- Amazon SageMaker ›
- การกำกับดูแลข้อมูลและ AI ของ Amazon SageMaker›
- คำถามที่พบบ่อย
คำถามที่พบบ่อยเกี่ยวกับการกำกับดูแลข้อมูลและ AI ของ Amazon SageMaker
Page Topics
การกำกับดูแลข้อมูลและ AIการกำกับดูแลข้อมูลและ AI
การกำกับดูแลข้อมูลและ AI ใน Amazon SageMaker คืออะไร
Amazon SageMaker รุ่นใหม่ช่วยลดความยุ่งยากในการสำรวจ การกำกับดูแล และการทำงานร่วมกันสำหรับข้อมูลและ AI ใน Lakehouse โมเดล AI และแอปพลิเคชันของคุณ ด้วย Amazon SageMaker Catalog ซึ่งสร้างขึ้นจาก Amazon DataZone ผู้ใช้สามารถค้นพบและเข้าถึงข้อมูลและโมเดลที่ได้รับการอนุมัติได้อย่างปลอดภัยโดยใช้การค้นหาเชิงความหมายด้วยข้อมูลเมตาที่สร้างขึ้นโดย AI ช่วยสร้าง หรือคุณสามารถขอให้ Q Developer ด้วยภาษาธรรมชาติค้นหาข้อมูลของคุณ ผู้ใช้สามารถกำหนดและบังคับใช้นโยบายการเข้าถึงได้อย่างสม่ำเสมอโดยใช้โมเดลการอนุญาตเพียงหนึ่งเดียว พร้อมการควบคุมการเข้าถึงแบบละเอียดใน SageMaker Unified Studio (เวอร์ชันทดลองใช้) แชร์และทำงานร่วมกันกับข้อมูลและแอสเซท AI ได้อย่างราบรื่นผ่านเวิร์กโฟลว์การเผยแพร่และสมัครรับข้อมูลที่ง่ายดาย ด้วย Amazon SageMaker คุณสามารถปกป้องและคุ้มครองโมเดล AI ของคุณโดยใช้ Amazon Bedrock guardrails และนำนโยบาย AI ที่มีความรับผิดชอบมาใช้ สร้างความไว้วางใจในองค์กรของคุณด้วยการตรวจสอบคุณภาพข้อมูลและระบบอัตโนมัติ การตรวจจับข้อมูลที่ละเอียดอ่อน ตลอดจนการติดตามที่มาของข้อมูลและ ML
ฉันจะโต้ตอบกับ Amazon SageMaker Catalog ได้อย่างไร
คุณสามารถเข้าถึงแค็ตตาล็อก SageMaker ผ่าน Amazon SageMaker Unified Studio (เวอร์ชันทดลองใช้) ซึ่งเป็นสภาพแวดล้อมเดียวสำหรับการพัฒนาข้อมูลและ AI SageMaker Catalog มี API ที่ได้รับการเผยแพร่พร้อมแนวทางการใช้ API ของ Amazon DataZone ที่มีอยู่ เพื่อตั้งค่า กำหนดค่า หรือผสานรวมกับกระบวนการที่มีอยู่
ปัญหาสำคัญที่แก้ไขได้มีอะไรบ้าง
- ความยากลำบากในการค้นหาและแบ่งปันข้อมูลข้ามทีม: ผู้ผลิตและผู้บริโภคข้อมูลมักเผชิญกับความท้าทายในการค้นหาและแบ่งปันชุดข้อมูลที่เกี่ยวข้องอย่างรวดเร็วทั่วทั้งองค์กร ความไม่มีประสิทธิภาพนี้ทำให้เสียเวลาในการค้นหาข้อมูลและจำกัดการทำงานร่วมกัน
- ขาดความเชื่อมั่นในคุณภาพข้อมูลและผลลัพธ์ของโมเดล AI: องค์กรต่าง ๆ ประสบปัญหาในการเชื่อมั่นในคุณภาพของข้อมูลและความแม่นยำของผลลัพธ์ของโมเดล AI เนื่องจากขาดการมองเห็นต้นกำเนิด คุณภาพ และรูปแบบการเข้าถึงข้อมูล
- การเข้าถึงข้อมูลที่ไม่สอดคล้องและการละเมิดความเป็นส่วนตัว: องค์กรต่าง ๆ ประสบปัญหาในการบังคับใช้หลักเกณฑ์การเข้าถึงข้อมูลที่สอดคล้องกัน ซึ่งนำไปสู่การเข้าถึงข้อมูลที่ละเอียดอ่อนโดยไม่ได้รับอนุญาต
- ความยากลำบากในการรักษาการปฏิบัติตามกฎระเบียบและนโยบายภายใน: องค์กรพบว่าการรักษาการปฏิบัติตามกฎระเบียบและการยึดมั่นในนโยบายภายในเป็นเรื่องท้าทาย เนื่องจากขาดเครื่องมือตรวจสอบและตรวจสอบที่ครอบคลุม
