Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Man mano che ridimensioni le tue operazioni di machine learning (ML), puoi utilizzare i servizi di flusso di lavoro completamente gestiti di Amazon SageMaker AI per implementare pratiche di integrazione e distribuzione continue (CI/CD) per il tuo ciclo di vita ML. Con Pipelines SDK, puoi scegliere e integrare le fasi della pipeline in una soluzione unificata che automatizza il processo di creazione del modello dalla preparazione dei dati alla distribuzione del modello. Per le architetture basate su Kubernetes, puoi installare SageMaker AI Operators sul tuo cluster Kubernetes per creare lavori di intelligenza artificiale in modo nativo utilizzando l'API Kubernetes e strumenti Kubernetes a riga di comando come. SageMaker kubectl Con i componenti SageMaker AI per le pipeline Kubeflow, puoi creare e monitorare lavori di intelligenza artificiale nativi dalle tue pipeline Kubeflow. SageMaker I parametri, lo stato e gli output del processo di SageMaker intelligenza artificiale sono accessibili dall'interfaccia utente di Kubeflow Pipelines. Infine, se desideri pianificare esecuzioni in batch non interattive del tuo notebook Jupyter, utilizza il servizio relativo al flusso di lavoro basato su notebook per avviare esecuzioni autonome o regolari secondo una pianificazione definita.
In sintesi, l' SageMaker intelligenza artificiale offre le seguenti tecnologie per il flusso di lavoro:
-
Pipeline: strumento per la creazione e la gestione di pipeline ML.
-
Orchestrazione Kubernetes: Operatori di SageMaker intelligenza artificiale personalizzati per il cluster Kubernetes e componenti per Kubeflow Pipelines.
-
SageMaker Lavori su notebook: esecuzioni in batch non interattive su richiesta o pianificate del notebook Jupyter.
Puoi anche sfruttare altri servizi che si integrano con l'intelligenza artificiale per creare il tuo flusso di lavoro. SageMaker Le opzioni includono i seguenti servizi:
-
Flussi di lavoro Airflow
: SageMaker APIs per esportare le configurazioni per la creazione e la gestione dei flussi di lavoro Airflow. -
AWS Step Functions
: flussi di lavoro ML in più fasi in Python che orchestrano l'infrastruttura SageMaker AI senza dover fornire le risorse separatamente.
Per ulteriori informazioni sulla gestione della SageMaker formazione e dell'inferenza, consulta Amazon SageMaker Python SDK Workflows
Argomenti
