Amazon SageMaker Collections est une nouvelle fonctionnalité permettant d'organiser les modèles dans le registre des modèles

Amazon SageMaker a annoncé le lancement de Collections, une nouvelle fonctionnalité permettant d'organiser vos modèles de machine learning dans le registre des modèles Amazon SageMaker. Vous pouvez utiliser les collections pour regrouper les modèles enregistrés qui sont liés les uns aux autres et les organiser en hiérarchies afin d'améliorer la visibilité des modèles à grande échelle.

Le registre des modèles Amazon SageMaker est un outil spécialement conçu pour les opérations d'apprentissage automatique (MLOPS) qui vous aide à gérer vos modèles de machine learning de manière centralisée. Vous pouvez suivre les modèles et les métadonnées, comparer les versions des modèles, les examiner et les approuver pour le déploiement via le registre des modèles Amazon SageMaker. Lorsque vous enregistrez un modèle, le registre des modèles Amazon SageMaker crée un package de modèles et stocke toutes les versions successives du modèle dans un groupe de packages de modèles.

Les collections vous permettent d'organiser les modèles enregistrés qui sont associés les uns aux autres. Par exemple, vous pouvez classer vos modèles en fonction du domaine du problème qu'ils résolvent dans des collections intitulées « Modèles NLP », « Modèles CV » et « Modèles de reconnaissance vocale ». Pour organiser vos modèles enregistrés dans une arborescence, vous pouvez imbriquer les collections les unes dans les autres. Les opérations que vous effectuez sur une collection (création/lecture/mise à jour/suppression) ne modifieront pas vos modèles enregistrés. Vous pouvez utiliser l'interface utilisateur Amazon SageMaker Studio ou le SDK Python pour gérer les collections.

Le registre des modèles Amazon SageMaker est disponible dans toutes les régions AWS, à l'exception des régions AWS GovCloud (US) et de la Chine.

Pour commencer, créez votre première collection pour les modèles enregistrés via l'interface utilisateur Amazon SageMaker Studio ou via Amazon SageMaker Python SDK. Consultez le guide du développeur Amazon SageMaker pour plus d'informations sur les collections.