Amazon SageMaker Pipelines

Service spécialement conçu pour les flux de machine learning

Démarrer avec Amazon SageMaker Pipelines

Qu'est-ce qu'Amazon SageMaker Pipelines ?

Amazon SageMaker Pipelines est un service d'orchestration de flux de travail spécialement conçu pour automatiser toutes les phases de machine learning (ML), du prétraitement des données à la surveillance des modèles. Grâce à une interface utilisateur intuitive et à un kit SDK Python, vous pouvez gérer des pipelines de ML de bout en bout reproductibles à grande échelle. L'intégration native avec plusieurs services AWS vous permet de personnaliser le cycle de vie du ML en fonction de vos exigences MLOps.

Les Avantages de SageMaker Pipelines

Automatisez le développement du modèle de base

Standardisez les pratiques FMoPS au sein de votre organisation pour accélérer le développement des modèles

Créez des systèmes LLMOPs de bout en bout

Orchestrez les flux de travail ML pour le prétraitement des données, le réglage des modèles et le déploiement

Gérez les charges de travail de machine learning à grande échelle

Partagez et réutilisez le système MLOps adapté aux besoins de votre organisation

Composer, réutiliser et planifier des flux de travail de ML

Créez des flux de travail de ML à l'aide d'un Amazon SageMaker Python SDK facile à utiliser, puis visualisez-les avec Amazon SageMaker Studio. Vous pouvez être plus efficace et mettre à l'échelle plus rapidement en réutilisant les étapes du flux de travail dans SageMaker Pipelines. Démarrez rapidement avec les modèles SageMaker Project pour créer, tester, enregistrer et déployer des modèles automatiquement.

Migrer sans refonte votre code de machine learning

Convertissez n'importe quel code de ML Python en flux de travail répétable dans Amazon SageMaker en ajoutant une seule ligne de code (@step python decorator) ou en exécutant des blocs-notes complets. L'annotation Python et la nouvelle étape du bloc-notes offrent une certaine extensibilité en vous permettant d'incorporer d'autres services AWS pour un flux de travail de ML complet de bout en bout.

Suivi automatique des modèles

Amazon SageMaker Pipelines consigne chaque étape de votre flux de travail, créant ainsi une piste d'audit des composants du modèle tels que les données d'entraînement, les configurations de la plateforme, les paramètres du modèle et les gradients d'apprentissage. Les pistes d'audit peuvent être utilisées pour recréer des modèles et aider à prendre en charge les exigences de conformité.