MLOps 工作負載協調器

部署採用受管自動化工具和 ML 服務的穩固管道,以簡化 ML 模型開發與生產

概觀

MLOps 工作負載協調器解決方案可協助您針對機器學習 (ML) 模型生產精簡和強制執行架構最佳實務。此解決方案是一種可擴展的架構,可提供標準介面,用於管理 AWS 機器學習 (ML) 服務和第三方服務的機器學習 (ML) 管道。該解決方案的範本允許客戶:

  • 訓練模型
  • 上傳其已訓練的模型 (亦即自備模型 [BYOM])
  • 設定管道協調
  • 監控管道運作

此解決方案允許您的團隊大規模重複成功的流程,從而提升他們的敏捷性和效率。

 

優勢

利用預先設定的機器學習管道
透過 API 叫用或 Git 儲存庫,使用解決方案的參考架構初始化預先設定的管道。
自動部署訓練的模型和推論端點
使用解決方案的架構,將模型監控管道或 Amazon SageMaker BYOM 管道自動化。透過封裝為無伺服器微服務的模型偏離偵測提供推論端點。
在儀表板中檢視您的資源

使用 Amazon SageMaker Model Dashboard 來檢視由您的解決方案建立的 Amazon SageMaker 資源 (例如,模型、端點、模型卡和批次轉換任務)。

技術詳細資訊

為了支援多個使用案例和業務需求,該解決方案提供了兩個 AWS CloudFormation 範本:

  1. 使用單一帳戶範本在相同 AWS 帳戶中部署所有解決方案的管道。此選項適用於實驗、開發和/或小規模生產工作負載。
  2. 使用多帳戶範本跨不同的 AWS 帳戶佈建多個環境 (例如,開發、暫存和生產),這可改善管控及提高 ML 管道部署的安全和控制,提供安全的實驗和更快的創新,並保持生產資料和工作負載的安全性和可用性,以確保業務持續性。
  • 選項 1 – 單一帳戶部署
  • 選項 2 – 多帳戶部署
案例研究
Cognizant 的 MLOps 模型生命週期協調器利用 AWS 解決方案加快機器學習模型部署,所需時間從幾周縮短到數個小時

透過與 AWS 合作夥伴解決方案架構師及 AWS 解決方案程式庫團隊合作,Cognizant 在 MLOps 工作負載協調器解決方案的基礎上建立了他們的 MLOps 模型生命週期協調器解決方案。

閱讀使用案例 
適用於此 AWS 解決方案的使用案例
機器學習操作 ML Ops 和基礎設施
關於此部署
版本
2.1.0
發行時間
2022 年 11 月
作者
AWS
預估部署時間
3 分鐘
預估成本
原始程式碼  CloudFormation 範本  訂閱 RSS 摘要 
部署選項
準備好開始使用了嗎?
在您的 AWS Console 中啟動以部署此解決方案

需要更多協助嗎? 與合作夥伴合作執行部署。
找到 AWS 認證的第三方專家以協助此部署
此 AWS 解決方案對您有幫助嗎?
提供意見回饋