Publié le: Oct 3, 2019
Vous pouvez désormais automatiser l’exécution et le déploiement des flux de travail machine learning en utilisant l’intégration améliorée d’AWS Step Functions avec Amazon SageMaker.
AWS Step Functions vous permet de créer des flux de travail résilients à l’aide de service AWS tels que AWS Glue, AWS Lambda et Amazon SageMaker. Amazon SageMaker permet aux développeurs et aux spécialistes des données de créer, former et déployer rapidement des modèles de machine learning (ML). Grâce à l'intégration améliorée, les utilisateurs d'Amazon SageMaker peuvent automatiser le machine learning à l'aide de flux de travail sans serveur. Dans le cadre d'un flux de travail Step Functions, vous pouvez désormais effectuer un réglage d’hyper-paramètre, des tâches d'étiquetage personnalisés et déployer des modèles ML dans le cloud. L’intégration de Step Functions avec Amazon SageMaker peut à la fois augmenter la productivité de vos équipes de science des données et vous permettre exploiter des pipelines ML à grande échelle en production.
Pour commencer, passez en revue les exemples de projets en un clic illustrant la création de flux de travail « train-model-transform » et de paramétrage d’hyper-paramètre, puis commencez à créer votre premier flux de travail ML.
Pour une liste complète des régions où AWS Step Functions est offert, consultez régions AWS. Pour en savoir plus :
- Déployez un exemple de projet en un clic pour l’intégration d’AWS Step Functions avec Amazon SageMaker
- Pour en savoir plus sur la gestion de tâches Amazon SageMaker avec Step Functions, consultez le guide du développeur AWS Step Functions.