Управление машинным обучением с помощью Amazon SageMaker

Упрощение контроля доступа и повышение прозрачности
Начать работу с Amazon SageMaker

Преимущества управления машинным обучением

Amazon SageMaker предоставляет специально разработанные инструменты управления, которые помогут вам ответственно подойти к внедрению машинного обучения. С помощью Amazon SageMaker Role Manager администраторы могут определить минимальные разрешения за считаные минуты. Amazon SageMaker Model Cards упрощает сбор, получение важной информации о модели и обмен ею, например целевое использование, рейтинги риска и подробности обучения, от концепции до развертывания. Amazon SageMaker Model Dashboard позволяет получать информацию о поведении модели в производстве в одном месте. Интеграция Amazon SageMaker и Amazon DataZone упрощает оптимизацию машинного обучения и управления данными.

Преимущества управления машинным обучением в Amazon SageMaker

Выделяйте среды разработки на базе машинного обучения в считанные минуты, используя средства корпоративной защиты для управления доступом к машинному обучению и активам данных в проектах.
Создавайте специализированные роли, которые позволят специалистам по машинному обучению быстрее начать работу с SageMaker
Оптимизируйте документирование модели и обеспечьте видимость ключевых предположений, характеристик и артефактов с момента разработки до развертывания
Быстро проводите аудит и устраняйте неполадки в работе всех моделей, конечных точек и заданий мониторинга моделей с помощью единого представления. Отслеживайте отклонения от ожидаемого поведения модели, а также отсутствующие или неактивные задания мониторинга с помощью автоматических оповещений

Интеграция с Amazon DataZone

  • Настройка элементов управления и публикация

  • ИТ-администраторы могут определить элементы управления для инфраструктуры и разрешения с учетом требований организации и сценария использования в Amazon DataZone. Затем вы можете всего за несколько кликов создать подходящую среду SageMaker и начать процесс разработки в SageMaker Studio.

  • Поиск и обнаружение ресурсов

  • В SageMaker Studio вы можете эффективно искать и обнаруживать ресурсы данных и машинного обучения, используя бизнес-каталог организации. Вы также можете запросить доступ к ресурсам, которые могут быть полезны для проекта, подписавшись на них.

  • Использование ресурсов

  • Когда будет одобрен запрос на подписку, вы сможете использовать эти ресурсы в задачах машинного обучения, например для подготовки данных, обучения моделей и конструирования признаков в SageMaker Studio с помощью JupyterLab и SageMaker Canvas.

  • Публикация ресурсов

  • Завершив выполнение задач машинного обучения, вы можете опубликовать данные, модели и группы функций в бизнес-каталоге, где вам будет удобно управлять ими, а другие пользователи смогут их обнаружить.

Определение разрешений

Упрощение разрешений для работы с машинным обучением

SageMaker Role Manager предоставляет базовый набор разрешений для операций машинного обучения и персон с каталогом предварительно созданных политик управления идентификацией и доступом (IAM). Действия машинного обучения могут включать подготовку данных и обучение, а персоны могут включать инженеров машинного обучения и специалистов по анализу данных. Вы можете сохранить базовые разрешения или настроить их в соответствии с вашими конкретными потребностями.

менеджер ролей, упрощающий разрешения

Автоматизируйте создание политик IAM

С помощью нескольких подсказок вы сможете быстро ввести такие общие элементы управления, как границы доступа к сети и ключи шифрования. Затем SageMaker Role Manager автоматически создаст политику IAM. Вы можете обнаружить созданную роль и связанные с ней политики через консоль AWS IAM.

Прикрепите свои управляемые политики

Чтобы еще больше адаптировать разрешения к вашему сценарию использования, прикрепите управляемые политики IAM к роли IAM, которую вы создаете с помощью SageMaker Role Manager. Вы также можете добавить теги, которые помогут идентифицировать и упорядочить роли в сервисах AWS.

прикрепите управляемые политики

Оптимизация документирования

Собирайте информацию о модели

SageMaker Model Cards – это хранилище информации о модели в консоли Amazon SageMaker, которое помогает централизовать и стандартизировать документацию модели, чтобы вы могли ответственно внедрять машинное обучение. Для ускорения процесса документирования можно автоматически заполнять такие детали обучения, как наборы входных данных, среды обучения и результаты обучения. Вы также можете добавить такие детали, как цель модели и цели производительности.

информация о модели в консоли amazon sagemaker

Визуализируйте результаты оценки

Вы можете прикрепить результаты оценки модели, такие как показатели погрешности и качества, к карточке модели и добавить визуализации, такие как графики, чтобы получить ключевые сведения о производительности модели.

карты моделей визуализируют результаты оценки

Обменивайтесь карточками моделей

Вы можете экспортировать карточки моделей в формат PDF для более удобного обмена ими с заинтересованными сторонами, внутренними командами или клиентами.