Publié le: Dec 1, 2021
Amazon SageMaker Pipelines est un service entièrement géré qui vous permet de créer, d'automatiser et de gérer des flux de machine learning (ML) de bout en bout. Il prend désormais en charge l'intégration avec Amazon SageMaker Model Monitor et Amazon SageMaker Clarify. Avec ces intégrations, vous pouvez facilement incorporer la qualité des modèles et la détection des biais dans votre flux de ML. L'automatisation accrue peut vous aider à réduire votre charge opérationnelle liée à la création et à la gestion des modèles de ML.
SageMaker Model Monitor et SageMaker Clarify vous permet de contrôler en continu la qualité et les métriques de biais des modèles de ML en production, afin que vous puissiez configurer des alertes ou déclencher un nouvel entraînement lorsque le modèle ou la qualité des données dérive. Pour configurer la surveillance des modèles, vous devez établir des métriques de base pour les données ainsi que la qualité des données que SageMaker Model Monitor peut utiliser pour mesure les dérives. Avec la nouvelle intégration, vous pouvez collecter automatiquement les références pour la qualité des modèles et des données dans le cadre du pipeline de création des modèles, ce qui élimine la nécessité de calculer ces métriques en dehors du flux de création des modèles. Vous pouvez également utiliser QualityCheckStep et ClarifyCheckStep dans SageMaker Pipelines pour arrêter le pipeline d'entraînement des modèles si des écarts par rapport aux métriques de base précédemment connues sont détectés. Une fois les calculs terminés, vous pouvez également stocker et consulter les métriques de qualité et de biais calculées ainsi que les références dans le registre des modèles.
Cette intégration est également disponible en tant que modèle dans les projets SageMaker, pour que vous puissiez programmer automatiquement la surveillance des modèles et les tâches de détection de biais en tirant profit des métriques de base enregistrées dans le registre des modèles. Pour démarrer, créez un nouveau projet SageMaker à partir de SageMaker Studio ou de l'interface de ligne de commande en utilisant le nouveau modèle de surveillance. Pour en savoir plus, consultez nos pages de documentation sur les étapes de vérification dans Sagemaker Pipelines, les métriques/références du registre des modèles, Sagemaker Model Monitor et le modèle CI/CD de surveillance des modèles.