O que faz esta Implementação de soluções da AWS?

A solução AWS MLOps Framework ajuda a simplificar e aplicar as práticas recomendadas de arquitetura para a produção de modelos de machine learning (ML). Essa solução é uma estrutura extensível que fornece uma interface padrão para gerenciar pipelines de ML para serviços de ML da AWS e serviços de terceiros. O modelo da solução permite que os clientes carreguem seus modelos treinados (também conhecido como traga seu próprio modelo), configurem a orquestração do pipeline e monitorem as operações do pipeline. Essa solução aumenta a agilidade e a eficiência da sua equipe, permitindo que ela repita processos bem-sucedidos em grande escala.

Benefícios

Otimize um pipeline de machine learning pré-configurado

Use a arquitetura de referência da solução para iniciar um pipeline pré-configurado por meio de uma chamada de API ou de um repositório Git.

Benefícios

Implante automaticamente um modelo treinado e um endpoint de inferência

Use a estrutura da solução para automatizar o pipeline do monitor de modelos do pipeline do Amazon SageMaker BYOM. Fornece um endpoint de inferência com a detecção de desvio de modelo empacotada como um microsserviço sem servidor.

Visão geral da Implementação de soluções da AWS

O diagrama abaixo apresenta a arquitetura sem servidor que você pode implantar automaticamente usando o guia de implementação da solução e o respectivo modelo do AWS CloudFormation.

  • Opção 1 - Implantação de conta única
  • Opção 2 - Implantação de multicontas
  • Opção 1 - Implantação de conta única
  • AWS MLOps Framework | Diagrama de arquitetura de referência
     Clique para aumentar

    Arquitetura de referência AWS MLOps Framework (Implantação de conta única)

    Use o modelo de conta única para implantar todos os pipelines de solução na mesma conta AWS. Essa opção é adequada para experiência, desenvolvimento e/ou cargas de trabalho de produção em pequena escala.

    Esse modelo de solução de conta única fornece os seguintes componentes e fluxos de trabalho:

    1. O orquestrador (proprietário da solução ou engenheiro DevOps) lança a solução na conta AWS e seleciona as opções desejadas (por exemplo, usar o Amazon SageMaker Registry ou fornecer um bucket do Amazon S3).
    2. O orquestrador faz o upload dos ativos necessários para o pipeline de destino (por exemplo, artefato de modelo, dados de treinamento e/ou arquivo zip com algoritmo personalizado) no bucket Ativos do Amazon S3. Se o registro de modelo do Amazon SageMaker for usado, o orquestrador (ou um pipeline automatizado) deverá registrar o modelo no registro de modelo.
    3. Uma instância AWS CodePipeline de conta única é fornecida ao enviar uma chamada de API para o Amazon API Gateway ou ao submeter o arquivo mlops-config.json ao repositório Git. Dependendo do tipo de pipeline, a função do AWS Lambda do orquestrador empacota o modelo AWS CloudFormation alvo e seus parâmetros/suas configurações usando o corpo da chamada de API ou do arquivo mlops-config.json para utilizá-lo como a etapa de origem para a instância AWS CodePipeline.
    4. A etapa DeployPipeline adota o modelo CloudFormation empacotado e seus parâmetros/suas configurações e implanta o pipeline de destino na mesma conta.
    5. Após o pipeline de destino ser fornecido, os usuários podem acessar as suas funcionalidades. Uma notificação Amazon Simple Notification Service (Amazon SNS) é enviada para o e-mail fornecido nos parâmetros de lançamento da solução.
    Use o botão abaixo para assinar atualizações de soluções.

    Observação: para assinar atualizações RSS, você deve ter um plug-in RSS habilitado para o navegador que está usando.  

