb – Điều này cần được khởi chạy trên tài khoản AWS tiêu dùng của bạn

Tập lệnh đầu tiên cho thấy cách tạo chia sẻ tài nguyên có khả năng khám phá cho các nhóm tính năng hiện có tại tài khoản quản trị viên hoặc chủ sở hữu và chia sẻ nó với tài khoản người tiêu dùng khác theo chương trình bằng API AWS RAM create_resource_share(). Nó cũng cho thấy cách cấp quyền truy cập cho các nhóm tính năng hiện có tại tài khoản chủ sở hữu và chia sẻ các quyền này với tài khoản người tiêu dùng khác bằng AWS RAM. Bạn cần cung cấp ID tài khoản AWS tiêu dùng của mình trước khi chạy sổ ghi chép.

Tập lệnh thứ hai chấp nhận lời mời RAM AWS để khám phá và truy cập các nhóm tính năng nhiều tài khoản từ cấp chủ sở hữu. Sau đó, nó cho thấy cách khám phá các nhóm tính năng nhiều tài khoản có trên tài khoản chủ sở hữu và liệt kê các nhóm tính năng này trên tài khoản người tiêu dùng. Bạn cũng có thể xem cách truy cập vào các nhóm tính năng đọc/ghi nhiều tài khoản trên tài khoản chủ sở hữu và thực hiện các thao tác sau từ tài khoản người tiêu dùng: describe(), get_record(), ingest()và delete_record().

Kết luận

Khả năng liên tài khoản chéo của SageMaker Feature Store mang lại một số lợi ích hấp dẫn. Thứ nhất, nó tạo điều kiện cho sự cộng tác liền mạch bằng cách cho phép chia sẻ các nhóm tính năng trên nhiều tài khoản AWS. Điều này giúp tăng cường khả năng truy cập và sử dụng dữ liệu, cho phép các nhóm ở các tài khoản khác nhau sử dụng các tính năng được chia sẻ cho quy trình làm việc ML của họ.

Ngoài ra, khả năng tài khoản chéo giúp tăng cường quản trị và bảo mật dữ liệu. Với quyền truy cập và quyền được kiểm soát thông qua RAM AWS, các tổ chức có thể duy trì kho tính năng tập trung trong khi vẫn đảm bảo rằng mỗi tài khoản đều có cấp độ truy cập phù hợp. Điều này không chỉ hợp lý hóa việc quản lý dữ liệu mà còn tăng cường các biện pháp bảo mật bằng cách hạn chế quyền truy cập đối với người dùng được ủy quyền.

Hơn nữa, khả năng chia sẻ các nhóm tính năng giữa các tài khoản giúp đơn giản hóa quá trình xây dựng và triển khai các mô hình ML trong môi trường cộng tác. Nó thúc đẩy quy trình làm việc tích hợp và hiệu quả hơn, giảm sự dư thừa trong lưu trữ dữ liệu và tạo điều kiện tạo ra các mô hình mạnh mẽ với các tính năng chất lượng cao, được chia sẻ. Nhìn chung, khả năng liên tài khoản của Feature Store tối ưu hóa hoạt động cộng tác, quản trị và hiệu quả trong quá trình phát triển ML trên nhiều tài khoản AWS khác nhau. Hãy dùng thử và cho chúng tôi biết suy nghĩ của bạn trong phần bình luận.

Về các tác giả

Ioan Catana là Kiến trúc sư giải pháp chuyên gia về máy học và trí tuệ nhân tạo cấp cao tại AWS. Anh ấy giúp khách hàng phát triển và mở rộng quy mô các giải pháp ML của họ trên Đám mây AWS. Ioan có hơn 20 năm kinh nghiệm, chủ yếu trong lĩnh vực thiết kế kiến ​​trúc phần mềm và kỹ thuật đám mây.

Philipp Kaindl là Kiến trúc sư giải pháp máy học và trí tuệ nhân tạo cấp cao tại AWS. Với nền tảng về khoa học dữ liệu và kỹ thuật cơ khí, trọng tâm của anh là trao quyền cho khách hàng để tạo ra tác động kinh doanh lâu dài với sự trợ giúp của AI. Ngoài công việc, Philipp thích mày mò máy in 3D, chèo thuyền và đi bộ đường dài.

Dhaval Shah là Kiến trúc sư giải pháp cấp cao tại AWS, chuyên về học máy. Với sự tập trung mạnh mẽ vào các doanh nghiệp kỹ thuật số gốc, ông trao quyền cho khách hàng sử dụng AWS và thúc đẩy sự phát triển kinh doanh của họ. Là một người đam mê ML, Dhaval được thúc đẩy bởi niềm đam mê tạo ra các giải pháp có tác động mang lại sự thay đổi tích cực. Trong thời gian rảnh rỗi, anh đam mê du lịch và trân trọng những khoảnh khắc chất lượng bên gia đình.

Mizanur Rahman là Kỹ sư phần mềm cao cấp của Amazon SageMaker Feature Store với hơn 10 năm kinh nghiệm thực tế chuyên về AI và ML. Với nền tảng vững chắc cả về lý thuyết lẫn ứng dụng thực tế, ông có bằng Tiến sĩ. trong lĩnh vực Phát hiện gian lận bằng Máy học, phản ánh sự cống hiến của anh ấy trong việc phát triển lĩnh vực này. Chuyên môn của ông trải rộng trên phạm vi rộng, bao gồm các kiến ​​trúc có thể mở rộng, điện toán phân tán, phân tích dữ liệu lớn, dịch vụ vi mô và cơ sở hạ tầng đám mây cho các tổ chức.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://aws.amazon.com/blogs/machine-learning/amazon-sagemaker-feature-store-now-supports-cross-account-sharing-discovery-and-access/