Amazon SageMaker AI ประกาศเปิดตัวความสามารถในการไม่ต้องใช้เซิร์ฟเวอร์ของ MLflow เพื่อให้พัฒนา AI ได้เร็วขึ้น
ตอนนี้ Amazon SageMaker AI นำเสนอความสามารถ MLflow แบบไม่ต้องใช้เซิร์ฟเวอร์ ซึ่งปรับขนาดได้แบบไดนามิกเพื่อรองรับงานพัฒนาโมเดล AI ด้วย MLflow, นักพัฒนา AI จึงเริ่มติดตาม เปรียบเทียบ และประเมินผลการทดลองได้โดยไม่ต้องรอการสร้างโครงสร้างพื้นฐาน
เนื่องจากลูกค้าในอุตสาหกรรมต่างก็เร่งการพัฒนา AI จึงต้องมีความสามารถติดตามการทดลอง สังเกตพฤติกรรม และประเมินประสิทธิภาพของโมเดล AI, แอปพลิเคชัน AI, และ AI Agent อย่างไรก็ตาม การจัดการโครงสร้างพื้นฐาน MLflow ต้องมีผู้ดูแลระบบเพื่อบำรุงรักษาและปรับขนาดเซิร์ฟเวอร์ระบบติดตามอย่างต่อเนื่อง ตัดสินใจวางแผนกำลังการผลิตที่ซับซ้อน และปรับใช้อินสแตนซ์แยกต่างหากสำหรับการแยกข้อมูล ภาระด้านโครงสร้างพื้นฐานนี้จะเบี่ยงเบนทรัพยากรให้ห่างไกลจากการพัฒนาแกนกลาง AI และจะสร้างคอขวดที่ส่งผลกระทบต่อผลิตภาพของทีมและประสิทธิภาพด้านต้นทุน
ด้วยการอัปเดตนี้, ทำให้ MLflow ปรับขนาดแบบไดนามิกได้แล้ว เพื่อมอบประสิทธิภาพที่รวดเร็วสำหรับงานพัฒนาโมเดลที่กำลังเป็นที่ต้องการและคาดเดาไม่ได้ จากนั้นจะลดขนาดลงในช่วงเวลาที่ไม่ได้ใช้งาน ผู้ดูแลระบบยังสามารถเพิ่มผลิตภาพได้โดยการตั้งค่าสิทธิ์เข้าถึงแบบข้ามบัญชีผ่าน Resource Access Manager (RAM) เพื่อลดความซับซ้อนในการทำงานร่วมกันข้ามขอบเขตขององค์กร
มีการนำเสนอความสามารถในการไม่ต้องใช้เซิร์ฟเวอร์ของ MLflow บน Amazon SageMaker AI โดยไม่มีค่าใช้จ่ายเพิ่มเติม และความสามารถนี้จะทำงานโดยพื้นฐานร่วมกับความสามารถในการพัฒนาโมเดล Amazon SageMaker AI ที่คุ้นเคย เช่น SageMaker AI JumpStart, ระเบียนโมเดล SageMaker และ SageMaker Pipeline ลูกค้าสามารถเข้าถึง MLflow เวอร์ชันล่าสุดบน Amazon SageMaker AI ด้วยการอัปเดตเวอร์ชันอัตโนมัติ
Amazon SageMaker AI พร้อมทั้ง MLflow พร้อมให้บริการใน AWS Region ที่เลือกไว้แล้ว หากต้องการเรียนรู้เพิ่มเติม โปรดดูที่คู่มือผู้ใช้ Amazon SageMaker AI และบล็อกข่าว AWS