Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

Modèle de carte FAQs

Mode de mise au point
Modèle de carte FAQs - Amazon SageMaker AI

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.

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.

Consultez les éléments de FAQ suivants pour obtenir des réponses aux questions fréquemment posées sur Amazon SageMaker Model Card.

R. Vous pouvez utiliser des modèles pour diverses applications professionnelles, qu'il s'agisse de prévoir les cyberattaques, d'approuver les demandes de prêt ou de détecter la catégorie d'un e-mail. Chacune de ces applications est liée à un niveau de risque différent. Par exemple, la détection incorrecte d'une cyberattaque a un impact commercial bien plus important que la classification incorrecte d'un e-mail. Compte tenu de la diversité des profils de risque d'un modèle, vous pouvez utiliser les fiches modèles pour fournir une évaluation de risque de low, medium ou high pour un modèle. Si vous ne connaissez pas le risque associé à votre modèle, vous pouvez définir le statut sur unknown. Les clients sont responsables de l'attribution du profil de risque pour chaque modèle. Selon l'évaluation des risques, les organisations peuvent avoir mis en place différentes règles pour le déploiement de ces modèles en production. Pour de plus amples informations, veuillez consulter Évaluations de risque.

R. Vous pouvez utiliser des modèles pour diverses applications professionnelles, qu'il s'agisse de prévoir les cyberattaques, d'approuver les demandes de prêt ou de détecter la catégorie d'un e-mail. Chacune de ces applications est liée à un niveau de risque différent. Par exemple, la détection incorrecte d'une cyberattaque a un impact commercial bien plus important que la classification incorrecte d'un e-mail. Compte tenu de la diversité des profils de risque d'un modèle, vous pouvez utiliser les fiches modèles pour fournir une évaluation de risque de low, medium ou high pour un modèle. Si vous ne connaissez pas le risque associé à votre modèle, vous pouvez définir le statut sur unknown. Les clients sont responsables de l'attribution du profil de risque pour chaque modèle. Selon l'évaluation des risques, les organisations peuvent avoir mis en place différentes règles pour le déploiement de ces modèles en production. Pour de plus amples informations, veuillez consulter Évaluations de risque.

L'utilisation prévue d'un modèle décrit la manière dont vous devez utiliser le modèle dans vos applications de production. L'utilisation prévue va au-delà des exigences techniques telles que le type d'instance sur lequel vous devez déployer un modèle. Elle fait plutôt référence aux types d'applications à créer avec le modèle, aux scénarios dans lesquels vous pouvez vous attendre à obtenir des performances raisonnables de la part du modèle ou au type de données à utiliser avec le modèle. Nous vous recommandons de fournir ces informations dans la fiche modèle pour assurer une meilleure gouvernance du modèle. Vous pouvez définir un type de spécification de modèle dans le champ d'utilisation prévue et vous assurer que les développeurs et utilisateurs de modèles suivent cette spécification lors de l'entraînement et du déploiement de leurs modèles. Pour de plus amples informations, veuillez consulter Utilisations prévues d'un modèle.

L'utilisation prévue d'un modèle décrit la manière dont vous devez utiliser le modèle dans vos applications de production. L'utilisation prévue va au-delà des exigences techniques telles que le type d'instance sur lequel vous devez déployer un modèle. Elle fait plutôt référence aux types d'applications à créer avec le modèle, aux scénarios dans lesquels vous pouvez vous attendre à obtenir des performances raisonnables de la part du modèle ou au type de données à utiliser avec le modèle. Nous vous recommandons de fournir ces informations dans la fiche modèle pour assurer une meilleure gouvernance du modèle. Vous pouvez définir un type de spécification de modèle dans le champ d'utilisation prévue et vous assurer que les développeurs et utilisateurs de modèles suivent cette spécification lors de l'entraînement et du déploiement de leurs modèles. Pour de plus amples informations, veuillez consulter Utilisations prévues d'un modèle.

Lorsque vous créez une carte modèle à l'aide du SDK SageMaker Python ou de la AWS console, l' SageMaker IA renseigne automatiquement les informations relatives à votre modèle entraîné. Cela inclut les détails complets de la formation et toutes les informations sur le modèle disponibles via l'appel describe-model d'API. Si vous travaillez dans Amazon SageMaker Studio, vous pouvez remplir automatiquement vos fiches modèles en appelant l'DescribeModelPackageAPI.

