Registri Model Amazon SageMaker sekarang mendukung penentuan tahapan siklus hidup model machine learning
Hari ini, kami dengan senang hati mengumumkan bahwa Registri Model Amazon SageMaker sekarang mendukung tahapan siklus hidup model machine learning (ML) khusus. Kemampuan ini semakin meningkatkan tata kelola model dengan memungkinkan ilmuwan data dan insinyur ML untuk menentukan dan mengontrol perkembangan model mereka di berbagai tahap, dari pengembangan hingga produksi.
Pelanggan menggunakan Registri Model Amazon SageMaker sebagai penyimpanan metadata yang dibuat khusus untuk mengelola seluruh siklus hidup model ML. Dengan peluncuran ini, ilmuwan data dan insinyur ML sekarang dapat menentukan tahapan khusus seperti pengembangan, pengujian, dan produksi untuk model ML di registri model. Hal ini memudahkan untuk melacak dan mengelola model saat mereka bertransisi melalui berbagai tahapan dalam siklus hidup model dari pelatihan ke inferensi. Mereka juga dapat melacak status persetujuan tahap seperti Menunggu Persetujuan, Disetujui, dan Ditolak untuk memeriksa kapan model siap untuk pindah ke tahap berikutnya. Tahap kustom dan status persetujuan ini membantu ilmuwan data dan insinyur ML menentukan dan menegakkan alur kerja persetujuan model, memastikan bahwa model memenuhi kriteria tertentu sebelum maju ke tahap berikutnya. Dengan menerapkan tahapan kustom dan proses persetujuan ini, pelanggan dapat menstandarkan praktik tata kelola model mereka di seluruh organisasi mereka, mempertahankan pengawasan yang lebih baik terhadap perkembangan model, dan memastikan bahwa hanya model yang disetujui yang mencapai lingkungan produksi.
Kemampuan ini tersedia di semua AWS region di mana Registri Model Amazon SageMaker saat ini tersedia, kecuali wilayah GovCloud. Untuk mempelajari selengkapnya, lihat Membangun Konsep untuk Siklus Hidup Model Anda.