ประโยชน์สูงสุดมีอะไรบ้าง
การกำกับดูแลข้อมูลและ AI ของ Amazon ใน Amazon SageMaker ช่วยทีมข้อมูลในเรื่อง:
- การค้นพบและความร่วมมือด้านข้อมูลที่เร็วขึ้น: ผู้ใช้สามารถค้นหาและแบ่งปันข้อมูลที่เกี่ยวข้องทั่วทั้งองค์กรได้อย่างรวดเร็ว ซึ่งลดเวลาที่ใช้ในการค้นหาข้อมูลและส่งเสริมการทำงานเป็นทีม
- ความน่าเชื่อถือที่เพิ่มขึ้นผ่านสายงานและคุณภาพ: การติดตามต้นกำเนิดของข้อมูลและการปรับปรุงคุณภาพข้อมูลเพื่อเพิ่มความมั่นใจในการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลและผลลัพธ์ของโมเดล AI
- การรักษาความปลอดภัยของข้อมูลและโมเดล AI ที่ได้รับการปรับปรุง: การรักษาความปลอดภัยของข้อมูลและโมเดลโดยอนุญาตให้เข้าถึงได้ผ่านโปรเจกต์เท่านั้น ทำให้มั่นใจได้ว่าเฉพาะผู้ที่ได้รับอนุญาตให้เห็นแอสเซทในโปรเจกต์เท่านั้นที่สามารถเข้าถึงได้ ซึ่งช่วยรักษามาตรฐานความปลอดภัยและความเป็นส่วนตัว
- ลดความเสี่ยงทางธุรกิจและการปฏิบัติตามกฎระเบียบที่ดีขึ้น: การบันทึกกิจกรรมช่วยให้องค์กรสอดคล้องกับกฎระเบียบของอุตสาหกรรมและนโยบายภายในอ ซึ่งช่วยลดความเสี่ยงขององค์กร
กรณีการใช้งานที่สำคัญมีอะไรบ้าง
- ปลดล็อกประสิทธิภาพการทำงานของธุรกิจด้วยการค้นหาและค้นพบแอสเซท: ค้นหาและค้นพบข้อมูลและเนื้อหา AI เพื่อเพิ่มพลังให้กับทีม ลดเวลาที่ใช้ในการค้นหาแอสเซทที่สำคัญ และขับเคลื่อนการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลได้เร็วขึ้น
- การจัดการนโยบายการเข้าถึงข้อมูลแบบรวมศูนย์: กำหนดและจัดการกฎการเข้าถึงข้อมูลจากจุดเดียว นำไปสู่การใช้งานที่สอดคล้องกันในบริการต่าง ๆ ของ AWS และสภาพแวดล้อมของบุคคลที่สาม
- การเสริมสร้างข้อมูลด้วยบริบทและการจำแนกประเภทธุรกิจ: เพิ่มข้อมูลเมตาและการจัดหมวดหมู่ให้กับชุดข้อมูล ทำให้ผู้ใช้สามารถเข้าใจความเกี่ยวข้องของข้อมูลและการนำไปใช้กับความต้องการทางธุรกิจที่เฉพาะเจาะจงง่ายขึ้น
- บันทึกกิจกรรมสำหรับผู้ใช้และระบบ: ตรวจสอบและบันทึกการโต้ตอบกับข้อมูลและระบบ AI เพื่อให้สามารถมองเห็นรูปแบบการใช้งานและปัญหาด้านความปลอดภัยที่อาจเกิดขึ้น
- การนำหลักเกณฑ์การกำกับดูแลข้อมูลไปใช้กับ AI/ML: ขยายหลักเกณฑ์การกำกับดูแลข้อมูลไปยังกระบวนการ AI และแมชชีนเลิร์นนิง เพื่อให้แน่ใจว่ามีเพียงข้อมูลที่ได้รับอนุมัติเท่านั้นที่จะถูกนำไปใช้ในการฝึกโมเดล และระบบ AI ปฏิบัติตามสิทธิ์และแนวทางจริยธรรมที่กำหนดไว้
ความสัมพันธ์ระหว่าง Amazon SageMaker Catalog และ Amazon DataZone คืออะไร
Amazon SageMaker Catalog สร้างขึ้นบน Amazon DataZone ซึ่งมอบความสามารถในการกำกับดูแลเดียวกันในประสบการณ์ผู้ใช้แบบครบวงจร ประสบการณ์การใช้งาน Amazon DataZone ยังคงอยู่ เพื่อให้ลูกค้า Amazon DataZone เดิมสามารถใช้งานอินเทอร์เฟซที่คุ้นเคยได้ หากต้องการ
โมเดลการกำหนดราคาสำหรับข้อมูล Amazon SageMaker Data และ AI Governance เป็นอย่างไร
รายละเอียดการกำหนดราคาสามารถดูได้ที่นี่: https://aws.amazon.com/datazone/pricing/