Реестр моделей Amazon SageMaker теперь поддерживает определение этапов жизненного цикла модели машинного обучения
Сегодня мы рады сообщить, что Реестр моделей Amazon SageMaker теперь поддерживает этапы жизненного цикла специализированных моделей машинного обучения (ML). Эта возможность еще больше улучшает управление моделями, позволяя специалистам по обработке и анализу данных и инженерам машинного обучения определять и контролировать развитие своих моделей на различных этапах – от разработки до производственной среды.
Клиенты используют Реестр моделей Amazon SageMaker в качестве специализированного хранилища метаданных для управления всем жизненным циклом моделей машинного обучения. Благодаря этому запуску специалисты по обработке и анализу данных и инженеры машинного обучения теперь могут определять собственные этапы, такие как разработка, тестирование и выпуск в производственную среду моделей машинного обучения в реестре моделей. Это упрощает отслеживание моделей и управление ими при их переходе на разные этапы жизненного цикла модели от обучения к выводу. Они также могут отслеживать статус утверждения на этапе, например «Ожидает утверждения», «Утверждено» и «Отклонено», чтобы проверить, готова ли модель к переходу на следующий этап. Эти собственные этапы и статус утверждения помогают специалистам по обработке и анализу данных и инженерам машинного обучения определять и применять рабочие процессы утверждения моделей, обеспечивая соответствие моделей определенным критериям перед переходом к следующему этапу. Внедряя эти собственные этапы и процессы утверждения, клиенты могут стандартизировать свои методы управления моделями в организации, лучше контролировать развитие моделей и обеспечивать попадание в производственную среду только утвержденных моделей.
Эта возможность доступна во всех регионах AWS, где в настоящее время доступен Реестр моделей Amazon SageMaker, кроме регионов GovCloud. Дополнительные сведения см. на странице Разработка этапов конструирования жизненного цикла модели.