Publié le: Jul 13, 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 la capacité de réglage automatique du modèle de SageMaker. Les clients peuvent ajouter une étape de réglage de modèle (TuningStep) dans leurs pipelines SageMaker, laquelle appellera automatiquement une tâche de réglage d'hyper-paramètres. Le réglage des hyper-paramètres permet de trouver la meilleure version d'un modèle en exécutant de nombreuses tâches de formation sur le jeu de données à l'aide de l'algorithme et des plages d'hyper-paramètres spécifiées par le client. Ils peuvent ensuite enregistrer la meilleure version du modèle dans le registre des modèles à l'aide de l'étape RegisterModel.

La prise en charge native du réglage du modèle SageMaker en tant qu'étape dans les pipelines permet aux clients d'intégrer le réglage automatique du modèle dans le cadre du flux de création de modèle sans écrire de code d'intégration personnalisé. De plus, Amazon SageMaker ML Lineage Tracking, qui est un service qui crée et stocke des informations sur les étapes d'un flux de travail ML, stocke automatiquement des informations sur TuningStep, telles que l'emplacement des sources de données et des artefacts du modèle. Pour en savoir plus, consultez notre page de documentation.