Governança de ML com o Amazon SageMaker
Simplifique o controle de acesso e aumente a transparência
Gere funções personalizadas que permitam que os profissionais de machine learning (ML) comecem a trabalhar com o SageMaker mais rapidamente.
Simplifique a documentação do modelo e forneça visibilidade das principais suposições, características e artefatos, desde a concepção até a implantação.
Audite e solucione rapidamente a performance de todos os modelos, endpoints e tarefas de monitoramento de modelos por meio de uma exibição unificada.
Rastreie desvios do comportamento esperado do modelo, bem como trabalhos de monitoramento ausentes ou inativos, com alertas automatizados.
O Amazon SageMaker fornece ferramentas de governança específicas para ajudar você a implementar o ML de maneira responsável. Com o Amazon SageMaker Role Manager, os administradores podem definir permissões mínimas em minutos. O Amazon SageMaker Model Cards facilita a captura, a recuperação e o compartilhamento de informações essenciais do modelo, como usos pretendidos, classificações de risco e detalhes de treinamento, desde a concepção até a implantação. O Amazon SageMaker Model Dashboard mantém você em dia sobre o comportamento do modelo na produção, tudo em um só lugar.
Assista a este vídeo para saber como melhorar a visibilidade de seus modelos de ML com o SageMaker.
Como funciona
A governança de ML com o Amazon SageMaker usa o SageMaker Role Manager, o SageMaker Model Cards e o SageMaker Model Dashboard para ajudar a simplificar o controle de acesso e aumentar a transparência em projetos de ML.
O Amazon SageMaker inclui três recursos principais de governança de ML: Amazon SageMaker Role Manager, Amazon SageMaker Model Cards e Amazon SageMaker Model Dashboard. A primeira seção do diagrama é intitulada “Governança de ML com o Amazon SageMaker”. A descrição diz “Simplifique o controle de acesso e aumente a transparência em projetos de ML”.
A segunda seção mostra o processo de integração, que envolve o SageMaker Role Manager. O SageMaker Role Manager define as permissões mínimas em minutos, simplificando a configuração de permissões para tarefas de ML e gerando automaticamente políticas do IAM personalizadas.
A terceira seção faz parte do ciclo de vida do modelo, que abrange a preparação, a construção, o treinamento, a implantação e o monitoramento de modelos. Com o SageMaker Model Cards, você pode centralizar e padronizar a documentação do modelo, preencher automaticamente os detalhes do modelo e exportar para um PDF. Com o SageMaker Model Dashboard, você pode monitorar a performance do modelo por meio de uma exibição unificada, acessar insights do modelo em um só lugar e receber notificações integradas.
O SageMaker Model Cards e o SageMaker Model Dashboard são integrados ao Amazon SageMaker Model Monitor, que você pode usar para monitorar modelos quanto a desvios, e ao Amazon SageMaker Clarify, que ajuda a detectar tendências e explicar o comportamento do modelo.
Principais recursos
Defina permissões mínimas em minutos com o SageMaker Role Manager
Simplificar permissões para atividades de ML
O SageMaker Role Manager fornece um conjunto inicial de permissões para atividades e personas de ML por meio de um catálogo de políticas do AWS Identity and Access Management (IAM) pré-configuradas. As atividades de ML podem incluir preparação e treinamento de dados, e as personas podem incluir engenheiros de ML e cientistas de dados. Você pode manter as permissões básicas ou personalizá-las ainda mais com base em suas necessidades específicas.
Automatize a geração de políticas do IAM
Com alguns prompts autoguiados, você pode inserir rapidamente estruturas de governança comuns, como limites de acesso à rede e chaves de criptografia. Em seguida, o SageMaker Role Manager vai gerar automaticamente as políticas do IAM. Você pode descobrir a função gerada e as políticas associadas por meio do console do AWS IAM.
Anexe suas políticas gerenciadas
Para adaptar ainda mais as permissões ao seu caso de uso, anexe suas políticas do IAM gerenciadas ao perfil do IAM criado com o SageMaker Role Manager. Você também pode adicionar etiquetas para ajudar a identificar e organizar as funções entre serviços da AWS.
Simplifique a documentação de modelos com o SageMaker Model Cards
Capturar informações de modelos
O SageMaker Model Cards é um repositório de informações de modelo no console do Amazon SageMaker e ajuda a centralizar e a padronizar a documentação do modelo para que você possa implementar o ML com responsabilidade. Você pode preencher automaticamente os detalhes do treinamento, como conjuntos de dados de entrada, ambientes de treinamento e resultados de treinamento, para acelerar o processo de documentação. Você também pode adicionar detalhes como a finalidade do modelo e metas de performance.
