Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Saat Anda menskalakan operasi pembelajaran mesin (ML), Anda dapat menggunakan layanan alur kerja yang dikelola sepenuhnya Amazon SageMaker AI untuk menerapkan praktik integrasi dan penerapan berkelanjutan (CI/CD) untuk siklus hidup ML Anda. Dengan Pipelines SDK, Anda memilih dan mengintegrasikan langkah-langkah pipeline ke dalam solusi terpadu yang mengotomatiskan proses pembuatan model dari persiapan data hingga penerapan model. Untuk arsitektur berbasis Kubernetes, Anda dapat menginstal Operator SageMaker AI di klaster Kubernetes Anda untuk membuat pekerjaan SageMaker AI secara native menggunakan API Kubernetes dan alat Kubernetes baris perintah seperti. kubectl Dengan komponen SageMaker AI untuk pipeline Kubeflow, Anda dapat membuat dan memantau pekerjaan SageMaker AI asli dari Pipelines Kubeflow Anda. Parameter pekerjaan, status, dan output dari SageMaker AI dapat diakses dari UI Pipelines Kubeflow. Terakhir, jika Anda ingin menjadwalkan batch run non-interaktif notebook Jupyter Anda, gunakan layanan alur kerja berbasis notebook untuk memulai proses mandiri atau reguler pada jadwal yang Anda tentukan.
Singkatnya, SageMaker AI menawarkan teknologi alur kerja berikut:
-
Alur: Alat untuk membangun dan mengelola jaringan pipa ML.
-
Orkestrasi Kubernetes: Operator kustom SageMaker AI untuk cluster Kubernetes Anda dan komponen untuk Pipelines Kubeflow.
-
SageMaker Lowongan Notebook: Sesuai permintaan atau batch non-interaktif terjadwal dari notebook Jupyter Anda.
Anda juga dapat memanfaatkan layanan lain yang terintegrasi dengan SageMaker AI untuk membangun alur kerja Anda. Opsi termasuk layanan berikut:
-
Alur Kerja Alur Udara
: SageMaker APIs untuk mengekspor konfigurasi untuk membuat dan mengelola alur kerja Alur Udara. -
AWS Step Functions
: Alur kerja MLM multi-langkah dengan Python yang mengatur infrastruktur SageMaker AI tanpa harus menyediakan sumber daya Anda secara terpisah.
Untuk informasi selengkapnya tentang mengelola SageMaker pelatihan dan inferensi, lihat Alur Kerja SDK Amazon SageMaker Python
