Veröffentlicht am: Nov 30, 2022
Amazon SageMaker Autopilot, ein Service für Machine Learning (ML) mit geringem Codeaufwand, der automatisch die besten ML-Modelle auf der Grundlage deiner Daten erstellt, trainiert und optimiert, ist jetzt in Amazon-SageMaker-Pipelines integriert, dem ersten speziell entwickelten Service für kontinuierliche Integration und kontinuierliche Bereitstellung (CI/CD) für ML. Dies ermöglicht die Automatisierung eines End-to-End-Workflows für die Erstellung von ML-Modellen mit SageMaker Autopilot und die Integration der Modelle in nachfolgende CI/CD-Schritte.
Ab heute kannst du einen automatischen Trainingsschritt (AutoMLStep) in SageMaker Pipelines hinzufügen und ein SageMaker Autopilot-Experiment mit Ensemble-Trainingsmodus aufrufen. Betrachten wir als Beispiel den Aufbau eines ML-Workflows für Training und Auswertung für einen Anwendungsfall der Betrugserkennung mit SageMaker Pipelines. Du kannst jetzt ein SageMaker-Autopilot-Experiment mit dem AutoML-Schritt starten, das automatisch mehrere Versuche durchführt, um das beste Modell für einen gegebenen Eingabedatensatz zu bestimmen. Nachdem das Modellpaket für das beste Modell mit dem CreateModel-Schritt erstellt wurde, kann seine Leistung mit dem Transform-Schritt innerhalb von SageMaker Pipelines anhand von Testdaten bewertet werden. Anschließend kann das Modell mit dem RegisterModel-Schritt in der SageMaker Model Registry registriert werden.
Native Unterstützung für SageMaker Autopilot als Schritt innerhalb von SageMaker Pipelines ist jetzt in allen Regionen verfügbar, in denen SageMaker Pipelines verfügbar ist, mit Ausnahme der Amazon-Web-Services-Regionen China ( Peking) und China ( Ningxia). Um mehr über SageMaker Pipelines und SageMaker Autopilot zu erfahren, besuche die Produktseiten von SageMaker Pipelines und SageMaker Autopilot.