Visualize resultados de avaliações
Você pode anexar resultados de avaliações de modelos, como métricas de viés e qualidade, ao seu cartão de modelo e adicionar visualizações, como gráficos, para obter informações importantes sobre a performance dos modelos.
Compartilhe cartões de modelo
Você pode exportar seus cartões de modelo para um formato PDF para facilitar o compartilhamento com as partes interessadas da empresa, equipes internas ou clientes.
Obtenha monitoramento unificado de modelos com o SageMaker Model Dashboard
Acompanhe o comportamento dos modelos
O SageMaker Model Dashboard fornece uma visão geral abrangente de modelos e endpoints implantados, para que você possa rastrear recursos e modelar violações de comportamento em um só lugar. Você pode monitorar o comportamento do modelo em quatro dimensões: qualidade dos dados, qualidade do modelo, desvio de viés e desvio de atribuição de recursos. O SageMaker Model Dashboard monitora o comportamento por meio da sua integração com o Amazon SageMaker Model Monitor e o Amazon SageMaker Clarify.
A classificação de risco mostrada acima é apenas para fins ilustrativos e pode variar com base nas informações fornecidas por você.
Automatize alertas
O SageMaker Model Dashboard fornece uma experiência integrada para configurar e receber alertas sobre trabalhos de monitoramento de modelos ausentes e inativos e desvios no comportamento dos modelos.
A classificação de risco mostrada acima é apenas para fins ilustrativos e pode variar com base nas informações fornecidas por você.
Solucione problemas com desvios de modelos
Você pode inspecionar ainda mais os modelos individuais e analisar os fatores que afetam a performance deles ao longo do tempo. Em seguida, pode entrar em contato com profissionais de ML para tomar medidas corretivas.
Clientes
“Na United Airlines, usamos o machine learning (ML) para melhorar a experiência do cliente, oferecendo ofertas personalizadas, permitindo que os clientes estejam prontos usando o Travel Readiness Center. Nosso uso do ML também se estende a operações aeroportuárias, planejamento da rede e programação de voos. Quando estávamos saindo da pandemia, o Amazon SageMaker desempenhou um papel fundamental no Travel Readiness Center, permitindo que lidássemos com grandes volumes de certificados de testes de COVID e cartões de vacinas usando a automação de modelos com base em documentos. Com os novos recursos de governança do Amazon SageMaker, aumentamos o controle e a visibilidade sobre nossos modelos de machine learning. O SageMaker Role Manager simplifica drasticamente o processo de configuração para os usuários, fornecendo permissões de linha de base e atividades de ML para cada persona vinculada a perfis do IAM. Com o SageMaker Model Cards, nossas equipes podem capturar e compartilhar proativamente as informações do modelo para revisão e, usando o SageMaker Model Dashboard, podemos pesquisar e visualizar modelos implantados no MARS, nossa plataforma interna de ML. Com todos esses novos recursos de governança, estamos economizando um tempo significativo e podemos aumentar a escala verticalmente.”
Ashok Srinivas, diretor de engenharia e operações de ML, United Airlines
“Na Capitec, temos uma grande variedade de cientistas de dados em nossas linhas de produtos, criando diferentes soluções de ML. Nossos engenheiros de ML gerenciam uma plataforma de modelagem centralizada criada no Amazon SageMaker para capacitar o desenvolvimento e a implantação de todas essas soluções de ML. Sem ferramentas integradas, os esforços de modelagem de rastreamento tendem a uma documentação desarticulada e à falta de visibilidade do modelo. Com o SageMaker Model Cards, podemos rastrear muitos metadados de modelo em um ambiente unificado, e o SageMaker Model Dashboard nos dá visibilidade sobre a performance de cada modelo. Além disso, o SageMaker Role Manager simplifica o processo de gerenciamento do acesso para cientistas de dados em nossas diferentes linhas de produtos. Cada uma delas contribui para que nosso modelo de governança seja suficiente para garantir a confiança que nossos clientes depositam em nós como prestadores de serviços financeiros.”
Dean Matter, engenheiro de machine learning do Capitec Bank
Recursos
Fique por dentro com os anúncios mais recentes sobre governança de ML do SageMaker.
Veja a documentação técnica para saber como usar os recursos de governança do SageMaker ML.
Saiba mais sobre as novas ferramentas de governança de ML para SageMaker.
"Improve ML governance w/deep control & transparency in SageMaker” (Melhoria da governança de ML com amplo controle e transparência no SageMaker), sessão da AWS re:Invent 2022.
Conheça mais sobre as ferramentas de governança de ML do Amazon SageMaker.
Defina permissões personalizadas em poucos minutos com o Amazon SageMaker Role Manager.