Gouvernance du ML avec Amazon SageMaker
Simplifiez le contrôle d'accès et améliorez la transparence
Générez des rôles personnalisés qui permettent aux praticiens du machine learning (ML) de commencer à travailler avec SageMaker plus rapidement.
Rationalisez la documentation des modèles et offrez une visibilité sur les principales hypothèses, caractéristiques et artefacts, de la conception au déploiement.
Auditez et dépannez rapidement les performances de tous les modèles, points de terminaison et tâches de surveillance des modèles grâce à une vue unifiée.
Suivez les déviations par rapport au comportement prévu du modèle, ainsi que les tâches de surveillance manquantes ou inactives, grâce à des alertes automatiques.
Amazon SageMaker fournit des outils de gouvernance spécialement conçus pour vous aider à mettre en œuvre la ML de manière responsable. Avec Amazon SageMaker Role Manager, les administrateurs peuvent définir les autorisations minimales en quelques minutes. Amazon SageMaker Model Cards facilite la capture, la récupération et le partage des informations essentielles sur les modèles, telles que les utilisations prévues, les évaluations des risques et les détails de la formation, de la conception au déploiement. Amazon SageMaker Model Dashboard vous tient informé du comportement du modèle en production, le tout en un seul endroit.
Regardez cette vidéo pour apprendre comment améliorer la visibilité de vos modèles de machine learning avec SageMaker.
Fonctionnement
La gouvernance ML avec Amazon SageMaker utilise SageMaker Role Manager, SageMaker Model Cards et SageMaker Model Dashboard pour vous aider à simplifier le contrôle d'accès et améliorer la transparence de vos projets ML.
Amazon SageMaker comprend trois fonctions principales de gouvernance ML : Amazon SageMaker Role Manager, Amazon SageMaker Model Cards et Amazon SageMaker Model Dashboard. La première section du diagramme est intitulée « Gouvernance ML avec Amazon SageMaker. » La description dit « Simplifiez le contrôle d'accès et améliorez la transparence de vos projets ML. »
La deuxième section présente le processus d'accueil, qui implique SageMaker Role Manager. SageMaker Role Manager définit les autorisations minimales en quelques minutes en simplifiant la configuration des autorisations pour les tâches ML et en générant automatiquement des politiques IAM personnalisées.
La troisième section fait partie du cycle de vie des modèles, qui couvre la préparation, la création, l'entraînement, le déploiement et le suivi des modèles. Avec SageMaker Model Cards, vous pouvez centraliser et normaliser la documentation des modèles, remplir automatiquement les détails des modèles et les exporter au format PDF. Avec SageMaker Model Dashboard, vous pouvez surveiller les performances des modèles grâce à une vue unifiée, accéder aux informations sur les modèles en un seul endroit et recevoir des notifications intégrées.
SageMaker Model Cards et SageMaker Model Dashboard sont intégrés à Amazon SageMaker Model Monitor, que vous pouvez utiliser pour surveiller la dérive des modèles, et à Amazon SageMaker Clarify, qui vous aide à détecter les biais et à expliquer le comportement des modèles.
Fonctionnalités principales
Définir les autorisations minimales en quelques minutes avec SageMaker Role Manager
Simplifier les autorisations pour les activités de machine learning
SageMaker Role Manager fournit un ensemble d'autorisations de base pour les activités et les personas de machine learning via un catalogue de politiques de gestion des identités et des accès (IAM) AWS préétablies. Les activités ML peuvent inclure la préparation des données et l'entraînement, et les personas peuvent inclure des ingénieurs ML et des scientifiques des données. Vous pouvez conserver les autorisations de base ou les personnaliser davantage en fonction de vos besoins spécifiques.
Automatiser la génération de politiques IAM
Grâce à quelques invites auto-guidées, vous pouvez saisir rapidement des éléments de gouvernance courants tels que les limites d'accès au réseau et les clés de cryptage. SageMaker Role Manager génère alors automatiquement la politique IAM. Vous pouvez découvrir le rôle généré et les politiques associées via la console AWS IAM.
Attacher vos politiques gérées
Pour adapter davantage les autorisations à votre cas d'utilisation, attachez vos politiques IAM gérées au rôle IAM que vous créez avec SageMaker Role Manager. Vous pouvez également ajouter des balises pour faciliter l'identification et l'organisation des rôles dans les services AWS.
Rationaliser la documentation des modèles avec SageMaker Model Cards
Capturer les informations du modèle
SageMaker Model Cards est un référentiel d'informations sur les modèles dans la console Amazon SageMaker. Il vous aide à centraliser et normaliser la documentation des modèles afin que vous puissiez mettre en œuvre le ML de manière responsable. Vous pouvez remplir automatiquement les détails de la formation, tels que les jeux de données d'entrée, les environnements de formation et les résultats de l'entraînement, afin d'accélérer le processus de documentation. Vous pouvez également ajouter des détails tels que l'objectif du modèle et les objectifs de performance.
