Gobernanza del ML con Amazon SageMaker
Simplifique el control de acceso y aumente la transparencia
Genere roles personalizados que permitan a los profesionales de machine learning (ML) comenzar a trabajar más rápido con SageMaker.
Agilice la documentación del modelo y proporcione visibilidad sobre supuestos clave, características y artefactos, desde la concepción hasta la implementación.
Audite rápidamente y solucione problemas de rendimiento para todos los modelos, puntos de conexión y trabajos de monitoreo de modelos mediante una vista unificada.
Supervise desviaciones del comportamiento esperado del modelo, al igual que los trabajos de monitoreo inactivos o faltantes, con alertas automatizadas.
Amazon SageMaker proporciona herramientas de gobernanza personalizadas para ayudarlo a implementar ML de manera responsable. Con Amazon SageMaker Role Manager, los administradores pueden definir permisos mínimos en minutos. Las tarjetas modelo de Amazon SageMaker facilita capturar, recuperar y compartir información esencial sobre el modelo, como usos deseados, calificaciones de riesgo y detalles del entrenamiento, desde la concepción hasta el despliegue. El panel modelo de Amazon SageMaker lo mantiene informado sobre el comportamiento del modelo en producción, todo en un solo lugar.
Mire este video para obtener información sobre cómo mejorar la visibilidad de sus modelos de ML con SageMaker.
Funcionamiento
La gobernanza del ML con Amazon SageMaker usa SageMaker Role Manager, tarjetas modelo de SageMaker y el panel modelo de SageMaker para ayudarlo a simplificar el control de acceso y aumentar la transparencia en sus proyectos del ML.
Amazon SageMaker incluye tres características principales de gobernanza del ML: Amazon SageMaker Role Manager, las tarjetas modelo de Amazon SageMaker y el panel modelo de Amazon SageMaker. La primera sección del diagrama se titula “Gobernanza del ML con Amazon SageMaker”. La descripción dice: “Simplifique el control de acceso y aumente la transparencia en sus proyectos del ML”.
La segunda sección muestra el proceso de incorporación, el cual involucra a SageMaker Role Manager. SageMaker Role Manager define permisos mínimos en minutos al simplificar la configuración de permisos para tareas de ML y generar automáticamente políticas de IAM personalizadas.
La tercera sección es una parte del ciclo de vida del modelo, el cual abarca la preparación, creación, entrenamiento, despliegue y monitoreo de modelos. Con las tarjetas modelo de SageMaker, puede centralizar y estandarizar la documentación de modelos, completar automáticamente los detalles del modelo y exportar en formato PDF. Con el panel modelo de SageMaker, puede monitorear el rendimiento del modelo a través de una vista unificada, acceder a información del modelo en un solo lugar y recibir notificaciones integradas.
Las tarjetas modelo de SageMaker y el panel modelo de SageMaker se integran con el monitor de modelos de Amazon SageMaker, el cual puede usar para monitorear modelos para la desviación, y Amazon SageMaker Clarify, el cual lo ayuda a detectar tendencias y explicar el comportamiento de los modelos.
Características clave
Defina permisos mínimos en minutos con SageMaker Role Manager
Simplifique los permisos para actividades de machine learning
SageMaker Role Manager proporciona un conjunto de permisos de referencia para actividades de ML y personas mediante un catálogo de políticas preintegradas de AWS Identity and Access Management (IAM). Las actividades del ML pueden incluir el entrenamiento y la preparación de datos, y las personas pueden incluir a científicos de datos e ingenieros del ML. Puede mantener los permisos de referencia o personalizarlos aún más según sus necesidades específicas.
Automatice la generación de políticas de IAM
Con un par de indicaciones autoguiadas, puede ingresar rápidamente componentes de gobernanza comunes, como límites de acceso a la red y claves de cifrado. El administrador de roles de SageMaker generará la política de IAM de manera automática. Puede detectar el rol generado y las políticas asociadas mediante la consola de AWS IAM.
Asocie sus políticas administradas
Para adaptar aún más los permisos a su caso de uso, asocie sus políticas de IAM administradas al rol de IAM que cree con SageMaker Role Manager. También puede agregar etiquetas para ayudar a identificar y organizar los roles en todos los servicios de AWS.
Agilice la documentación de modelos con las tarjetas modelo de SageMaker
Capture información sobre el modelo
Las tarjetas modelo de SageMaker son un repositorio para la información sobre modelos en la consola de Amazon SageMaker y lo ayuda a centralizar y estandarizar la documentación de modelos para que pueda implementar ML de manera responsable. Puede completar automáticamente detalles de entrenamiento como conjuntos de datos de entrada, entornos de entrenamiento y resultados de entrenamiento para acelerar el proceso de documentación. También puede agregar detalles como el propósito del modelo y los objetivos de rendimiento.
