发布于: Feb 2, 2022
AWS 解决方案更新了 AWS MLOps 工作负载编排器（之前称为 AWS MLOps 框架），这是一个 AWS 解决方案实施方案，它简化了管道部署过程，并实施了机器学习（ML）模型产品化的架构最佳实践。词解决方案解决了客户在采用多种机器学习工作流自动化工具时所面临的常见操作难题，包括模型监控和多账户监管等。
本次更新增加了两个新的管道，用于部署 Amazon SageMaker Clarify 模型可解释性和 Amazon SageMaker Clarify 模型偏向性基线任务和监控计划。新增的管道分别可帮助数据科学家/ML 工程师定期监控特征归因偏移和模型偏向性，并i在检测到问题时生成提示。
此解决方案提供以下主要功能：
- 通过 API 调用或 Git 存储库启动预配置的管道
- 自动部署经过训练的模型并提供 Amazon SageMaker 推理终端节点
- 持续监控部署的机器学习模型并检测在数据质量、模型质量、模型可解释性和/或模型偏向性方面的任何偏差。
- 支持运行客户自己的集成测试，以确保部署的模型满足预期
- 允许预置多个环境以支持您的机器学习模型的整个生命周期
- 使用 Amazon SageMaker 模型注册表部署版本化模型的选项
- 对“自带模型”的多账户支持，以及模型监控管道
- 允许客户构建和注册自定义算法的 Docker 镜像，用于在 Amazon Sagemaker 终端节点上进行模型部署。
有关此解决方案的详细信息，请访问此解决方案的 AWS 解决方案实施网页。
AWS 解决方案实施网页上提供了其他 AWS 解决方案，客户可以按产品类别或行业浏览解决方案，查找经过 AWS 审查的自动化一站式参考实施方法，以满足特定业务需求。