Quản trị máy học bằng Amazon SageMaker
Đơn giản hóa quy trình kiểm soát truy cập và tăng cường tính minh bạch
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.
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.
Xem video này để tìm hiểu cách cải thiện khả năng hiển thị trong mô hình ML của bạn với SageMaker.
Cách thức hoạt động
Quản trị máy học bằng Amazon SageMaker sử dụng Trình quản lý vai trò của SageMaker, Thẻ mẫu của SageMaker và Bảng điều khiển mẫu của SageMaker để giúp bạn đơn giản hóa biện pháp kiểm soát truy cập và nâng cao tính minh bạch đối với các dự án máy học.
Amazon SageMaker bao gồm ba tính năng quản trị máy học chính: Trình quản lý vai trò của Amazon SageMaker, Thẻ mẫu của Amazon SageMaker và Bảng điều khiển mẫu của Amazon SageMaker. Phần đầu tiên của sơ đồ có tiêu đề “Quản trị máy học bằng Amazon SageMaker”. Nội dung phần mô tả: "Đơn giản hóa biện pháp kiểm soát truy cập và nâng cao tính minh bạch đối với các dự án máy học".
Phần thứ hai hiển thị quy trình tích hợp, bao gồm Trình quản lý vai trò của SageMaker. Trình quản lý vai trò của SageMaker xác định các quyền tối thiểu trong vài phút bằng cách đơn giản hóa thao tác thiết lập quyền cho các tác vụ máy học và tự động tạo các chính sách IAM tùy chỉnh.
Phần thứ ba là một phần của vòng đời mẫu, bao gồm quá trình chuẩn bị, dựng, đào tạo, triển khai và giám sát mẫu. Với Thẻ mẫu của SageMaker, bạn có thể tập trung và chuẩn hóa tài liệu mẫu, tự động điền chi tiết mẫu và xuất ra PDF. Với Bảng điều khiển mẫu của SageMaker, bạn có thể theo dõi hiệu suất của mẫu thông qua chế độ xem hợp nhất, truy cập thông tin chuyên sâu về mẫu ở một nơi và nhận thông báo tích hợp.
Thẻ mẫu của SageMaker và Bảng điều khiển mẫu của SageMaker được tích hợp với Trình giám sát mẫu của Amazon SageMaker mà bạn có thể sử dụng để theo dõi sự sai lệch của mẫu và Amazon SageMaker Clarify giúp bạn phát hiện thiên kiến và giải thích hành vi của mẫu.
Tính năng chính
Xác định các quyền tối thiểu trong vài phút với Trình quản lý vai trò của SageMaker
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.
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.
Hợp lý hóa tài liệu về mẫu với Thẻ mẫu của SageMaker
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.
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.
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 hợp nhất với Bảng điều khiển mẫu của SageMaker
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.
Xếp hạng rủi ro hiển thị ở trên chỉ nhằm mục đích minh họa và có thể thay đổi dựa trên thông tin đầu vào do bạn cung cấp.
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.
Xếp hạng rủi ro hiển thị ở trên chỉ nhằm mục đích minh họa và có thể thay đổi dựa trên thông tin đầu vào do bạn cung cấp.
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.
Khách hàng
“Tại United Airlines, chúng tôi sử dụng công nghệ máy học (ML) để cải thiện trải nghiệm của khách hàng bằng cách mang đến các ưu đãi phù hợp với cá nhân, giúp khách hàng sẵn sàng thông qua Trung tâm sẵn sàng du lịch. Việc ứng dụng máy học của chúng tôi cũng mở rộng sang các hoạt động tại sân bay, lập kế hoạch mạng, lên lịch trình chuyến bay. Khi chúng tôi vượt qua đại dịch, Amazon SageMaker đã đóng vai trò quan trọng trong Trung tâm sẵn sàng du lịch, cho phép chúng tôi xử lý khối lượng lớn các chứng chỉ xét nghiệm COVID và thẻ vắc xin bằng phương pháp tự động hóa mẫu dựa trên tài liệu. Với khả năng quản trị mới của Amazon SageMaker, chúng tôi đã tăng khả năng kiểm soát và hiển thị đối với các mô hình máy học. Trình quản lý vai trò của SageMaker đơn giản hóa đáng kể quy trình thiết lập người dùng bằng cách cấp quyền cơ sở và hoạt động máy học cho từng danh tính được liên kết với các vai trò IAM. Với Thẻ mẫu của SageMaker, đội ngũ của chúng tôi có thể chủ động thu thập và chia sẻ thông tin mẫu để xem xét và chúng tôi có thể sử dụng Bảng điều khiển mẫu SageMaker để tìm kiếm và xem các mẫu được triển khai trên MARS – nền tảng máy học nội bộ. Với tất cả các khả năng quản trị mới này, chúng tôi đang tiết kiệm đáng kể thời gian và có thể tăng quy mô theo tài nguyên.”
Ashok Srinivas, Giám đốc vận hành và kỹ thuật máy học, United Airlines
“Tại Capitec, chúng tôi có nhiều nhà khoa học dữ liệu trong các dòng sản phẩm, xây dựng các giải pháp máy học khác nhau. Các kỹ sư máy học của chúng tôi quản lý một nền tảng tạo mẫu tập trung được xây dựng trên Amazon SageMaker để hỗ trợ phát triển và triển khai tất cả các giải pháp máy học này. Không có bất kỳ công cụ tích hợp nào, việc theo dõi các nỗ lực tạo mẫu thường dẫn đến tài liệu rời rạc và thiếu khả năng hiển thị mẫu. Với Thẻ mẫu của SageMaker, chúng tôi có thể theo dõi nhiều siêu dữ liệu mẫu trong một môi trường hợp nhất và Bảng điều khiển mẫu SageMaker giúp chúng tôi thấy hiệu suất của từng mẫu. Ngoài ra, Trình quản lý vai trò của SageMaker cũng đơn giản hóa quy trình quản lý quyền truy cập cho nhà khoa học dữ liệu trong các dòng sản phẩm khác nhau của chúng tôi. Từng yếu tố này đóng góp vào năng lực quản trị mẫu của chúng tôi để đảm bảo xứng đáng với niềm tin mà khách hàng đặt vào chúng tôi với tư cách là nhà cung cấp dịch vụ tài chính.”
Dean Matter, Kỹ sư máy học, Ngân hàng Capitec
Tài nguyên
Xem tài liệu kỹ thuật để tìm hiểu cách sử dụng các tính năng quản trị ML của SageMaker.
Đẩy nhanh tốc độ tích hợp công cụ quản trị với khối lượng công việc máy học.
Buổi "Tăng cường khả năng quản lý máy học nhờ kiểm soát sâu và minh bạch trong SageMaker” từ AWS re:Invent 2022.
Xác định các quyền tùy chỉnh chỉ trong ít phút với Trình quản lý vai trò của Amazon SageMaker.