2026. augusztus 27., csütörtök · Eszközök

Az AWS bemutatta a SageMaker Python SDK v3-at és annak új script mode-ját

Az AWS hivatalos blogbejegyzése szerint megjelent a SageMaker Python SDK v3, amely alapjaiból újratervezi a script mode funkciót, amelyet a vállalat először 2021-ben mutatott be. Az új verzió a keretrendszer-specifikus estimator osztályokat (SKLearn, PyTorch, XGBoost) egyetlen, egységes ModelTrainer és ModelBuilder osztállyal váltja fel a tanításhoz, illetve a modellek üzembe helyezéséhez. A SourceCode konfigurációs objektum futásidőben szinkronizálja a helyi kódkönyvtárat a tanítási feladatba, így egy Amazon ECR-ből származó konténerkép újraépítése nélkül is módosítható a kód. A bejegyzés két végpontig tartó példát mutat be: egy scikit-learn Random Forest tanítását és üzembe helyezését, valamint a Stable Diffusion 3.5 finomhangolását LoRA technikával, Hugging Face Accelerate segítségével, több GPU-n.

Miért fontos?

A frissítés leegyszerűsíti azoknak a fejlesztőknek a munkáját, akik saját tanítási vagy következtetési kódot futtatnak SageMaker-en, mert a kódmódosításhoz nem kell újraépíteni a konténert.

Források

AWS Machine Learning Hivatalos

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI eszközök #Amazon SageMaker#SDK v3

Napi összefoglaló

Ez a hír a 2026. augusztus 27., csütörtök napi AI összefoglaló része; a hír kanonikus helye ott, a napi kártyán van.

Kapcsolódó hírek

AWS bemutatta az OpenSearch MCP Apps funkcióját az AI-ügynökök ellenőrzéséhez

Az AWS hivatalos blogbejegyzése szerint az Amazon OpenSearch Service új MCP Apps funkciója kiterjeszti a Model Context Protocol-t, így minden eszközhívás interaktív vizualizációval – trace-waterfall diagrammal, szolgáltatástérképpel vagy lognézettel – tér vissza az AI-asszisztens csevegőablakában. A vállalat szerint korábban a megfigyelő ügynökök gyorsan adtak szöveges gyökérok-hipotézist, de a mérnököknek ezt külön böngészőfülön, saját eszközükben kellett manuálisan ellenőrizniük, ami megszakította a vizsgálatot. Az AWS állítása szerint az MCP Apps kiküszöböli ezt az eszközváltást, mivel a szöveges válasz mellé rögtön megjeleníti a releváns irányítópult-widgetet ugyanabban a beszélgetési szálban.

Ethernet-hálózatok újragondolása AI-gyárak számára: NVIDIA és Meta bejelentése

Az NVIDIA saját közleménye szerint Spectrum-X Ethernet nevű architektúrája hardveres gyorsítású adaptív útvonalválasztással, célzott torlódáskezeléssel és NIC-alapú terheléselosztással old meg olyan problémákat, amelyekkel a hagyományos Ethernet nem birkózik meg óriási GPU-klaszterekben. A vállalat saját mérései szerint hibaátállásnál 2,68 ezredmásodperces a késleltetés a hagyományos Ethernet 1,08 másodpercéhez képest. Ezzel párhuzamosan a Meta bejelentette a MetaRoCE nevű, saját fejlesztésű RDMA-átviteli protokollját, amelyet milliós GPU-számú AI-infrastruktúrára terveztek, és amelynek specifikációját, referencia-implementációját az Open Compute Projecten keresztül teszi elérhetővé.

AWS központi katalógust hozott létre AI-ügynökök és MCP-szerverek felfedezésére

Az AWS hivatalos bejelentése szerint közzétette az Agentic Resource Discovery (ARD) nyílt specifikációt, amely az AI-ügynökök, eszközök és Model Context Protocol (MCP) szerverek felfedezését hivatott egységesíteni. Ehhez kapcsolódóan bemutatták az AWS Agent Registry szolgáltatást, egy központi, kereshető katalógust ügynökök, MCP-szerverek és eszközök számára. A rendszer regisztrációkra és rekordokra épül: adminisztrátorok hozzák létre a katalógust, közzétevők írják le erőforrásaikat, kurátorok hagyják jóvá vagy utasítják el a bejegyzéseket, a felhasználók és AI-ügynökök pedig hibrid (szemantikus és kulcsszavas) kereséssel találják meg a jóváhagyott erőforrásokat. Az AWS állítása szerint ez megoldja, hogy a szervezetekben elszigetelten kezelt AI-eszközök ne skálázódjanak egyetlen kliensen túl.

AWS: mesterséges intelligenciával automatizált metaadat-javítás és harmonizálás

Az AWS hivatalos blogbejegyzése egy munkafolyamatot mutat be, amely nagy nyelvi modellek segítségével automatizálja a különböző forrásokból származó adathalmazok metaadatainak összehangolását. A cég állítása szerint a rendszer az Amazon Bedrock szolgáltatást használja sématovábbítási javaslatokhoz, míg az S3 tárolja a sémákat és eredményeket, a DynamoDB a feladatokat követi, a Cognito hitelesít, az ECS pedig a számítást biztosítja. A leírás szerint a folyamat a feltöltött fájlok párhuzamos ellenőrzésével indul: a sémastruktúra egyezését és az egyes mezők értékeit is vizsgálja. Hibák esetén a rendszer célzott javítási javaslatokat generál, amelyeket a felhasználó hagy jóvá, így emberi felügyelet mellett vagy teljesen autonóm ügynök-alapú munkafolyamatként is működhet.