Quản trị máy học bằng Amazon SageMaker

Đơn giản hóa quy trình kiểm soát truy cập và tăng cường tính minh bạch
Bắt đầu với Amazon SageMaker

Lý do cần quản trị máy học

Amazon SageMaker cung cấp các công cụ quản trị được xây dựng theo mục đích để giúp bạn triển khai máy học một cách có trách nhiệm. Với Trình quản lý vai trò của Amazon SageMaker, quản trị viên có thể xác định các quyền tối thiểu trong vài phút. Thẻ mẫu của Amazon SageMaker giúp việc thu thập, truy xuất và chia sẻ thông tin mẫu thiết yếu, chẳng hạn như mục đích sử dụng, xếp hạng rủi ro và chi tiết đào tạo, từ giai đoạn hình thành đến triển khai trở nên dễ dàng hơn. Bảng điều khiển mẫu của Amazon SageMaker giúp bạn cập nhật hành vi mẫu trong môi trường sản xuất, tất cả ở một nơi. Tích hợp Amazon SageMaker và Amazon DataZone giúp hợp lý hóa việc quản trị máy học và dữ liệu một cách dễ dàng hơn.

Lợi ích khi Quản trị máy học trên SageMaker

Cung cấp môi trường phát triển ML trong vài phút với các biện pháp kiểm soát bảo mật cấp doanh nghiệp để quản trị quyền truy cập vào ML và tài sản dữ liệu trong các dự án.
Tạo vai trò tùy chỉnh cho phép chuyên viên máy học (ML) bắt đầu làm việc với SageMaker nhanh hơn
Hợp lý hóa tài liệu về mẫu và xem các giả định, đặc điểm và tạo tác chính từ giai đoạn hình thành đến triển khai
Nhanh chóng kiểm tra và khắc phục sự cố hiệu suất cho tất cả các mẫu, điểm cuối và tác vụ giám sát mẫu thông qua một chế độ xem hợp nhất. Theo dõi độ lệch so với hành vi mẫu dự kiến, cũng như các tác vụ giám sát bị thiếu hoặc không hoạt động bằng tính năng cảnh báo tự động

Tích hợp với Amazon DataZone

  • Thiết lập biện pháp kiểm soát và cung cấp

  • Quản trị viên CNTT có thể xác định các biện pháp kiểm soát và quyền cơ sở hạ tầng cụ thể cho doanh nghiệp và trường hợp sử dụng của bạn trong Amazon DataZone. Sau đó, bạn có thể tạo một môi trường SageMaker thích hợp chỉ trong vài cú nhấp chuột và bắt đầu quá trình phát triển bên trong Studio SageMaker.

  • Tìm kiếm và khám phá tài nguyên

  • Trong Studio SageMaker, bạn có thể tìm kiếm và khám phá dữ liệu và tài nguyên ML một cách hiệu quả trong danh mục kinh doanh của tổ chức. Bạn cũng có thể yêu cầu quyền truy cập vào các tài nguyên mà bạn có thể cần sử dụng trong dự án của mình bằng cách đăng ký tài nguyên.

  • Sử dụng tài nguyên

  • Sau khi yêu cầu đăng ký của bạn được phê duyệt, bạn có thể sử dụng các tài nguyên đã đăng ký này trong các tác vụ ML như chuẩn bị dữ liệu, đào tạo mô hình và kỹ thuật lấy dữ liệu đặc trưng trong Studio SageMaker bằng cách sử dụng JupyterLab và SageMaker Canvas.

  • Xuất bản tài nguyên

  • Sau khi hoàn thành tác vụ ML, bạn có thể xuất bản dữ liệu, mô hình và nhóm đặc trưng vào danh mục doanh nghiệp để người dùng khác quản trị và khám phá.

