Orquestrador de workloads MLOps

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

A solução de orquestrador de workloads MLOps ajuda a simplificar e aplicar as práticas recomendadas de arquitetura para a produção de modelos de machine learning (ML). Essa solução é um framework extensível que fornece uma interface padrão para gerenciar pipelines de ML para serviços de ML da AWS e de terceiros. O modelo da solução permite que os clientes:

  • Treinem modelos
  • Façam upload de seus modelos treinados (também conhecido como «traga seu próprio modelo», ou BYOM na siga em inglês)
  • Configurem a orquestração do pipeline
  • 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.
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. Forneça um endpoint de inferência com detecção de desvio de modelos empacotada como um microsserviço sem servidor.
Visualize seus recursos em um painel

Use o painel do Amazon SageMaker Model para visualizar seus recursos do Amazon SageMaker criados pela solução (como modelos, endpoints, cartões de modelo e trabalhos de transformação em lote).

Detalhes técnicos

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 cargas de trabalho seguros e disponíveis para 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 
Sobre esta implantação
Versão
2.1.0
Lançamento
11/2022
Autor
AWS
Tempo estimado de implantação
3 minutos
Custo estimado
Código-fonte  Modelos de CloudFormation  Inscreva-se no feed RSS 
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 solução da AWS ajudou você?
Fornecer feedback