MLOps Workload Orchestrator na AWS

Implante um pipeline robusto que usa ferramentas de automação gerenciada e serviços de ML para simplificar o desenvolvimento e a produção de modelos de ML

Visão geral

O orquestrador de workloads de operações de machine learning (MLOps) simplifica a implantação do modelo de ML e aplica as práticas recomendadas para escalabilidade, confiabilidade e eficiência. Essa solução da AWS é uma estrutura extensível com uma interface padrão para gerenciar pipelines de ML no AWS ML e em serviços de terceiros.

Essa solução inclui um modelo do AWS CloudFormation. Esse modelo permite o treinamento de modelos, o upload de modelos pré-treinados (também conhecidos como traga seu próprio modelo, ou BYOM), a configuração de orquestração do pipeline e o monitoramento de operação do pipeline. Ao implementar essa solução, sua equipe pode aumentar a agilidade e eficiência, repetindo processos bem-sucedidos em grande escala.

Benefícios

Inicie com um pipeline de ML pré-configurado

Inicie um pipeline pré-configurado por meio de uma chamada de API ou de um bucket do Amazon S3.

Implante automaticamente um modelo treinado e um endpoint de inferência

Automatize o monitoramento de modelos com o Amazon SageMaker BYOM e forneça um endpoint de inferência sem servidor com detecção de desvio.

Visibilidade centralizada de seus recursos de ML

Use o Painel de Modelos do Amazon SageMaker para visualizar, pesquisar e explorar todos os seus recursos do Amazon SageMaker, incluindo modelos, endpoints, cartões de modelo e trabalhos de transformação em lote.

Detalhes técnicos

É possível implantar automaticamente essa arquitetura ao usar o guia de implementação e o modelo do AWS CloudFormation que o acompanha. Para atender a diversos casos de uso e necessidades de negócios, essa solução oferece quatro modelos do AWS CloudFormation:

  1. Use o modelo de conta única para implantar todos os pipelines da solução na mesma conta da AWS. Essa opção é adequada para experimentação, desenvolvimento e/ou workloads em produção em pequena escala.
  2. Use o modelo de multicontas para fornecer vários ambientes (por exemplo, desenvolvimento, preparação e produção) por meio de diferentes contas da AWS, o que melhora a governança e aumenta a segurança e o controle da implantação do pipeline de ML, proporciona experimentação segura e inovação mais rápida, além de manter os dados de produção e as workloads seguros e disponíveis para ajudar a garantir a continuidade dos negócios.
  • Opção 1 - Implantação de conta única
  • Opção 2 - Implantação de multicontas
Estudo de caso
Orquestrador do ciclo de vida de modelos MLOps da Cognizant reduz o tempo de implantação de modelos de machine learning de semanas para horas com soluções da AWS

Em colaboração com as equipes de arquitetos de soluções de parceiros da AWS e da biblioteca de soluções da AWS, a Cognizant criou sua solução de orquestrador do ciclo de vida de modelos MLOps com base no orquestrador de workload de MLOps.

Leia o estudo de caso 
Casos de uso dessa solução da AWS
  • Título
Mais...
Opções de implantação
Pronto para começar?
Implante esta solução a partir do seu Console da AWS

Precisa de ajuda? Implante com um parceiro.
Encontre um especialista terceirizado certificado pela AWS para ajudar com essa implantação

Essa página foi útil para você?