Xác định quyền

Đơn giản hóa các quyền cho hoạt động ML

Trình quản lý vai trò của SageMaker cung cấp bộ cơ bản gồm các quyền dành cho hoạt động ML và danh tính thông qua danh mục các chính sách dựng sẵn của Quản lý danh tính và truy cập (IAM) trong AWS. Các hoạt động máy học có thể bao gồm đào tạo và chuẩn bị dữ liệu, đồng thời các danh tính có thể bao gồm kỹ sư máy học và nhà khoa học dữ liệu. Bạn có thể giữ các quyền cơ sở hoặc tùy chỉnh thêm dựa trên nhu cầu cụ thể.

trình quản lý vai trò đơn giản hóa các quyền

Tự động tạo chính sách IAM

Với một vài lời nhắc tự thực hiện, bạn có thể nhanh chóng nhập các cấu trúc quản trị phổ biến như ranh giới truy cập mạng và khóa mã hóa. Sau đó, Trình quản lý vai trò SageMaker sẽ tự động tạo chính sách IAM. Bạn có thể khám phá vai trò đã tạo và các chính sách liên quan thông qua bảng điều khiển AWS IAM.

Đính kèm các chính sách được quản lý

Để điều chỉnh thêm quyền cho trường hợp sử dụng, hãy đính kèm các chính sách IAM được quản lý với vai trò IAM mà bạn tạo bằng Trình quản lý vai trò của SageMaker. Bạn cũng có thể thêm thẻ để giúp xác định và sắp xếp vai trò trên các dịch vụ AWS.

đính kèm các chính sách được quản lý

Hợp lý hóa tài liệu

Thu thập thông tin về mẫu

Thẻ mẫu của SageMaker là kho lưu trữ thông tin về mẫu trong Bảng điều khiển Amazon SageMaker và giúp bạn tập trung cũng như chuẩn hóa tài liệu về mẫu nhằm triển khai máy học một cách có trách nhiệm. Bạn có thể tự động điền thông tin chi tiết đào tạo, chẳng hạn như tập dữ liệu đầu vào, môi trường đào tạo và kết quả đào tạo để đẩy nhanh quá trình lập tài liệu. Bạn cũng có thể thêm các chi tiết như mục đích của mẫu và mục tiêu hiệu suất.

thông tin mẫu trong bảng điều khiển sagemaker

Trực quan hóa kết quả đánh giá

Bạn có thể đính kèm các kết quả đánh giá mẫu, chẳng hạn như các chỉ số chất lượng và thiên kiến vào thẻ mẫu, đồng thời thêm các hình ảnh trực quan như biểu đồ để có được thông tin chuyên sâu quan trọng về hiệu suất của mẫu.

thẻ mẫu trực quan hóa kết quả đánh giá

Chia sẻ thẻ mẫu

Bạn có thể xuất các thẻ mẫu ra định dạng PDF để dễ dàng chia sẻ hơn với các bên kinh doanh liên quan, đội ngũ nội bộ hoặc khách hàng.

Giám sát mẫu

Theo dõi hành vi mẫu

Bảng điều khiển mẫu của SageMaker cung cấp cho bạn tổng quan toàn diện về các mẫu và điểm cuối được triển khai để bạn có thể theo dõi tài nguyên và vi phạm hành vi mẫu ở cùng một nơi. Bạn có thể giám sát hành vi mẫu theo bốn chiều: chất lượng dữ liệu, chất lượng mẫu, độ lệch thiên kiến và độ lệch thuộc tính tính năng. Bảng điều khiển mẫu SageMaker giám sát hành vi thông qua tích hợp với Trình giám sát mẫu của Amazon SageMaker và Amazon SageMaker Clarify.

bảng điều khiển mẫu

Tự động hóa cảnh báo

Bảng điều khiển mẫu SageMaker cung cấp trải nghiệm tích hợp để thiết lập và nhận cảnh báo cho các tác vụ giám sát mô hình bị thiếu và không hoạt động cũng như độ lệch trong hành vi mẫu.

Tự động hóa cảnh báo

Khắc phục sự cố độ lệch của mẫu

Bạn có thể kiểm tra thêm các mẫu riêng lẻ và phân tích các yếu tố ảnh hưởng đến hiệu suất của mẫu theo thời gian. Sau đó, bạn có thể phối hợp với chuyên viên máy học để thực hiện các biện pháp khắc phục.