Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Important
Depuis le 30 novembre 2023, l'expérience Amazon SageMaker Studio précédente s'appelle désormais Amazon SageMaker Studio Classic. La section suivante est spécifique à l'utilisation de l'application Studio Classic. Pour plus d'informations sur l'utilisation de l'expérience Studio mise à jour, consultezAmazon SageMaker Studio.
Amazon SageMaker ML Lineage Tracking crée et stocke des informations sur les étapes d'un flux de travail d'apprentissage automatique (ML), de la préparation des données au déploiement du modèle. Grâce aux informations de suivi, vous pouvez reproduire les étapes du flux, suivre la lignée du modèle et du jeu de données, mais aussi établir des normes de gouvernance et d'audit des modèles.
SageMaker La fonction de suivi du lignage de l'IA fonctionne dans le backend pour suivre toutes les métadonnées associées aux flux de travail de formation et de déploiement de vos modèles. Cela comprend vos tâches d'entraînement, les jeux de données utilisés, les pipelines, les points de terminaison et les modèles réels. Vous pouvez interroger le service de lignage à tout moment pour trouver les artefacts exacts utilisés pour l'entraînement d'un modèle. À l'aide de ces artefacts, vous pouvez recréer le même flux de travail ML pour reproduire le modèle, pour autant que vous ayez accès au jeu de données exact qui a été utilisé. Une composante d'essai permet de suivre la tâche d'entraînement. Ce composant d'essai comporte tous les paramètres utilisés dans le cadre de la tâche d'entraînement. Si vous n'avez pas besoin de réexécuter l'ensemble du flux de travail, vous pouvez reproduire la tâche d'entraînement pour obtenir le même modèle.
Grâce à SageMaker AI Lineage Tracking, les data scientists et les modélisateurs peuvent effectuer les opérations suivantes :
-
Conserver un historique d'exécution des expériences de découverte de modèles.
-
Établir une gouvernance de modèle en suivant les artefacts de lignée de modèle pour l'audit et la vérification de la conformité.
Le schéma suivant montre un exemple de graphe de lignage qu'Amazon SageMaker AI crée automatiquement dans un flux de travail ML de formation et de déploiement de end-to-end modèles.
Rubriques