Lorsque vous créez une carte modèle à l'aide du SDK SageMaker Python ou de la AWS console, l' SageMaker IA renseigne automatiquement les informations relatives à votre modèle entraîné. Cela inclut les détails complets de la formation et toutes les informations sur le modèle disponibles via l'appel describe-model d'API. Si vous travaillez dans Amazon SageMaker Studio, vous pouvez remplir automatiquement vos fiches modèles en appelant l'DescribeModelPackageAPI.

Les Amazon SageMaker Model Cards ont une structure définie qui ne peut pas être modifiée. Cette structure vous indique quelles informations doivent être indiquées dans une fiche modèle. Vous ne pouvez pas modifier la structure de la fiche modèle, mais les propriétés personnalisées de la section Additional information (Informations supplémentaires) de la fiche modèle offrent une certaine flexibilité.

Les Amazon SageMaker Model Cards ont une structure définie qui ne peut pas être modifiée. Cette structure vous indique quelles informations doivent être indiquées dans une fiche modèle. Vous ne pouvez pas modifier la structure de la fiche modèle, mais les propriétés personnalisées de la section Additional information (Informations supplémentaires) de la fiche modèle offrent une certaine flexibilité.

Des versions sont associées aux fiches modèles. Une version de modèle donnée est immuable pour tous les attributs autres que le statut de la fiche modèle. Si vous apportez d'autres modifications à la carte modèle, telles que les mesures d'évaluation, la description ou les utilisations prévues, SageMaker AI crée une nouvelle version de la carte modèle pour refléter les informations mises à jour. Cela permet de s'assurer qu'une fiche modèle, une fois créée, ne peut pas être altérée.

Les fiches modèles sont automatiquement mises à jour chaque fois que vous modifiez les versions de vos modèles de packages dans le registre des modèles.

Des versions sont associées aux fiches modèles. Une version de modèle donnée est immuable pour tous les attributs autres que le statut de la fiche modèle. Si vous apportez d'autres modifications à la carte modèle, telles que les mesures d'évaluation, la description ou les utilisations prévues, SageMaker AI crée une nouvelle version de la carte modèle pour refléter les informations mises à jour. Cela permet de s'assurer qu'une fiche modèle, une fois créée, ne peut pas être altérée.

Les fiches modèles sont automatiquement mises à jour chaque fois que vous modifiez les versions de vos modèles de packages dans le registre des modèles.

A : Oui. Vous pouvez créer des fiches modèles pour les modèles qui ne sont pas entraînés à l' SageMaker IA, mais aucune information n'est automatiquement renseignée dans la carte. Vous devez fournir toutes les informations nécessaires dans la fiche modèle pour les modèles non basés sur SageMaker l'IA.

A : Oui. Vous pouvez créer des fiches modèles pour les modèles qui ne sont pas entraînés à l' SageMaker IA, mais aucune information n'est automatiquement renseignée dans la carte. Vous devez fournir toutes les informations nécessaires dans la fiche modèle pour les modèles non basés sur SageMaker l'IA.

A : Oui. Vous pouvez exporter chaque version d'une fiche modèle au format PDF, la télécharger et la partager.

A : Oui. Vous pouvez exporter chaque version d'une fiche modèle au format PDF, la télécharger et la partager.

R : Les cartes modèles sont accessibles via la console SageMaker AI et le registre des modèles. Lorsque vous utilisez Model Registry, vous recevrez automatiquement une carte modèle pour chaque version de votre modèle.

R : Les cartes modèles sont accessibles via la console SageMaker AI et le registre des modèles. Lorsque vous utilisez Model Registry, vous recevrez automatiquement une carte modèle pour chaque version de votre modèle.

R : Les cartes-modèles sont destinées à fournir aux organisations un mécanisme leur permettant de documenter autant de détails sur leur modèle qu'elles le souhaitent en suivant les directives prescriptives de l' SageMaker IA tout en fournissant leurs propres informations personnalisées. Vous pouvez introduire des fiches modèles dès le début du processus de machine learning et les utiliser pour définir le problème métier que le modèle doit résoudre, ainsi que toutes les considérations à prendre en compte lors de l'utilisation du modèle. Une fois qu'un modèle a été entraîné, vous pouvez renseigner la fiche associée à ce modèle en ajoutant des informations sur le modèle et la manière dont il a été entraîné. Les fiches modèles sont associées à des modèles et sont immuables une fois associées à un modèle. Cela garantit que la fiche modèle est la seule source fiable pour toutes les informations relatives à un modèle, y compris la manière dont il a été formé et la façon dont il doit être utilisé.

