Um especialista em ML tem uma imagem de contêiner personalizada usada para treinar um classificador de imagens no Amazon SageMaker e deseja comparar os resultados da otimização de hiperparâmetros (HPO) dessa imagem personalizada com os resultados do algoritmo de classificação de imagens integrado do SageMaker. Todos os experimentos e trabalhos de HPO devem ser iniciados a partir de scripts dentro dos notebooks do SageMaker Studio. Qual abordagem permitirá que o especialista faça isso no menor tempo possível?

A opção correta é usar o SageMaker Experiments para o contêiner personalizado e o Ajuste Automático de Modelo (HPO) do SageMaker para o algoritmo integrado. O SageMaker Experiments permite organizar, rastrear e comparar os resultados de múltiplos trabalhos de treinamento, o que é ideal para ajustar o contêiner personalizado manualmente ou com um script HPO customizado. O HPO do SageMaker, por sua vez, é a ferramenta nativa e eficiente para otimizar hiperparâmetros de algoritmos SageMaker, incluindo os integrados, com recursos como parada antecipada. Comparar as métricas objetivas de ambos os processos permite identificar o melhor modelo. As outras opções são menos eficientes ou inviáveis: HPO customizado no modo local é lento e não escalável; SageMaker Autopilot não é projetado para contêineres personalizados diretamente para HPO; e HPO do SageMaker não pode ajustar simultaneamente um contêiner personalizado e um algoritmo integrado de forma otimizada em um único trabalho.