投稿日: Feb 2, 2022
AWS Solutions は、パイプラインのデプロイプロセスを合理化し、機械学習 (ML) モデルのモデル操作主義のためのアーキテクチャのベストプラクティスを実施する AWS ソリューション実装である MLOps Workload Orchestrator (以前は AWS MLOps Framework として知られる) を更新しました。このソリューションは、モデルモニタリングおよびマルチアカウントガバナンスを含む複数の ML ワークフローオートメーションツールを導入する際の一般的なオペレーションの問題を解決します。
このアップデートは2つの新規パイプラインを追加して、Amazon SageMaker Clarify Model Explainability および Amazon SageMaker Clarify Model Bias ベースラインジョブおよびモニタリングスケジュールをデプロイします。追加されたパイプラインはデータサイエンティスト/ML エンジニアが定期的に特徴量アトリビューションの動向およびモデルバイアスのそれぞれをモニタリングするのに役立つだけでなく、問題が検出された場合はアラートを生成します。
このソリューションの主な機能は次のとおりです。
- API 呼び出しまたは Git リポジトリを介して事前に設定されたパイプラインを開始する
- トレーニング済のモデルを自動的にデプロイし、Amazon SageMaker 推論エンドポイントを提供する
- 継続的にデプロイ済みの機械学習モデルをモニタリングし、データの質、モデルの質、モデルの説明可能性、および/またはモデルバイアスでの偏差を検出します。
- デプロイされたモデルが期待を満足しているか確認するために、独自の結合テストの実行をサポートする
- ML モデルのライフサイクルをサポートするために、複数の環境をプロビジョニングできるようにする
- Amazon SageMaker Model Registry を使用してバージョン管理されたモデルをデプロイするオプション
- 独自モデルとモデルモニターのパイプラインのマルチアカウントサポート
- お客様が、Amazon Sagemaker エンドポイントでのモデルのデプロイに使用するカスタムアルゴリズムの Docker イメージを構築および登録できるようにします。
このソリューションの詳細については、AWS ソリューション実装のウェブページにアクセスしてください。
AWS ソリューション実装のウェブページでは、その他の AWS ソリューションをご利用いただけます。このページでは、ソリューションを製品カテゴリや業界別に参照し、AWS が厳しい審査の上で自動化したターンキーリファレンス実装の中から、お客様の特定のビジネスニーズに対応するものを見つけることができます。