Le registre des modèles est un catalogue qui stocke les métadonnées relatives à vos modèles. Chaque entrée du registre des modèles correspond à une version de modèle unique. Cette version de modèle contient des informations sur le modèle, telles que l'emplacement de stockage des artefacts du modèle dans Amazon S3, le conteneur nécessaire pour déployer le modèle, et les métadonnées personnalisées qui doivent être attachées au modèle. Chaque version du pack modèle est associée à une carte modèle.

R : Les cartes-modèles sont destinées à fournir aux organisations un mécanisme leur permettant de documenter autant de détails sur leur modèle qu'elles le souhaitent en suivant les directives prescriptives de l' SageMaker IA tout en fournissant leurs propres informations personnalisées. Vous pouvez introduire des fiches modèles dès le début du processus de machine learning et les utiliser pour définir le problème métier que le modèle doit résoudre, ainsi que toutes les considérations à prendre en compte lors de l'utilisation du modèle. Une fois qu'un modèle a été entraîné, vous pouvez renseigner la fiche associée à ce modèle en ajoutant des informations sur le modèle et la manière dont il a été entraîné. Les fiches modèles sont associées à des modèles et sont immuables une fois associées à un modèle. Cela garantit que la fiche modèle est la seule source fiable pour toutes les informations relatives à un modèle, y compris la manière dont il a été formé et la façon dont il doit être utilisé.

Le registre des modèles est un catalogue qui stocke les métadonnées relatives à vos modèles. Chaque entrée du registre des modèles correspond à une version de modèle unique. Cette version de modèle contient des informations sur le modèle, telles que l'emplacement de stockage des artefacts du modèle dans Amazon S3, le conteneur nécessaire pour déployer le modèle, et les métadonnées personnalisées qui doivent être attachées au modèle. Chaque version du pack modèle est associée à une carte modèle.

R : Les cartes modèles sont intégrées dans l'objet Model Registry. Chaque version d'un modèle de package figurant dans le registre des modèles est liée à la carte modèle correspondante. Vous pouvez accéder au schéma de carte modèle pour chaque version à l'aide de l'ModelPackageModelCardAPI.

R : Les cartes modèles sont intégrées dans l'objet Model Registry. Chaque version d'un modèle de package figurant dans le registre des modèles est liée à la carte modèle correspondante. Vous pouvez accéder au schéma de carte modèle pour chaque version à l'aide de l'ModelPackageModelCardAPI.

R : Oui, il existe une one-to-one relation entre les modèles de cartes et les modèles figurant dans le registre des modèles. Chaque version de modèle enregistrée dans le registre des modèles est associée à exactement une carte modèle correspondante.

R : Oui, il existe une one-to-one relation entre les modèles de cartes et les modèles figurant dans le registre des modèles. Chaque version de modèle enregistrée dans le registre des modèles est associée à exactement une carte modèle correspondante.

R : Non. Vous pouvez télécharger les mesures de performance calculées par SageMaker Model Monitor sur la carte modèle en téléchargeant un fichier de métriques sur Amazon S3 et en le liant à la carte, mais il n'existe aucune intégration native entre Model Monitor et les cartes modèles. Les tableaux de bord des modèles sont intégrés à Model Monitor. Pour plus d'informations sur les tableaux de bord des modèles, consultez Amazon SageMaker Model Dashboard.

R : Non. Vous pouvez télécharger les mesures de performance calculées par SageMaker Model Monitor sur la carte modèle en téléchargeant un fichier de métriques sur Amazon S3 et en le liant à la carte, mais il n'existe aucune intégration native entre Model Monitor et les cartes modèles. Les tableaux de bord des modèles sont intégrés à Model Monitor. Pour plus d'informations sur les tableaux de bord des modèles, consultez Amazon SageMaker Model Dashboard.

Rubrique suivante :

Accès contrôlé aux actifs

Rubrique précédente :

Modèle de carte APIs
ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.