Visualiser les résultats de l'évaluation
Vous pouvez attacher les résultats de l'évaluation du modèle, tels que les mesures de biais et de qualité, à votre carte de modèle et ajouter des visualisations telles que des graphiques pour obtenir des informations clés sur les performances du modèle.
Partager les cartes modèles
Vous pouvez exporter vos cartes modèles au format PDF pour les partager plus facilement avec les parties prenantes, les équipes internes ou vos clients.
Bénéficier d'une surveillance unifiée des modèles avec SageMaker Model Dashboard
Suivre le comportement du modèle
SageMaker Model Dashboard vous donne un aperçu complet des modèles et des points de terminaison déployés afin que vous puissiez suivre les ressources et les violations du comportement du modèle en un seul endroit. Vous pouvez surveiller le comportement du modèle dans quatre dimensions : la qualité des données, la qualité du modèle, la dérive du biais et la dérive de l'attribution des fonctionnalités. SageMaker Model Dashboard surveille le comportement grâce à son intégration avec Amazon SageMaker Model Monitor et Amazon SageMaker Clarify.
La cote de risque indiquée ci-dessus n'est donnée qu'à titre d'exemple et peut varier en fonction des informations que vous fournissez.
Automatiser les alertes
SageMaker Model Dashboard offre une expérience intégrée permettant de configurer et de recevoir des alertes en cas de travaux de surveillance de modèles manquants ou inactifs et de déviations du comportement des modèles.
La cote de risque indiquée ci-dessus n'est donnée qu'à titre d'exemple et peut varier en fonction des informations que vous fournissez.
Dépannage des déviations du modèle
Vous pouvez inspecter plus en détail les modèles individuels et analyser les facteurs qui influent sur les performances des modèles au fil du temps. Vous pouvez ensuite assurer un suivi avec les praticiens du ML pour prendre des mesures correctives.
Clients
« Chez United Airlines, nous utilisons le machine learning (ML) pour améliorer l'expérience client en proposant des offres personnalisées, permettant aux clients d'être prêts grâce au Travel Readiness Center (Centre de préparation aux voyages). Notre utilisation du ML s'étend également aux opérations aéroportuaires, à la planification des réseaux, à la programmation des vols. Alors que nous sortions de la pandémie, Amazon SageMaker a joué un rôle essentiel dans le Travel Readiness Center, en nous permettant de traiter de gros volumes de certificats de test COVID et de cartes de vaccination en utilisant l'automatisation des modèles basés sur les documents. Grâce aux nouvelles capacités de gouvernance d'Amazon SageMaker, nous avons un contrôle et une visibilité accrus sur nos modèles de machine learning. SageMaker Role Manager simplifie considérablement le processus de configuration des utilisateurs en fournissant des autorisations de base et des activités ML pour chaque persona lié aux rôles IAM. Grâce à SageMaker Model Cards, nos équipes peuvent capturer et partager de manière proactive les informations sur les modèles pour les examiner, et grâce à SageMaker Model Dashboard, nous sommes en mesure de rechercher et de visualiser les modèles déployés sur MARS, notre plateforme ML interne. Grâce à toutes ces nouvelles fonctionnalité de gouvernance, nous gagnons beaucoup de temps et sommes en mesure de monter en puissance. »
Ashok Srinivas, directeur de l'ingénierie et des opérations ML, United Airlines
« Chez Capitec, nous avons un large éventail de scientifiques des données à travers nos lignes de produits, qui développent différentes solutions ML. Nos ingénieurs ML gèrent une plateforme de modélisation centralisée créée sur Amazon SageMaker pour permettre le développement et le déploiement de toutes ces solutions ML. Sans outils intégrés, le suivi des efforts de modélisation tend vers une documentation décousue et un manque de visibilité du modèle. Avec SageMaker Model Cards, nous pouvons suivre de nombreuses métadonnées de modèles dans un environnement unifié, et SageMaker Model Dashboard nous offre une visibilité sur les performances de chaque modèle. En outre, SageMaker Role Manager simplifie le processus de gestion des accès pour les scientifiques des données dans nos différentes lignes de produits. Chacun de ces éléments contribue à ce que notre modèle de gouvernance soit suffisant pour justifier la confiance que nos clients nous accordent en tant que fournisseur de services financiers. »
Dean Matter, ingénieur ML, Capitec Bank
Ressources
Téléchargez des échantillons de code depuis le référentiel GitHub.
Consultez la documentation technique pour apprendre à utiliser les fonctions de gouvernance de machine learning de SageMaker.
Accélérez l'intégration des outils de gouvernance avec les charges de travail ML.
En savoir plus sur les nouveaux outils de gouvernance de machine learning pour SageMaker.
« Amélioration de la gouvernance du système de gestion des données avec contrôle approfondi et transparence dans SageMaker », session AWS re:Invent 2022.
Plongée approfondie dans les outils de gouvernance Amazon SageMaker ML.
Définissez des autorisations personnalisées en quelques minutes avec le gestionnaire de rôles Amazon SageMaker.