- Machine Learning›
- Amazon SageMaker AI›
- Amazon SageMaker com MLflow
Acelere o desenvolvimento de IA generativa com o Amazon SageMaker AI e o MLflow
Acompanhe experimentos, avalie modelos e rastreie aplicações de IA sem gerenciamento de infraestrutura
Por que usar o Amazon SageMaker AI com MLflow?
A criação e personalização de modelos de IA é um processo iterativo, envolvendo centenas de treinamentos para encontrar o melhor algoritmo, arquitetura e parâmetros para uma precisão ideal do modelo. O Amazon SageMaker AI oferece um recurso MLflow gerenciado e sem servidor que facilita aos desenvolvedores de IA rastrear experimentos, observar comportamentos e avaliar a performance de seus modelos e aplicações de IA sem a necessidade de gerenciar a infraestrutura. O SageMaker AI com MLflow também está integrado a ferramentas conhecidas de desenvolvimento de modelos SageMaker AI, como SageMaker AI JumpStart, Catálogo de modelos, Pipelines e recursos de personalização de modelos sem servidor, para ajudar você a conectar todas as etapas do ciclo de vida da IA, desde a experimentação até a implantação.
Benefícios do Amazon SageMaker AI com MLflow
Comece a rastrear experimentos e aplicações de IA sem precisar provisionar infraestrutura ou configurar servidores de rastreamento. Os desenvolvedores de IA obtêm acesso instantâneo a um recurso MLflow sem servidor que permite que sua equipe se concentre na criação de aplicações de IA, em vez de gerenciar a infraestrutura.
O SageMaker AI com MLflow escala automaticamente para atender às suas necessidades, seja você executando um único experimento ou gerenciando centenas de trabalhos paralelos de ajuste fino. O MLflow adapta sua infraestrutura durante períodos intensos de experimentação e reduz sua escalabilidade durante períodos mais calmos, sem intervenção manual, mantendo um performance consistente sem a carga operacional de gerenciar servidores.
Com uma única interface, você pode visualizar tarefas de treinamento em andamento, colaborar com os membros da equipe durante a experimentação e manter o controle de versão para cada modelo e aplicação. O MLflow também oferece recursos avançados de rastreamento para ajudar a identificar rapidamente a origem de bugs ou comportamentos inesperados.
À medida que o projeto MLflow evolui, os clientes do SageMaker AI continuarão a se beneficiar da inovação da comunidade de código aberto, enquanto desfrutam do AWS Support sem servidor.
O Amazon SageMaker AI com MLflow realiza um upgrade automático para a versão mais recente do MLflow, proporcionando acesso aos recursos e funcionalidades mais recentes sem janelas de manutenção ou esforço de migração.
Simplifique a personalização do modelo de IA
Com o MLflow no SageMaker AI, você pode acompanhar, organizar e comparar experimentos para identificar seus modelos com a performance mais alta. O MLflow está integrado aos recursos de personalização de modelos sem servidor da Amazon SageMaker AI para modelos populares como Amazon Nova, Llama, Qwen, DeepSeek e GPT-OSS, permitindo que você visualize trabalhos de treinamento e avaliações em andamento por meio de uma única interface.
Mantenha a consistência com uma gerenciamento de prompts
Você pode otimizar a engenharia de prompts e o gerenciamento de prompts em suas aplicações de IA com o MLflow Prompt Registry, um recurso poderoso que permite o versionamento, rastreamento e reutilização de prompts em toda a sua organização, ajudando a manter a consistência e melhorar a colaboração no desenvolvimento de prompts.
Rastreie aplicações e agentes de IA em tempo real
O SageMaker AI com MLflow registra as entradas, saídas e metadados em cada etapa do desenvolvimento da IA para identificar rapidamente bugs ou comportamentos inesperados. Com rastreamento avançado para fluxos de trabalho agênticos e aplicações de várias etapas, você obterá a visibilidade necessária para depurar sistemas complexos de IA generativa e otimizar a performance.
Centralize a governança de modelos com o Catálogo de modelos do SageMaker
As organizações precisam de uma maneira fácil de acompanhar todos os modelos candidatos nas equipes de desenvolvimento para tomar decisões embasadas sobre quais modelos seguirão para produção. O MLflow gerenciado inclui uma integração com propósito específico que sincroniza automaticamente os modelos registrados no MLflow com o Catálogo de modelos do SageMaker. Isso permite que as equipes de desenvolvimento de modelos de IA utilizem ferramentas distintas para suas respectivas tarefas: MLflow para experimentação e Catálogos de modelos do SageMaker para gerenciar o ciclo de vida da produção com uma linhagem de modelos abrangente.
Implemente a implantação dos modelos nos endpoint do SageMaker AI
Depois de atingir os objetivos desejados de precisão e performance do modelo, você pode realizar a implantação de modelos em produção a partir do Catálogo de modelos do SageMaker com apenas alguns cliques nos endpoint de inferência do SageMaker AI. Essa integração perfeita elimina a necessidade de criar contêineres personalizados para armazenamento de modelos e permite que os clientes aproveitem os contêineres de inferência otimizados do SageMaker AI, mantendo a experiência amigável do MLflow para log e registro de modelos.
Sociedade de conservação da vida selvagem
“A WCS está promovendo a conservação global dos recifes de corais por meio do MERMAID, uma plataforma de código aberto que utiliza modelos de ML para analisar fotos de recifes de corais enviadas por cientistas de todo o mundo. O Amazon SageMaker com MLflow aumentou nossa produtividade, eliminando a necessidade de configurar servidores de rastreamento MLflow ou gerenciar a capacidade à medida que nossas necessidades de infraestrutura mudam. Ao permitir que nossa equipe se concentre inteiramente na inovação de modelos, estamos acelerando nosso tempo de implantação para fornecer insights críticos baseados em nuvem para cientistas e gestores marinhos."
Kim Fisher, MERMAID
Engenheiro de software líder, WCS
