SageMaker AI 제공 프로젝트 템플릿 사용

코드 리포지토리: 타사 Git입니다.

CI/CD 워크플로 자동화: AWS CodePipeline

고객 지정 Git 리포지토리 하나와의 연결. 리포지토리에는 Python 코드에서 Amazon SageMaker AI 파이프라인을 생성하는 샘플 코드가 포함되어 있으며 SageMaker AI 파이프라인을 생성하고 업데이트하는 방법을 보여줍니다. 이 리포지토리에는 Studio(또는 Studio Classic)에서 열고 실행할 수 있는 샘플 Python 노트북도 있습니다.

소스 및 빌드 단계가 있는 AWS CodePipeline 파이프라인입니다. 소스 단계는 타사 Git 리포지토리를 가리킵니다. 빌드 단계는 해당 리포지토리에서 코드를 가져오고, SageMaker AI 파이프라인을 생성 및 업데이트하고, 파이프라인 실행을 시작하고, 파이프라인 실행이 완료될 때까지 기다립니다.

Git 리포지토리를 시드 코드 정보로 채우는 AWS CodeBuild 프로젝트입니다. 이렇게 하려면에서 Git 리포지토리 호스트의 계정으로 AWS CodeStar 연결해야 AWS 계정 합니다.

CodePipeline 및 아티팩트를 포함한 CodeBuild 아티팩트와 SageMaker AI 파이프라인에서 생성된 모든 아티팩트를 저장하는 Amazon S3 버킷이 실행됩니다.

고객 지정 Git 리포지토리 하나와의 연결. 리포지토리에는 스테이징 및 프로덕션 환경의 엔드포인트에 모델을 배포하는 샘플 코드가 포함되어 있습니다.

소스 deploy-to-staging, 빌드 및 deploy-to-production 단계가 있는 AWS CodePipeline 파이프라인입니다. 소스 단계는 타사 Git 리포지토리를 가리키고 빌드 단계는 해당 리포지토리에서 코드를 가져와서 배포할 AWS CloudFormation 스택을 생성합니다. deploy-to-staging 및 deploy-to-production 단계는 AWS CloudFormation 스택을 해당 환경에 배포합니다. 스테이징 단계와 프로덕션 빌드 단계 사이에는 수동 승인 단계가 있으므로 MLOps 엔지니어가 모델을 프로덕션에 배포하기 전에 승인해야 합니다.

Git 리포지토리를 시드 코드 정보로 채우는 AWS CodeBuild 프로젝트입니다. 이렇게 하려면에서 Git 리포지토리 호스트의 계정으로 AWS CodeStar 연결해야 AWS 계정 합니다.

CodePipeline 및 아티팩트를 포함한 CodeBuild 아티팩트와 SageMaker AI 파이프라인에서 생성된 모든 아티팩트를 저장하는 Amazon S3 버킷이 실행됩니다.

하나 이상의 고객 지정 Git 리포지토리와의 연결.

소스 deploy-to-staging, 빌드 및 deploy-to-production 단계가 있는 AWS CodePipeline 파이프라인입니다. 소스 단계는 타사 Git 리포지토리를 가리키고 빌드 단계는 해당 리포지토리에서 코드를 가져와서 배포할 스택을 생성합니다 CloudFormation. deploy-to-staging 및 deploy-to-production 단계는 CloudFormation 스택을 해당 환경에 배포합니다. 스테이징 단계와 프로덕션 빌드 단계 사이에는 수동 승인 단계가 있으므로 MLOps 엔지니어가 모델을 프로덕션에 배포하기 전에 승인해야 합니다.

Git 리포지토리를 시드 코드 정보로 채우는 AWS CodeBuild 프로젝트입니다. 이렇게 하려면 AWS 계정에서 Git 리포지토리 호스트의 계정으로 AWS CodeStar 연결해야 합니다.

CodePipeline 및 아티팩트를 포함한 CodeBuild 아티팩트와 SageMaker AI 파이프라인에서 생성된 모든 아티팩트를 저장하는 Amazon S3 버킷이 실행됩니다.

코드 리포지토리: 타사 Git입니다.

CI/CD 워크플로 자동화: AWS CodePipeline

데이터 품질 – 데이터 품질의 드리프트를 모니터링합니다.

모델 품질 – 정확도와 같은 모델 품질 지표의 드리프트를 모니터링합니다.

