Publié le: May 25, 2021
Amazon SageMaker Pipelines, le premier service d'intégration continue et de livraison continue (CI/CD) spécialement conçu pour le machine learning (ML), est désormais intégré à SageMaker Experiments, une fonctionnalité qui permet aux clients d'organiser, de suivre, de comparer et d'évaluer leurs expériences dans le domaine du ML. Les clients peuvent désormais comparer des mesures telles que la précision de l'entraînement des modèles sur plusieurs exécutions de leurs pipelines SageMaker aussi facilement qu'ils comparent ces mesures sur plusieurs essais d'une expérience d'entraînement de modèle de ML. SageMaker Pipelines crée automatiquement une expérience portant le nom du pipeline et un essai d'expérience pour chaque exécution du pipeline. La création d'une expérience pour un pipeline et d'un essai pour chaque exécution du pipeline est activée par défaut. Vous pouvez choisir de ne pas activer la création automatique.
En outre, les clients peuvent désormais utiliser le SDK Python de SageMaker Experiments pour enregistrer la mesure ROC (Receiver Operating Characteristic), la mesure PR (Precision-recall), la matrice de confusion et les données tabulaires dans leurs tâches d'entraînement SageMaker. Les tracés correspondants des courbes ROC, de la courbe PR, et la matrice de confusion peuvent maintenant être visualisés dans l'inspecteur de nœuds de SageMaker Pipeline.
Cette fonctionnalité est disponible dans toutes les régions AWS dans lesquelles Amazon SageMaker est disponible. Pour en savoir plus, consultez la page de documentation.