Publié le: May 10, 2023
Vous pouvez désormais enregistrer des modèles de machine learning (ML) créés dans Amazon SageMaker Canvas d’un simple clic dans le registre de modèles SageMaker, ce qui vous permet de rendre opérationnels les modèles ML en production. SageMaker Canvas est une interface visuelle qui permet aux analystes métier de générer par eux-mêmes des prédictions de ML précises, sans avoir besoin d'expérience dans le ML ou d'écrire la moindre ligne de code.
Avec SageMaker Canvas, vous pouvez créer automatiquement des modèles ML pour exécuter des analyses fictives et générer des prévisions uniques ou groupées. Désormais, grâce à l'intégration de SageMaker Model Registry, vous pouvez stocker tous les artefacts du modèle, y compris les métadonnées et les lignes de référence des métriques de performance, dans un référentiel central et les intégrer à vos processus CI/CD de déploiement de modèles existants. Un registre de modèles joue un rôle clé dans le processus de déploiement des modèles car il regroupe toutes les informations relatives aux modèles et permet d'automatiser la promotion des modèles dans les environnements de production. À partir d'aujourd'hui, vous pouvez sélectionner une version du modèle dans SageMaker Canvas, l'enregistrer dans le registre des modèles SageMaker dans votre propre compte et suivre son statut d'approbation. Le rejet d'un modèle dans le registre empêche le déploiement du modèle dans un environnement escaladé, tandis que l'approbation d'un modèle dans le registre peut déclencher un pipeline de promotion du modèle qui copie automatiquement le modèle sur le compte AWS de pré-production et prépare votre modèle pour les charges de travail d'inférence de production.
La possibilité d'enregistrer des modèles de ML Amazon SageMaker Canvas dans SageMaker Model Registry est désormais disponible dans toutes les régions AWS où SageMaker Canvas est pris en charge. Pour en savoir plus, consultez le blog AWS News et la documentation produit relative à SageMaker JumpStart.