Lompatan
perkembangan teknologi informasi yang berbasis kecerdasan buatan (artificial
intelligence alias AI) kadang-kadang gampang bikin orang jiper alias
mundur teratur untuk ikut merambahnya.
Bagaimana
tidak, bila saat ini sudah ada saja produk seperti speaker yang bisa diajak
ngobrol laiknya teman manusia? Baru mau mengejar pemahaman dan kemampuan soal
AI, sudah muncul lagi turunannya, seperti machine learning dan deep
learning.
“Kami ingin
setiap developer bisa menggunakan machine learningsecara lebih luas
dan berhasil, meski tak punya latar belakang kemampuan di bidang ini,” kata VP
of Machine Learning Amazon Web Services ( AWS) Swami
Sivasubramanian, di Las Vegas, Amerika Serikat, Rabu (29/11/2017) waktu
setempat.
Berlatar
belakang keinginan tersebut, lanjut Swami, AWS meluncurkan layanan baru
bagi developer, yaitu AWS SageMaker.
Menurut dia,
produk ini akan menyingkirkan banyak keruwetan di balik machine
learning, sehingga setiap developer di dunia dapat dengan
lebih mudah memulai dan menjadi kompeten dalam merancang, menguji, dan mengemas
pemodelannya.
“Visi kami
adalah memungkinkan setiap orang di garasi atau kamar asrama memiliki akses
yang sama terhadap teknologi, peralatan, skala, dan struktur pembiayaan seperti
perusahaan besar dunia,” imbuh Swami.
Penerapan machine
learning pada hari-hari ini memang sudah rumit. Di dalamnya butuh
upaya percobaan dan kegagalan yang berulang sampai ada kemajuan. Kemampuan
teknis yang dibutuhkan juga khusus.
Pengembang
aplikasi atau data scientist harus membuat visualisasi,
melakukan transformasi pemodelan, mengolah data awal, dan membuat algoritma
yang bisa dijalankan untuk menjalankan model besutannya.
Pemodelan
sederhana sekalipun, tutur Swami, sangat mungkin membutuhkan data masif yang
itu masih perlu pengolahan lagi menggunakan komputer. Tak jarang, karenanya,
perusahaan membentuk tim khusus untuk membangun environment bagi
server berkemampuan pengolahan gambar (GPU).
Sebelumnya,
pada hari yang sama, CEO AWS Andy Jassy memberikan pengantar mengenai situasi
pemodelan machine learning dan tawaran dari Amazon SageMaker ini saat
menyampaikan keynote AWS re: Inventing 2017.
Berikut ini
petikan video paparan Jassy terkait Amazon SageMaker:
Menyingkirkan banyak tahap rumit
Setiap tahap
dari pemodelan akan berdampak pada seberapa akurat model yang dibuat nanti.
Sudah jadi pun, kebutuhan pengguna yang meningkat akan butuh perulangan proses
lagi demi hasil baru yang lebih baik.
“Semua itu
butuh banyak keahlian, akses ke banyak komputer dan penyimpanan, juga waktu.
Hari ini, machine learning nyaris tak terjangkau lagi bagi banyak developer
(untuk melakukannya sendiri dari nol),” papar Swami.
Amazon
SageMaker, lanjut Swami, memberikan layanan penuh yang menyingkirkan banyak
beban dan pekerjaan per tahap dari proses machine learning tersebut. Pengujian
model juga dibantu penyederhanaannya menggunakan Amazon SageMaker ini.
Rincian kemampuan Amazon SageMaker saat pengumuman peluncurannya di panggung utama AWS re: Invent 2017, di Las Vegas, Amerika Serikat, Rabu (29/11/2017) waktu setempat.
Pemodelan
menggunakan Amazon SageMaker disebut akan lebih mudah karena di dalam paket
layanan itu tersedia pre-built development notebook, algoritma machine learning
populer yang dioptimalkan bagi dataset berukuran petabyte, dan penyetelan model
secara otomatis.
Data awal yang dipakai pemodelan tak perlu lagi butuh ruang penyimpanan fisik dan komputer besar untuk mengolahnya. Data itu cukup disimpan di fasilitas Amazon Simple Storage Service (Amazon S3) yang bisa disesuaikan kapasitasnya kapan saja.
Dari situ,
data ditransformasikan menggunakan beragam rujukan library populer, framework,
dan antarmuka (interface).
Menurut Swami, Amazon SageMaker sudah pula mencakup 10 algoritma deep learning yang paling umum dipakai, yang itu masih dioptimasi lagi oleh AWS agar bisa dieksekusi 10 kali lebih cepat dibanding operasional standar lain.
Menurut Swami, Amazon SageMaker sudah pula mencakup 10 algoritma deep learning yang paling umum dipakai, yang itu masih dioptimasi lagi oleh AWS agar bisa dieksekusi 10 kali lebih cepat dibanding operasional standar lain.
Pengembang
cukup memilih algoritma dan menyebut sumber data, kata Swami, lalu Amazon
SageMaker yang akan menginstal dan mengonfigurasi driver dan framework yang
dibutuhkan. Produk servis AWS yang diumumkan pada Rabu (29/11/2017) di Las
Vegas, Amerika Serikat, ini sudah memuat integrasi dengan TensorFlow dan Apache
MXNet.
Meski
begitu, developer juga masih punya ruang kebebasan untuk
menentukan sendiri sebarang framework dan algoritma. Tinggal diunggah saja
pilihan itu ke kontainer yang tersedia di Amazon EC2 Container Registry.
Amazon
SageMaker akan memilih tipe dan jumlah unsur (instance) Amazon EC2 dan
menentukan lokasi data masing-masing. Dari situ, Amazon SageMaker akan
menghitung cluster, menampilkan pengujian, mengirim data hasil ke Amazon S3,
dan menentukan cluster sesudah proses rampung.
Layanan ini
akan otomatis menyesuaikan pemodelan memakai optimasi hyper-parameter,
menata ribuan kombinasi parameter algoritma, untuk akhirnya memunculkan
prediksi yang paling akurat.
Setelah semua
proses itu rampung, pengemasan (deploy) pemodelan sampai penyetingan HTTPS
end-point akan otomatis berjalan dengan beberapa pencet tombol.
“Dalam satu
produksi, Amazon SageMaker mengeliminasi beragam proses rumit dalam pengelolaan
infrastruktur machine learning, pengecekan kesehatan kinerja, penerapan patch
security, dan mengarahkan segala perawatan rutin yang lain,” ungkap Swami.
Sebelumnya,
saat membawakan keynote di panggung utama AWS re:
Invent 2017, Jassy menyatakan bahwa ke depan para developer sudah
tak perlu lagi mengkhawatirkan banyak urusan di luar ide dan pemodelannya.
Server, penyimpanan, dan atau framework, sebut dia, bisa diserahkan ke berbagai
pilihan layanan seperti yang disediakan AWS.
Sumber :
PALUPI ANNISA AULIANI
Kompas.com - 02/12/2017, 10:33 WIB
0 komentar: