Canalizaciones de Amazon SageMaker

Servicio especialmente diseñado para flujos de trabajo de machine learning

¿Qué son las canalizaciones de Amazon SageMaker?

Las canalizaciones de Amazon SageMaker son un servicio de orquestación de flujos de trabajo diseñado específicamente para automatizar todas las fases de machine learning (ML), desde el preprocesamiento de datos hasta la supervisión de modelos. Con una interfaz de usuario intuitiva y un SDK de Python, puede administrar canalizaciones de ML repetibles e integrales a escala. La integración nativa con varios servicios de AWS le permite personalizar el ciclo de vida del ML en función de sus requisitos de MLOps.

Beneficios de las canalizaciones de SageMaker

Estandarice las prácticas de FMOP en toda su organización para acelerar el desarrollo del modelo
Organice los flujos de trabajo de ML para el preprocesamiento de datos, el ajuste de modelos y la implementación
Comparta y reutilice el sistema mLOps que se adapta a las necesidades de su organización
Diagrama del entrenamiento del modelo de Abalone

Redacte, reutilice y programe flujos de trabajo de ML

Cree flujos de trabajo de ML con Amazon SageMaker Python SDK, el cual es fácil de usar y, luego, visualícelos con Amazon SageMaker Studio. Puede ser más eficiente y escalar más rápido si reutiliza los pasos del flujo de trabajo de las canalizaciones de SageMaker. Comience rápidamente con las plantillas de proyecto de SageMaker para crear, probar, registrar e implementar modelos automáticamente.

Seguimiento automático de modelos

Seguimiento automático de modelos

Amazon SageMaker Pipelines registra cada paso del flujo de trabajo a través del seguimiento de auditoría de los componentes del modelo, como los datos de entrenamiento, las configuraciones de la plataforma, los parámetros del modelo y las gradientes de aprendizaje. Los seguimientos de auditoría pueden utilizarse para recrear modelos y ayudar a respaldar los requisitos de conformidad.
elija los mejores modelos

Levante y desplace su código de machine learning

Convierta cualquier código Python de ML en un flujo de trabajo repetible en Amazon SageMaker con una sola línea de código (@step python decorator) o con la ejecución de cuadernos completos. La anotación de Python y el nuevo paso del cuaderno brindan extensibilidad ya que le permiten incorporar otros servicios de AWS para un flujo de trabajo de ML integral e integral.