    A implementação desta solução ajudou você?
    Fornecer feedback 
  • Opção 2 - Implantação de multicontas
  • AWS MLOps Framework | Diagrama de arquitetura de referência
     Clique para aumentar

    Arquitetura de referência AWS MLOps Framework (Implantação de multicontas)

    Use o modelo de multicontas para fornecer vários ambientes (por exemplo, desenvolvimento, preparação e produção) por meio de diferentes contas da AWS, o qual melhora a governança e aumenta a segurança e o controle da implantação do pipeline de ML, proporciona experiência segura e inovação mais rápida, além de manter os dados de produção e as cargas de trabalho seguros e disponíveis para garantir a continuidade dos negócios.

    Esse modelo de solução de multicontas fornece os seguintes componentes e fluxos de trabalho:

    1. O orquestrador (proprietário da solução ou engenheiro de DevOps com acesso de administrador à conta do orquestrador) apresenta as informações do AWS Organizations (por exemplo, IDs da unidade organizacional de desenvolvimento, preparação e produção e números de contas). Ele também especifica as opções desejadas (por exemplo, usar o registro Amazon SageMaker ou fornecer um bucket do S3 existente) e depois lança a solução em sua conta AWS.
    2. O orquestrador faz o upload dos ativos necessários para o pipeline de destino (por exemplo, artefato de modelo, dados de treinamento e/ou arquivo zip com algoritmo personalizado) no bucket Ativos do Amazon S3 na conta do orquestrador da AWS. Se o registro de modelo do Amazon SageMaker for usado, o orquestrador (ou um pipeline automatizado) deverá registrar o modelo no registro de modelo.
    3. Uma instância AWS CodePipeline de multicontas é fornecida ao enviar uma chamada de API para o Amazon API Gatewayou ao submeter o arquivo mlops-config.json ao repositório Git. Dependendo do tipo de pipeline, a função do AWS Lambda do orquestrador empacota o modelo AWS CloudFormation alvo e seus parâmetros/suas configurações para cada estágio usando o corpo da chamada de API ou do arquivo mlops-config.json para utilizá-lo como a etapa de origem para a instância AWS CodePipeline.
    4. A etapa DeployDev adota o modelo CloudFormation empacotado e seus parâmetros/suas configurações e implanta o pipeline de destino na conta de desenvolvimento.
    5. Após o pipeline de destino ser fornecido na conta de desenvolvimento, o desenvolvedor pode iterar no pipeline.
    6. Ao concluir o desenvolvimento, o orquestrador (ou outra conta autorizada) aprova manualmente a ação DeployStaging para prosseguir para a etapa DeployStaging.
    7. A etapa DeployStaging implanta o pipeline de destino na conta de preparação, usando a configuração de preparação.
    8. Os testadores realizam diferente testes no pipeline implementado.
    9. Após o pipeline ser aprovado nos testes de qualidade, o orquestrador pode aprovar a ação DeployProd.
    10. A etapa DeployProd implanta o pipeline de destino (com as configurações de produção) na conta de produção.
    11. Finalmente, o pipeline de destino está ativo na produção. Uma notificação Amazon Simple Notification Service (Amazon SNS) é enviada para o e-mail fornecido nos parâmetros de lançamento da solução.

    Use o botão abaixo para assinar atualizações de soluções.

    Observação: para assinar atualizações RSS, você deve ter um plug-in RSS habilitado para o navegador que está usando.  

    A implementação desta solução ajudou você?
    Fornecer feedback 
Vídeo
Resolução com soluções AWS: AWS ML Ops Framework
Voltar ao início 
Ícone Construir
Implante você mesmo uma solução

Explore nossa biblioteca de Implementações de soluções da AWS para obter respostas para problemas comuns de arquitetura.

Saiba mais 
Encontre um parceiro da APN
Encontre um parceiro da APN

Encontre parceiros de consultoria e tecnologia certificados pela AWS para ajudar você a começar.

Saiba mais 
Ícone Explorar
Explore ofertas de consultoria de soluções

Explore nosso portfólio de Ofertas de consultoria para obter ajuda aprovada pela AWS com a implantação de soluções.

Saiba mais