Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Amazon SageMaker Pipelines ist ein speziell entwickelter Workflow-Orchestrierungsservice zur Automatisierung der Entwicklung von maschinellem Lernen (ML).
Pipelines bieten die folgenden Vorteile gegenüber anderen Workflow-Angeboten: AWS
Automatische Skalierung der serverlosen Infrastruktur Sie müssen die zugrunde liegende Orchestrierungsinfrastruktur nicht verwalten, um Pipelines auszuführen, sodass Sie sich auf die wichtigsten ML-Aufgaben konzentrieren können. SageMaker KI stellt die Rechenressourcen für die Pipeline-Orchestrierung automatisch bereit, skaliert und heruntergefahren, je nach Bedarf Ihrer ML-Arbeitslast.
Pipelines für ein intuitives Benutzererlebnis können über die Benutzeroberfläche Ihrer Wahl erstellt und verwaltet werden: Visual Editor APIs, SDK oder JSON. Sie können drag-and-drop die verschiedenen ML-Schritte zum Erstellen Ihrer Pipelines in der visuellen Oberfläche von Amazon SageMaker Studio ausführen. Der folgende Screenshot zeigt den visuellen Studio-Editor für Pipelines.
Wenn Sie es vorziehen, Ihre ML-Workflows programmgesteuert zu verwalten, bietet das SageMaker Python-SDK erweiterte Orchestrierungsfunktionen. Weitere Informationen finden Sie unter Amazon SageMaker Pipelines
AWS Integrationen Pipelines bieten eine nahtlose Integration mit allen SageMaker KI-Funktionen und anderen AWS Services zur Automatisierung von Datenverarbeitungs-, Modelltraining-, Feinabstimmungs-, Evaluierungs-, Bereitstellungs- und Überwachungsaufgaben. Sie können die SageMaker KI-Funktionen in Ihre Pipelines integrieren und mithilfe von Deep-Links zwischen ihnen navigieren, um Ihre ML-Workflows in großem Umfang zu erstellen, zu überwachen und zu debuggen.
Geringere Kosten Mit Pipelines zahlen Sie nur für die SageMaker Studio-Umgebung und die zugrunde liegenden Jobs, die von Pipelines orchestriert werden (z. B. SageMaker Training, SageMaker Verarbeitung, SageMaker KI Inference und Amazon S3 S3-Datenspeicher).
Überprüfbarkeit und Nachverfolgung der Herkunft Mit Pipelines können Sie den Verlauf Ihrer Daten während der Pipeline-Ausführung verfolgen. Amazon SageMaker ML Lineage Tracking hilft Ihnen bei der Analyse der Datenquellen und Datenverbraucher im end-to-end ML-Entwicklungszyklus.