프로덕션 모델의 바이어스 드리프트 - 모델의 예측에서 바이어스를 모니터링합니다.

하나 이상의 고객 지정 Git 리포지토리와의 연결. 리포지토리에는 Amazon SageMaker 모델 레지스트리에서 모니터가 사용하는 기준을 가져오고 스테이징 및 프로덕션 환경에 대한 템플릿의 파라미터를 업데이트하는 샘플 Python 코드가 포함되어 있습니다. 또한 Amazon SageMaker 모델 모니터를 생성하기 위한 AWS CloudFormation 템플릿도 포함되어 있습니다.

소스, 빌드 및 배포 단계가 있는 AWS CodePipeline 파이프라인입니다. 소스 단계는 CodePipeline 리포지토리를 가리킵니다. 빌드 단계는 해당 리포지토리에서 코드를 가져오고, 모델 레지스트리에서 기준을 가져오고, 스테이징 및 프로덕션 환경을 위한 템플릿 파라미터를 업데이트합니다. 배포 단계에서는 구성된 모니터를 스테이징 및 프로덕션 환경에 배포합니다. DeployStaging 단계 내의 수동 승인 단계에서는 승인 및 DeployProd 단계로 이동하기 InService 전에 프로덕션 SageMaker AI 엔드포인트가 있는지 확인해야 합니다.

Git 리포지토리를 시드 코드 정보로 채우는 AWS CodeBuild 프로젝트입니다. 이렇게 하려면에서 Git 리포지토리 호스트의 계정으로 AWS CodeStar 연결해야 AWS 계정 합니다.

템플릿은 모델 구축, 훈련 및 배포를 위해 MLOps 템플릿에서 생성한 것과 동일한 Amazon S3 버킷을 사용하여 모니터의 출력을 저장합니다.

두 개의 Amazon EventBridge 이벤트 규칙은 스테이징 SageMaker AI 엔드포인트가 업데이트될 AWS CodePipeline 때마다 Amazon SageMaker 모델 모니터를 시작합니다.

코드 리포지토리: 타사 Git입니다.

CI/CD 워크플로 자동화: Jenkins

하나 이상의 고객 지정 Git 리포지토리와의 연결.

소스, 빌드, deploy-to-staging및 deploy-to-production 단계가 있는 Jenkins 파이프라인을 생성하는 시드 코드입니다. 소스 단계는 고객 지정 Git 리포지토리를 가리킵니다. 빌드 단계는 해당 리포지토리에서 코드를 가져와 두 개의 CloudFormation 스택을 생성합니다. 배포 단계는 CloudFormation 스택을 각 환경에 배포합니다. 스테이징 단계와 프로덕션 단계 사이에는 승인 단계가 있습니다.

Git 리포지토리를 시드 코드 정보로 채우는 AWS CodeBuild 프로젝트입니다. 이렇게 하려면 AWS 계정에서 Git 리포지토리 호스트의 계정으로 AWS CodeStar 연결해야 합니다.

AI 프로젝트 및 SageMaker AI SageMaker 파이프라인의 아티팩트를 저장하는 Amazon S3 버킷입니다.

처리 이미지–파이라인 구축 포함

훈련 이미지–파이라인 구축 포함

추론 이미지–파이라인 구축 포함

Amazon ECR리포지토리

SageMaker AI 이미지

사용자 지정할 수 있는 Dockerfile이 포함된 CodeCommit 리포지토리

CodePipeline 리포지토리 변경으로 시작 CodePipeline 되는

Docker 이미지를 빌드하여 Amazon ECR리포지토리에 등록하는 CodeBuild 프로젝트

일정에 CodePipeline 따라를 시작하는 EventBridge 규칙

역할 삭제 및 Studio(또는 Studio Classic) 설정 전환

IAM 콘솔에서에 다음 권한을 추가합니다AmazonSageMakerServiceCatalogProductsUseRole.

{
      "Effect": "Allow",
      "Action": [
          "codestar-connections:UseConnection"
      ],
      "Resource": "arn:aws:codestar-connections:*:*:connection/*",
      "Condition": {
          "StringEqualsIgnoreCase": {
              "aws:ResourceTag/sagemaker": "true"
          }
      }
  },
  {
      "Effect": "Allow",
      "Action": [
          "s3:PutObjectAcl"
      ],
      "Resource": [
          "arn:aws:s3:::sagemaker-*"
      ]
  }