ขณะนี้ ระเบียนโมเดลของ Amazon SageMaker รองรับการกำหนดขั้นตอนวงจรชีวิตของโมเดลแมชชีนเลิร์นนิงแล้ว
วันนี้ เรารู้สึกตื่นเต้นที่จะประกาศว่า ขณะนี้ ระเบียนโมเดลของ Amazon SageMaker รองรับขั้นตอนวงจรชีวิตของโมเดลแมชชีนเลิร์นนิง (ML) แบบกำหนดเองแล้ว ความสามารถนี้จะช่วยปรับปรุงการกำกับดูแลโมเดล โดยช่วยให้นักวิทยาศาสตร์ข้อมูลและวิศวกร ML สามารถกำหนดและควบคุมความคืบหน้าของโมเดลในขั้นตอนต่าง ๆ ตั้งแต่การพัฒนาไปจนถึงการผลิต
ลูกค้าสามารถใช้ระเบียนโมเดลของ Amazon SageMaker เป็นพื้นที่เก็บข้อมูลเมตาที่สร้างตามวัตถุประสงค์ เพื่อจัดการวงจรชีวิตทั้งหมดของโมเดล ML ด้วยการเปิดใช้บริการครั้งนี้ นักวิทยาศาสตร์ข้อมูลและวิศวกร ML สามารถกำหนดขั้นตอนเอง เช่น การพัฒนา การทดสอบ และการผลิต สำหรับโมเดล ML ในระเบียนโมเดล จึงทำให้ติดตามและจัดการโมเดลได้ง่าย ในขณะที่เปลี่ยนผ่านขั้นตอนต่าง ๆ ในวงจรชีวิตของโมเดล ตั้งแต่การฝึกไปจนถึงการอนุมาน นอกจากนี้ ยังสามารถติดตามสถานะการอนุมัติขั้นตอน เช่น รอการอนุมัติ อนุมัติแล้ว และปฏิเสธ เพื่อตรวจสอบว่าโมเดลพร้อมที่จะย้ายไปยังขั้นตอนถัดไปเมื่อใด ขั้นตอนแบบกำหนดเองและสถานะการอนุมัติเหล่านี้ช่วยให้นักวิทยาศาสตร์ข้อมูลและวิศวกร ML สามารถกำหนดและบังคับใช้เวิร์กโฟลว์การอนุมัติโมเดล เพื่อให้มั่นใจว่าโมเดลตรงตามเกณฑ์เฉพาะก่อนที่จะไปสู่ขั้นตอนถัดไป ลูกค้าสามารถปรับใช้ขั้นตอนแบบกำหนดเองและกระบวนการอนุมัติเหล่านี้ เพื่อสร้างมาตรฐานแนวทางปฏิบัติในการกำกับดูแลโมเดลทั่วทั้งองค์กร ควบคุมดูแลความคืบหน้าของโมเดลให้ดีขึ้น และรับประกันว่ามีเฉพาะโมเดลที่ได้รับอนุมัติเท่านั้นที่เข้าถึงสภาพแวดล้อมการผลิต
ความสามารถนี้พร้อมใช้งานใน AWS Region ทุกแห่งที่มีระเบียนโมเดลของ Amazon SageMaker ให้บริการในขณะนี้ ยกเว้นรีเจี้ยน GovCloud โปรดดูโครงสร้างการกำหนดขั้นตอนสำหรับวงจรชีวิตโมเดล เพื่อเรียนรู้เพิ่มเติม