Tata Kelola ML dengan Amazon SageMaker

Sederhanakan kontrol akses dan tingkatkan transparansi

Mengapa tata kelola ML

Amazon SageMaker AI menyediakan alat tata kelola yang dibangun secara khusus untuk membantu Anda mengimplementasikan ML secara bertanggung jawab. Dengan menggunakan Amazon SageMaker Role Manager, administrator dapat menentukan izin minimum dalam hitungan menit. Amazon SageMaker Model Cards mempermudah untuk menangkap, mengambil, dan berbagi informasi model penting, seperti tujuan penggunaan, peringkat risiko, dan detail pelatihan, dari pembuatan konsep hingga deployment. Amazon SageMaker Model Dashboard akan terus memberi Anda informasi mengenai perilaku model selama produksi, semuanya di satu tempat. Integrasi Amazon SageMaker AI dan Amazon DataZone memudahkan penyederhanaan tata ML dan tata kelola data.

Manfaat Tata Kelola ML SageMaker

Atur akses ke aset ML dan data

Sediakan lingkungan pengembangan ML dalam hitungan menit dengan kontrol keamanan kelas korporasi untuk mengatur akses ke aset ML dan data dalam proyek.

Cepat untuk memulai

Hasilkan peran khusus yang memungkinkan praktisi machine learning (ML) mulai bekerja dengan SageMaker lebih cepat

Sederhanakan dokumentasi

Sederhanakan dokumentasi model dan berikan visibilitas ke dalam asumsi, karakteristik, dan artefak utama mulai dari konsepsi hingga deployment

Audit dan lacak model dengan cepat

Audit dan pecahkan masalah performa dengan cepat untuk semua model, titik akhir, dan tugas pemantauan model melalui satu tampilan terpadu. Lacak penyimpangan dari perilaku model yang diperkirakan, serta tugas pemantauan yang tidak ada atau tidak aktif, dengan pemberitahuan otomatis

Integrasikan dengan Amazon DataZone

Pengaturan kontrol dan penyediaan

Administrator IT dapat menentukan kontrol dan izin infrastruktur khusus untuk korporasi Anda serta kasus penggunaan di Amazon DataZone. Kemudian Anda dapat membuat lingkungan SageMaker yang sesuai hanya dengan beberapa klik dan memulai proses pengembangan di dalam SageMaker Studio.

Cari dan Temukan aset

Di SageMaker Studio, Anda dapat secara efisien mencari dan menemukan data dan aset ML dalam katalog bisnis organisasi Anda. Anda juga dapat meminta akses ke aset yang mungkin perlu digunakan dalam proyek Anda dengan berlangganan.

Konsumsi aset

Setelah permintaan langganan disetujui, Anda dapat menggunakan aset langganan ini dalam tugas-tugas ML seperti persiapan data, pelatihan model, dan rekayasa fitur di dalam SageMaker Studio menggunakan JupyterLab, dan SageMaker Canvas.

Terbitkan aset

Setelah menyelesaikan tugas ML, Anda dapat menerbitkan data, model, dan grup fitur ke katalog bisnis untuk tata kelola serta kemudahan untuk ditemukan oleh pengguna lain.

Tentukan izin

Sederhanakan izin aktivitas ML

SageMaker Role Manager menyediakan serangkaian izin dasar untuk aktivitas dan persona ML melalui katalog kebijakan AWS Identity and Access Management (IAM) prabangun. Aktivitas ML dapat mencakup persiapan dan pelatihan data, sedangkan persona dapat mencakup perekayasa dan ilmuwan data ML. Anda dapat menetapkan atau mengustomisasi izin dasar lebih lanjut berdasarkan kebutuhan tertentu Anda.

Mengotomatiskan pembuatan kebijakan IAM

Dengan beberapa petunjuk panduan mandiri, Anda dapat dengan cepat menginput konstruksi tata kelola umum seperti batasan akses jaringan dan kunci enkripsi. Kemudian, SageMaker Role Manager akan membuat kebijakan IAM secara otomatis. Anda dapat menemukan peran yang sudah dibuat dan kebijakan terkait melalui konsol AWS IAM.

Lampirkan kebijakan terkelola Anda

Selanjutnya, sesuaikan izin dengan kasus penggunaan Anda, lampirkan kebijakan IAM terkelola Anda ke IAM role yang Anda buat dengan SageMaker Role Manager. Anda juga dapat menambahkan tanda untuk membantu mengidentifikasi dan mengelola aturan-aturan tersebut di seluruh layanan AWS.