Veröffentlicht am: Jun 3, 2021
AWS-Lösungen hat das AWS MLOps Framework aktualisiert, eine AWS-Lösungensimplementierung, die den Pipeline-Bereitstellungsprozess rationalisiert und bewährte Methoden für die Architektur bei der Produktion von Modellen für Machine Learning (ML) durchsetzt. Diese Lösung adressiert häufige betriebliche Probleme, mit denen sich Kunden bei der Einführung mehrerer ML-Workflow-Automatisierungstools konfrontiert sehen.
Dieses Update fügt Mehrkonten-Funktionen hinzu, die es Kunden ermöglichen, mehrere Umgebungen (z. B. Entwicklung, Staging und Produktion) über verschiedene Konten hinweg bereitzustellen. Dies verbessert Governance und Sicherheit bei der Bereitstellung von ML-Workloads und schützt gleichzeitig die Produktionsdaten mit den entsprechenden Kontrollmaßnahmen. Diese neue Version enthält auch eine neue Pipeline zum Erstellen und Registrieren eines Docker-Abbildes für einen benutzerdefinierten Algorithmus, der für die Modellbereitstellung auf einem Amazon-Sagemaker-Endpunkt verwendet werden soll.
Diese Lösung bietet die folgenden Hauptfunktionen:
- Initiiert eine vorkonfigurierte Pipeline durch einen API-Aufruf oder ein Git-Repository
- Stellt automatisch ein geschultes Modell bereit und bietet einen Inferenz-Endpunkt
- Kontinuierliche Überwachung der eingesetzten Machine Learning-Modelle und Erkennung von Qualitätsabweichungen
- Unterstützt die Durchführung Ihrer eigenen Integrationstests, um sicherzustellen, dass das bereitgestellte Modell die Erwartungen erfüllt
- Ermöglicht die Bereitstellung mehrerer Umgebungen, um den Lebenszyklus Ihre ML-Modells zu unterstützen
- Unterstützt mehrere Konten zur Nutzung von Bring-your-own-Model- und Model-Monitor-Pipelines.
- Ermöglicht Kunden das Erstellen und Registrieren von Docker-Abbildern für benutzerdefinierte Algorithmen, die für die Modellbereitstellung auf einem Amazon-Sagemaker-Endpunkt verwendet werden sollen.
Weitere AWS-Lösungen finden sich auf der Webseite AWS-Lösungsimplementierungen. Dort können Kunden Lösungen nach Produktkategorien oder Branchen geordnet durchsuchen, um von AWS geprüfte, automatisierte und einsatzbereite Referenzimplementierungen für spezifische Geschäftsanforderungen zu erhalten.