ทำไมต้องใช้การกำกับดูแล ML
Amazon SageMaker ได้มอบเครื่องมือการกำกับดูแลที่สร้างขึ้นตามวัตถุประสงค์เพื่อช่วยให้คุณใช้งาน ML อย่างมีความรับผิดชอบ ด้วย Amazon SageMaker Role Manager ผู้ดูแลระบบสามารถกำหนดสิทธิ์ขั้นต่ำได้ในไม่กี่นาที Amazon SageMaker Model Card ช่วยให้จับภาพ ดึงข้อมูล และแชร์ข้อมูลโมเดลที่จำเป็นได้ง่ายขึ้น เช่น การใช้งานตามวัตถุประสงค์ การจัดอันดับความเสี่ยง และรายละเอียดการฝึกฝน ตั้งแต่แนวคิดไปจนถึงการนำไปใช้จริง Amazon SageMaker Model Dashboard จะแจ้งให้คุณทราบเกี่ยวกับพฤติกรรมของแบบจำลองในการผลิต ทั้งหมดในที่เดียว การผสานรวมของ Amazon SageMaker และ Amazon DataZone ช่วยให้การเพิ่มประสิทธิภาพ ML และการกำกับดูแลข้อมูลทำได้ง่ายขึ้น
ประโยชน์ของการกำกับดูแล ML ของ SageMaker
ผสานการทำงานกับ Amazon DataZone
-
ตั้งค่าการควบคุมและการจัดเตรียม
-
ค้นหาและค้นพบแอสเซท
-
ใช้งานแอสเซท
-
เผยแพร่แอสเซท
-
ตั้งค่าการควบคุมและการจัดเตรียม
-
ผู้ดูแลระบบไอทีสามารถกำหนดการควบคุมโครงสร้างพื้นฐานและการอนุญาตเฉพาะสำหรับองค์กรของคุณและกรณีการใช้งานใน Amazon DataZone จากนั้นคุณสามารถสร้างสภาพแวดล้อม SageMaker ที่เหมาะสมได้จากการคลิกเพียงไม่กี่ครั้ง และสามารถเริ่มกระบวนการพัฒนาภายใน SageMaker Studio ได้
-
ค้นหาและค้นพบแอสเซท
-
ใน SageMaker Studio คุณจะสามารถค้นหาและค้นพบข้อมูลและแอสเซทของ ML ในแค็ตตาล็อกธุรกิจขององค์กรของคุณได้อย่างมีประสิทธิภาพ นอกจากนี้ คุณยังสามารถขอเข้าถึงแอสเซทที่อาจจำเป็นต้องใช้ในโปรเจกต์ของคุณได้จากการสมัครรับข้อมูล
-
ใช้งานแอสเซท
-
เมื่อคำขอการสมัครรับข้อมูลของคุณได้รับการอนุมัติแล้ว คุณก็จะสามารถใช้เนื้อหาที่สมัครรับข้อมูลไว้เหล่านี้ในงาน ML ได้ เช่น การเตรียมข้อมูล การฝึกโมเดล และกระบวนการสร้างฟีเจอร์ใหม่ภายใน SageMaker Studio โดยใช้ JupyterLab และ SageMaker Canvas
-
เผยแพร่แอสเซท
-
เมื่อทำงาน ML เสร็จแล้ว คุณสามารถเผยแพร่ข้อมูล โมเดล และกลุ่มคุณสมบัติไปยังแค็ตตาล็อกธุรกิจเพื่อการกำกับดูแลและการค้นพบได้โดยผู้ใช้รายอื่น
กำหนดสิทธิ์
ลดความซับซ้อนของสิทธิ์สำหรับกิจกรรม ML
SageMaker Role Manager มอบสิทธิ์พื้นฐานสำหรับกิจกรรม ML และบุคคลภาพผ่านแคตตาล็อกนโยบาย AWS Identity and Access Management (IAM) ที่สร้างไว้ล่วงหน้า กิจกรรม ML อาจรวมถึงการเตรียมข้อมูลและการฝึกฝน และบุคคลอาจรวมถึงวิศวกร ML และนักวิทยาศาสตร์ข้อมูล คุณสามารถคงสิทธิ์พื้นฐานเอาไว้หรือปรับแต่งเพิ่มเติมตามความต้องการเฉพาะของคุณ
![ผู้จัดการบทบาทที่ลดความซับซ้อนของสิทธิ์](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-1-role-manager-simplify-permissions.b5463f50341d1cfb8418394594045d3f3b5b0edf.png)
สร้างนโยบาย IAM โดยอัตโนมัติ
จากการใช้คำสั่งแนะนำด้วยตนเองเพียงไม่กี่คำสั่ง คุณสามารถป้อนโครงสร้างการกำกับดูแลทั่วไปได้อย่างรวดเร็ว เช่น ขอบเขตการเข้าถึงเครือข่ายและคีย์เข้ารหัส จากนั้น SageMaker Role Manager จะสร้างนโยบาย IAM โดยอัตโนมัติ คุณสามารถค้นหาบทบาทที่สร้างขึ้นและนโยบายที่เกี่ยวข้องผ่าน AWS IAM Console
แนบนโยบายที่มีการจัดการของคุณ
