Publié le: May 8, 2024
Amazon SageMaker s'intègre désormais à Amazon DataZone, ce qui permet aux clients d'accéder plus facilement à l'infrastructure, aux données et aux actifs de machine learning. Cette intégration unifiera la gouvernance des données entre les flux de données et les flux de travail de machine learning.
Les administrateurs de machine learning peuvent configurer les contrôles d'infrastructure et les autorisations pour les projets de machine learning dans Amazon DataZone. Les membres du projet peuvent collaborer sur des cas d'utilisation commerciaux et partager des actifs entre eux. Les scientifiques des données et les ingénieurs en ML peuvent ensuite créer un environnement SageMaker et démarrer leur processus de développement dans SageMaker Studio. Les scientifiques des données et les ingénieurs en ML peuvent également rechercher, découvrir et s'abonner à des données et à des actifs de ML dans leur catalogue professionnel au sein de SageMaker Studio. Ils peuvent utiliser ces ressources pour des tâches de machine learning telles que la préparation des données, la formation de modèles et l'ingénierie des fonctionnalités dans SageMaker Studio et SageMaker Canvas. Une fois les tâches de machine learning terminées, les scientifiques des données et les ingénieurs en ML peuvent publier des données, des modèles et des groupes de fonctionnalités dans le catalogue professionnel à des fins de gouvernance et de visibilité.
Cette intégration est prise en charge dans les régions AWS suivantes où SageMaker et Amazon DataZone sont disponibles : Asie-Pacifique (Singapour), Asie-Pacifique (Sydney), Asie-Pacifique (Tokyo), Canada (Centre), Europe (Francfort), Europe (Irlande), Europe (Stockholm), Amérique du Sud (São Paulo), USA Est (Ohio), USA Ouest (Oregon) et USA Est (Virginie du Nord).
Pour en savoir plus, consultez la page Web sur la gouvernance ML d'Amazon SageMaker et le guide du développeur Amazon SageMaker.