Visualizar resultados de la evaluación
Puede asociar resultados de la evaluación de modelos, tales como las métricas de calidad y tendencias, a su tarjeta modelo y agregar visualizaciones como gráficos para obtener información clave sobre el rendimiento de modelos.
Comparta tarjetas modelo
Puede exportar sus tarjetas modelo a un formato PDF para compartirlas de manera más sencilla con las partes interesadas, equipos internos o sus clientes.
Obtenga un monitoreo de modelos unificada con el panel modelo de SageMaker
Supervise el comportamiento del modelo
El panel modelo de SageMaker le brinda una perspectiva general de los modelos implementados y los puntos de conexión, lo cual le permite supervisar los recursos y las violaciones de comportamiento de los modelos en un solo panel. Puede monitorear el comportamiento del modelo en cuatro dimensiones: calidad de datos, calidad del modelo, desviación de tendencias y desviación de atribución de características. El panel modelo de SageMaker monitorea el comportamiento mediante su integración con el Monitor de modelos de Amazon SageMaker y Amazon SageMaker Clarify.
La clasificación de riesgos anterior solo tiene fines ilustrativos y podría variar según los datos que usted ingrese.
Automatice alertas
El panel modelo de SageMaker proporciona una experiencia integrada para configurar y recibir alertas de trabajos de monitoreo de modelos inactivos y faltantes y desviaciones en el comportamiento de los modelos.
La clasificación de riesgos anterior solo tiene fines ilustrativos y podría variar según los datos que usted ingrese.
Solucione problemas de desviación de modelos
Puede inspeccionar aún más los modelos individuales y analizar factores que afectan el rendimiento de los modelos a lo largo del tiempo. Luego puede hacer un seguimiento con profesionales del ML para tomar medidas correctivas.
Clientes
“En United Airlines, usamos machine learning (ML) para mejorar la experiencia del cliente al proporcionar ofertas personalizadas, lo cual permite a los clientes estar listos con Travel Readiness Center. Nuestro uso del ML también se extiende a las operaciones en aeropuertos, la planificación de red y la programación de vuelos. A medida que salimos de la pandemia, Amazon SageMaker jugó un papel fundamental en Travel Readiness Center, lo cual nos permitió manejar grandes volúmenes de certificados de pruebas de COVID y tarjetas de vacunación mediante la automatización de modelos basada en documentos. Con las nuevas capacidades de gobernanza de Amazon SageMaker, hemos aumentado el control y la visibilidad de nuestros modelos de machine learning. SageMaker Role Manager simplifica en gran medida el proceso de configuración del usuario al proporcionar permisos de referencia y actividades del ML para cada persona asociada a los roles de IAM. Con las tarjetas modelo de SageMaker, nuestros equipos pueden capturar y compartir de manera proactiva información sobre el modelo para la revisión y, al usar el panel modelo de SageMaker, pudimos buscar y visualizar modelos implementados en MARS, nuestra plataforma interna del ML. Con todas estas capacidades nuevas de gobernanza, nos ahorramos una cantidad de tiempo significativa y podemos escalar verticalmente”.
Ashok Srinivas, director de Ingeniería del ML y Operaciones de United Airlines
“En Capitec, tenemos una amplia gama de científicos de datos en nuestras líneas de producción que crean diferentes soluciones del ML. Nuestros ingenieros de ML administran una plataforma de modelos centralizada creada en Amazon SageMaker para empoderar el desarrollo y despliegue de todas estas soluciones del ML. Sin herramientas integradas, supervisar los esfuerzos de modelos tiende a la documentación inconexa y una falta de visibilidad del modelo. Con las tarjetas modelo de SageMaker, podemos supervisar muchos metadatos de modelos en un entorno unificado y el panel modelo de SageMaker nos brinda visibilidad en el rendimiento de cada modelo. Además, SageMaker Role Manager simplifica el proceso de administrar el acceso para científicos de datos en nuestras diferentes líneas de productos. Cada uno de ellos contribuyen a que nuestra gobernanza de modelos pueda garantizar la confianza que nuestros clientes depositan en nosotros como proveedor de servicios financieros”.
Dean Matter, ingeniero de ML de Capitec Bank
Recursos
Manténgase al día con los últimos anuncios sobre la gobernanza del ML de SageMaker.
Consulte documentación técnica para obtener información sobre cómo usar las características de gobernanza de SageMaker ML.
Acelere la integración de herramientas de gobernanza con las cargas de trabajo del ML.
Obtenga más información sobre las nuevas herramientas de gobernanza de ML para SageMaker.
Sesión “Mejore la gobernanza de ML con mayor control y transparencia en SageMaker” de AWS re:Invent 2022.
Analice en profundidad las herramientas de gobernanza de ML con Amazon SageMaker.
Defina permisos personalizados en pocos minutos con el administrador de roles de Amazon SageMaker.