Veröffentlicht am: May 10, 2023
Sie können jetzt in Amazon SageMaker Canvas erstellte Machine Learning (ML)-Modelle mit einem einzigen Klick in der SageMaker-Modellregistrierung registrieren, sodass Sie ML-Modelle in der Produktion operationalisieren können. Amazon SageMaker Canvas ist eine visuelle Benutzeroberfläche, mit der Geschäftsanalysten eigenständig genaue ML-Prognosen erstellen können – ohne Erfahrung mit Machine Learning zu haben oder Code schreiben zu müssen.
Mit SageMaker Canvas können Sie automatisch ML-Modelle erstellen, um Was-wäre-wenn-Analysen durchzuführen und Einzel- oder Massenvorhersagen zu erstellen. Mit der Integration von SageMaker Model Registry können Sie jetzt alle Modellartefakte, einschließlich Metadaten und Basislinien für Leistungskennzahlen, in einem zentralen Repository speichern und sie in Ihre bestehenden CI/CD-Prozesse zur Modellbereitstellung einbinden. Eine Modell-Registry spielt eine wichtige Rolle bei der Modellbereitstellung, da sie alle Modellinformationen bündelt und die Automatisierung der Modellhochstufung in Produktionsumgebungen ermöglicht. Ab heute können Sie in SageMaker Canvas eine Modellversion auswählen, sie in Ihrem eigenen Konto bei SageMaker Model Registry registrieren und den Genehmigungsstatus derselben verfolgen. Wenn ein Modell in der Registriy abgelehnt wird, verhindert dies, dass das Modell in einer eskalierten Umgebung bereitgestellt wird, wohingegen die Genehmigung eines Modells in der Registry eine Pipeline zur Modellhochstufung auslösen kann, die das Modell automatisch auf das Vorproduktions-AWS-Konto kopiert und Ihr Modell für Inferenz-Workloads in der Produktion vorbereitet.
Die Möglichkeit, ML-Modelle von Amazon SageMaker Canvas in der SageMaker Model Registry zu registrieren, ist jetzt in allen AWS-Regionen verfügbar, in denen SageMaker Canvas unterstützt wird. Weitere Informationen erhalten Sie im AWS News Blog und in der Produktdokumentation von SageMaker Canvas.