게시된 날짜: Dec 1, 2021
포괄적인 기계 학습(ML) 워크플로를 생성하고 자동화하며 관리할 수 있도록 지원하는 완전관리형 서비스인 Amazon SageMaker Pipelines가 이제 Amazon SageMaker Model Monitor 및 Amazon SageMaker Clarify와의 통합을 지원합니다. 이러한 통합을 통해 ML 워크플로에 모델 품질 및 바이어스 탐지를 쉽게 포함할 수 있습니다. 자동화가 증가하면 ML 모델을 구축하고 관리하는 데 드는 운영 부담을 줄이는 데 도움이 될 수 있습니다.
SageMaker Model Monitor 및 SageMaker Clarify를 사용하면 프로덕션에서 ML 모델의 품질 및 바이어스 지표를 지속적으로 모니터링할 수 있으므로 모델 또는 데이터 품질 변동 시 알림을 설정하거나 재훈련을 트리거할 수 있습니다. 모델 모니터링을 설정하려면 데이터 및 모델 품질에 대한 기준 지표를 설정해야 합니다. 그러면 SageMaker Model Monitor가 이 지표를 사용하여 변동을 측정할 수 있습니다. 새로운 통합을 통해 모델 구축 파이프라인의 일부로 모델 및 데이터 품질에 대한 기준을 자동으로 캡처할 수 있으므로 모델 구축 워크플로 외부에서 이러한 지표를 계산할 필요가 없습니다. 또한 이전에 알려진 기준 지표에서 편차가 탐지되면 SageMaker Pipelines에서 QualityCheckStep 및 ClarifyCheckStep을 사용하여 모델 훈련 파이프라인을 중지할 수도 있습니다. 계산이 완료되면 모델 레지스트리의 기준과 함께 계산된 품질 및 바이어스 지표를 저장하고 확인할 수도 있습니다.
이 통합은 SageMaker Projects에서 템플릿으로도 사용할 수 있으므로 모델 레지스트리에 기록된 기준 지표를 활용하여 모델 모니터링 및 바이어스 탐지 작업을 자동으로 예약할 수 있습니다. 시작하려면 새 모델 모니터링 템플릿을 사용하여 SageMaker Studio 또는 명령줄 인터페이스에서 새 SageMaker 프로젝트를 생성합니다. 자세히 알아보려면 Sagemaker Pipelines의 검사 단계, 모델 레지스트리의 지표/기준, Sagemaker Model Monitor 및 모델 모니터링 CI/CD 템플릿에 대한 문서 페이지를 참조하세요.