发布于: Dec 1, 2021
Amazon SageMaker Pipelines 是一项完全托管的服务，可让您创建、自动化和管理端到端机器学习 (ML) 工作流，并且现在支持与 Amazon SageMaker Model Monitor 和 Amazon SageMaker Clarify 集成。通过这些集成，您可以轻松地将模型质量和偏差检测纳入 ML 工作流。自动化程度的提高有助于减轻在构建和管理 ML 模型时的运营负担。
SageMaker Model Monitor 和 SageMaker Clarify 可让您在生产过程中持续监控 ML 模型的质量和偏差指标，以便在模型或数据质量发生偏移时设置警报或触发重新训练。要设置模型监控，必须为数据和模型质量建立基线指标，然后 SageMaker Model Monitor 可以使用此指标来衡量偏移。通过这一新的集成，您可以在模型构建管道中自动捕获模型和数据质量的基线，而无需在模型构建工作流之外计算这些指标。如果检测到与先前已知基线指标的任何偏差，还可以在 SageMaker 管道中使用 QualityCheckStep 和 ClarifyCheckStep 来停止模型训练管道。计算完成后，还可以在模型注册表中存储和查看计算出的质量与偏差指标以及基线。
此集成也可用作 SageMaker 项目中的模板，以便利用模型注册表中记录的基线指标自动安排模型监控和偏差检测任务。要开始使用，请使用新的模型监控模板从 SageMaker Studio 或命令行界面创建新的 SageMaker 项目。要了解详情，请访问有关 Sagemaker 管道中的检查步骤、模型注册表中的指标/基线、Sagemaker 模型监视和模型监控 CI/CD 模板的文档页面。