Il Registro dei modelli Amazon SageMaker supporta ora la definizione delle fasi del ciclo di vita dei modelli di machine learning (ML)
Oggi siamo lieti di annunciare che Registro dei modelli Amazon SageMaker ora supporta le fasi del ciclo di vita dei modelli di machine learning (ML) personalizzati. Questa funzionalità migliora ulteriormente la governance dei modelli consentendo ai data scientist e agli ingegneri di ML di definire e controllare l'avanzamento dei loro modelli in varie fasi, dallo sviluppo alla produzione.
I clienti utilizzano Registro dei modelli Amazon SageMaker come archivio di metadati appositamente progettato per gestire l'intero ciclo di vita dei modelli ML. Con questo lancio, i data scientist e gli ingegneri di ML possono ora definire fasi personalizzate come sviluppo, test e produzione per i modelli ML all'interno del registro dei modelli. Ciò semplifica il monitoraggio e la gestione dei modelli durante la transizione tra le diverse fasi del ciclo di vita del modello, dall'addestramento all'inferenza. È anche possibile anche tenere traccia dello stato di approvazione della fase, ad esempio In attesa di approvazione, Approvata e Rifiutata, per verificare quando il modello è pronto per passare alla fase successiva. Queste fasi personalizzate e lo stato di approvazione aiutano i data scientist e gli ingegneri di ML a definire e applicare i flussi di lavoro di approvazione dei modelli, assicurando che questi soddisfino criteri specifici prima di passare alla fase successiva. Con l'implementazione di queste fasi e processi di approvazione personalizzati, i clienti possono standardizzare le pratiche di governance dei modelli in tutta l'organizzazione, supervisionare meglio l'avanzamento dei modelli e garantire che solo quelli approvati raggiungano gli ambienti di produzione.
Questa funzionalità è disponibile in tutte le regioni AWS in cui attualmente viene offerto Registro dei modelli Amazon SageMaker, escluse le regioni GovCloud. Per maggiori informazioni, consulta la pagina Staging Construct for your Model Lifecycle.