Governance del ML con Amazon SageMaker

Semplifica il controllo degli accessi e migliora la trasparenza

Perché la governance del ML?

Amazon SageMaker fornisce strumenti di governance appositamente creati per aiutarti a implementare il ML in modo responsabile. Con Gestore dei ruoli di Amazon SageMaker è possibile definire le autorizzazioni minime in pochi minuti. Amazon SageMaker Model Cards semplifica l'acquisizione, il recupero e la condivisione di informazioni essenziali sul modello, come gli usi previsti, le classificazioni dei rischi e i dettagli della formazione, dalla concezione all'implementazione. Amazon SageMaker Model Dashboard ti tiene informato sul comportamento del modello in produzione, tutto in un unico posto. L'integrazione di Amazon SageMaker e Amazon DataZone semplifica il processo di ottimizzazione del ML e della governance dei dati.

Vantaggi della governance del ML con SageMaker

Effettua il provisioning di ambienti di sviluppo per ML in pochi minuti con controlli di sicurezza di livello aziendale per governare l'accesso ai modelli di ML e alle risorse di dati nei progetti.
Genera ruoli personalizzati che consentano ai professionisti del machine learning (ML) di iniziare a lavorare con SageMaker più rapidamente
Semplifica la documentazione del modello e fornisci maggiore visibilità sulle ipotesi, sulle caratteristiche e sugli artefatti chiave dalla concezione all'implementazione
Verifica e risoluzione rapide delle prestazioni di tutti i modelli, gli endpoint e i processi di monitoraggio dei modelli attraverso una vista unificata. Traccia le deviazioni dal comportamento previsto del modello, nonché dei processi di monitoraggio mancanti o inattivi, con avvisi automatici

Effettua l'integrazione con Amazon DataZone

  • Controlli e disposizioni per la configurazione
  • Gli amministratori IT possono definire controlli dell'infrastruttura e autorizzazioni specifiche per l'azienda e il caso d'uso in Amazon DataZone. È quindi possibile creare un ambiente SageMaker appropriato in pochi clic e avviare il processo di sviluppo all'interno di SageMaker Studio.

  • Cerca e scopri le risorse
  • In SageMaker Studio, puoi cercare e scoprire in modo efficiente dati e risorse di ML nel catalogo aziendale della tua organizzazione. Puoi anche richiedere l'accesso alle risorse che potresti dover utilizzare nel tuo progetto sottoscrivendole.

  • Utilizza le risorse
  • Una volta approvata la richiesta di abbonamento, è possibile utilizzare queste risorse sottoscritte in attività di ML come la preparazione dei dati, l'addestramento dei modelli e l'ingegneria delle caratteristiche all'interno di SageMaker Studio utilizzando JupyterLab e SageMaker Canvas.

  • Pubblica le risorse
  • Una volta completate le attività di ML, è possibile pubblicare i dati, i modelli e le feature group nel catalogo aziendale per la governance e la rilevabilità da parte di altri utenti.

Definisci le autorizzazioni

Semplificare le autorizzazioni per le attività di ML

SageMaker Role Manager fornisce una serie di autorizzazioni di base per le attività di ML e profili attraverso un catalogo di policy AWS Identity and Access Management (IAM) predefinite. Le attività di ML possono includere la preparazione e l'addestramento dei dati, mentre i profili possono includere ingegneri di ML e data scientist. È possibile mantenere le autorizzazioni di base oppure personalizzarle sulla base delle proprie specifiche esigenze.

gestione dei ruoli semplifica le autorizzazioni

Automatizza la generazione delle policy IAM

Con una serie di istruzioni autoguidate, è possibile immettere rapidamente costrutti di governance comuni, come limiti di accesso alla rete e chiavi di crittografia. Dopodiché, SageMaker Role Manager genererà automaticamente la policy IAM. È possibile consultare il ruolo generato e le policy associate dalla console AWS IAM.

Allega le policy gestite

Per personalizzare ulteriormente le autorizzazioni in base al caso d'uso, è possibile collegare le policy IAM gestite al ruolo IAM creato con SageMaker Role Manager. È possibile aggiungere tag per facilitare l'identificazione del ruolo e consentire un maggiore coordinamento tra i servizi AWS.

allega le policy gestite

Semplifica la documentazione

Acquisisci informazioni sul modello

SageMaker Model Cards è un repository per le informazioni sui modelli nella Console Amazon SageMaker e aiuta a centralizzare e standardizzare la documentazione dei modelli in modo da poter implementare il ML in modo responsabile. È possibile inserire automaticamente i dettagli della formazione, come i set di dati di input, gli ambienti di formazione e i risultati della formazione, per accelerare il processo di documentazione. È inoltre possibile aggiungere dettagli come lo scopo del modello e gli obiettivi di prestazione.

informazioni sul modello nella console SageMaker

Visualizza i risultati della valutazione

È possibile allegare i risultati della valutazione del modello, come le metriche di bias e di qualità, alla Model Card e aggiungere visualizzazioni come i grafici per ottenere informazioni chiave sulle prestazioni del modello.

le schede del modello visualizzano i risultati della valutazione

Condividi model card

È possibile esportare le schede modello in formato PDF per condividerle più facilmente con gli stakeholder aziendali, i team interni o i clienti.