หากต้องการปรับแต่งสิทธิ์ให้เหมาะกับกรณีการใช้งานของคุณเพิ่มเติม ให้แนบนโยบาย IAM ที่มีการจัดการของคุณกับบทบาทใน IAM ที่คุณสร้างด้วย SageMaker Role Manager คุณยังสามารถเพิ่มแท็กเพื่อช่วยระบุและจัดระเบียบบทบาทในบริการต่างๆ ของ AWS ได้อีกด้วย
![แนบนโยบายที่มีการจัดการของคุณ](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-2-role-manager-attach-your-managed-policies.5953463bf17f976ffc7134951fc0e244ebe62760.png)
ปรับปรุงเอกสารประกอบ
จัดเก็บข้อมูลโมเดล
SageMaker Model Card เป็นที่เก็บสำหรับข้อมูลโมเดลใน Amazon SageMaker Console และช่วยคุณรวมศูนย์และกำหนดมาตรฐานเอกสารโมเดล เพื่อให้คุณปรับใช้ ML ได้อย่างมีความรับผิดชอบ คุณสามารถเติมรายละเอียดการฝึกอบรมโดยอัตโนมัติ เช่น ชุดข้อมูลอินพุต สภาพแวดล้อมการฝึกฝน และผลการฝึกฝน เพื่อเร่งกระบวนการจัดทำเอกสาร คุณยังสามารถเพิ่มรายละเอียดต่างๆ เช่น วัตถุประสงค์ของแบบจำลองและเป้าหมายด้านประสิทธิภาพ
![ข้อมูลโมเดลในคอนโซล Sagemaker](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-3-model-cards-capture-model-info.e873b601999865b2d5ac21f42167bd1eddc1498b.png)
แสดงภาพผลการประเมิน
คุณสามารถแนบผลการประเมินโมเดล เช่น ความเอนเอียงและตัววัดคุณภาพลงในการ์ดโมเดลของคุณ และเพิ่มการแสดงภาพ เช่น แผนภูมิ เพื่อรับข้อมูลเชิงลึกที่สำคัญเกี่ยวกับประสิทธิภาพของโมเดล
![แสดงภาพผลการประเมินด้วยโมเดลการ์ด](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-4-model-cards-visualize-evaluation-results.22b9bf05128ed542ef68ab97adc4e1c3f04fe750.png)
แบ่งปันโมเดลการ์ด
คุณสามารถส่งออกการ์ดโมเดลของคุณเป็นรูปแบบ PDF เพื่อแแบ่งปันกับผู้ถือผลประโยชน์ทางธุรกิจ ทีมภายใน หรือลูกค้าของคุณได้ง่ายขึ้น
การตรวจสอบโมเดล
ติดตามพฤติกรรมของโมเดล
SageMaker Model Dashboard ให้ภาพรวมที่ครอบคลุมของโมเดลที่นำไปใช้จริงและตำแหน่งข้อมูล เพื่อให้คุณสามารถติดตามทรัพยากรและการละเมิดพฤติกรรมของโมเดลได้ในที่เดียว คุณสามารถตรวจสอบพฤติกรรมของโมเดลในสี่มิติ ได้แก่ คุณภาพข้อมูล คุณภาพของโมเดล การเลื่อนความเอนเอียง และการเลื่อนการระบุแหล่งที่มาของคุณลักษณะ SageMaker Model Dashboard ตรวจสอบพฤติกรรมผ่านการผสานรวมกับ Amazon SageMaker Model Monitor และ Amazon SageMaker Clarify
![แดชบอร์ดโมเดล](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-6-model-dashboard-track-model-behavior.6b85b95bcb69a68f6657b291d80e8a3ec20b1d1f.png)
การแจ้งเตือนอัตโนมัติ
SageMaker Model Dashboard มอบประสบการณ์แบบบูรณาการในการตั้งค่าและรับการแจ้งเตือนสำหรับงานตรวจสอบโมเดลที่ขาดหายไปและไม่ได้ใช้งาน และความเบี่ยงเบนในพฤติกรรมของโมเดล
![การแจ้งเตือนอัตโนมัติ](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-7-model-dashboard-automate-alerts.77cd908b1b27516b73ea7a45611a210fb046f3a5.png)
แก้ไขปัญหาการเบี่ยงเบนของโมเดล
คุณสามารถตรวจสอบแต่ละโมเดลเพิ่มเติมและวิเคราะห์ปัจจัยที่ส่งผลต่อประสิทธิภาพของโมเดลเมื่อเวลาผ่านไป จากนั้นคุณสามารถติดตามผลกับผู้ปฏิบัติงาน ML เพื่อใช้มาตรการแก้ไขได้