게시된 날짜: Feb 2, 2022
파이프라인 배포 프로세스를 간소화하고 기계 학습(ML) 모델 생산화를 위한 아키텍처 모범 사례를 적용하는 AWS 솔루션 구현인 MLOps Workload Orchestrator(이전의 AWS MLOps Framework)가 업데이트되었습니다. 이 솔루션은 모델 모니터링 및 다중 계정 거버넌스 등 다수의 기계 학습 워크플로 자동화 도구를 채택할 때 발생하는 일반적인 운영 문제를 해결해 줍니다.
이번 업데이트에서는 Amazon SageMaker Clarify 모델 설명 가능성과 Amazon SageMaker Clarify 모델 편향의 기준 작업 및 모니터링 일정 배포를 위한 2가지 새로운 파이프라인이 추가됩니다. 이 추가 파이프라인을 통해 데이터 사이언티스트와 기계 학습 엔지니어는 특성 기여도 드리프트 및 모델 편향을 각각 정기적으로 모니터링하고 문제가 감지될 경우 알림을 생성할 수 있습니다.
이 솔루션에서 제공하는 주요 기능은 다음과 같습니다.
- API 호출 또는 Git 리포지토리를 통해 사전 구성된 파이프라인을 시작
- 훈련된 모델을 자동으로 배포하고 Amazon SageMaker 추론 엔드포인트를 제공
- 배포된 기계 학습 모델을 지속적으로 모니터링하고 데이터 품질, 모델 품질, 모델 설명 가능성 및 모델 편향의 편차를 감지
- 자체 통합 테스트 실행을 지원하여 배포된 모델이 기대치를 충족하는지 확인
- 여러 환경을 프로비저닝할 수 있어 기계 학습 모델의 수명 주기를 지원
- Amazon SageMaker Model Registry를 사용하여 버저닝된 모델을 배포하는 옵션
- 자체 모델 및 모델 모니터 파이프라인을 가져오기 위한 다중 계정
- 고객은 Amazon SageMaker 엔드포인트에서 모델 배포에 사용할 사용자 지정 알고리즘을 위한 Docker 이미지를 구축하고 등록할 수 있습니다.
이 솔루션에 대한 자세한 내용은 솔루션의 AWS 솔루션 구현 웹 페이지를 참조하세요.
추가 AWS 솔루션은 AWS 솔루션 구현 웹 페이지에서 확인할 수 있습니다. 여기서 특정 비즈니스 요구 사항에 따라 제품 범주 또는 산업별로 솔루션을 검색하여 AWS의 검토를 거친 자동화된 턴키 참조 구현을 찾아볼 수 있습니다.