SageMaker Práticas recomendadas de administração do Studio - SageMaker Práticas recomendadas de administração do Studio
ResumoVocê é Well-Architected? Introdução

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

SageMaker Práticas recomendadas de administração do Studio

Data de publicação: 25 de abril de 2023 (Revisões do documento)

Resumo

O Amazon SageMaker AI Studio fornece uma interface visual única, baseada na web, na qual você pode realizar todas as etapas de desenvolvimento de aprendizado de máquina (ML), o que melhora a produtividade da equipe de ciência de dados. SageMaker O AI Studio oferece acesso, controle e visibilidade completos de cada etapa necessária para criar, treinar e avaliar modelos.

Neste whitepaper, discutimos as melhores práticas para assuntos que incluem modelo operacional, gerenciamento de domínio, gerenciamento de identidades, gerenciamento de permissões, gerenciamento de rede, log, monitoramento e personalização. As melhores práticas discutidas aqui se destinam à implantação do SageMaker AI Studio corporativo, incluindo implantações multilocatárias. Este documento é destinado a administradores de plataformas de ML, engenheiros de ML e arquitetos de ML.

Você é Well-Architected?

O Well-Architected Framework da AWS ajuda você a entender os prós e os contras das decisões que você toma ao criar sistemas na nuvem. Os seis pilares do framework permitem a você conhecer as melhores práticas de arquitetura para criar e operar sistemas confiáveis, seguros, econômicos e sustentáveis na nuvem. Usando o AWS Well-Architected Tool, disponível gratuitamente no AWS Management Console, você pode analisar suas workloads em relação a essas práticas recomendadas respondendo a um conjunto de perguntas para cada pilar.

No Machine Learning Lens, nos concentramos em como projetar, implantar e arquitetar suas cargas de trabalho de machine learning no Nuvem AWS. Essa lente complementa as práticas recomendadas descritas no Well-Architected Framework.

Introdução

Ao administrar o SageMaker AI Studio como sua plataforma de ML, você precisa de orientação sobre as melhores práticas para tomar decisões informadas para ajudá-lo a escalar sua plataforma de ML à medida que suas cargas de trabalho crescem. Para provisionar, operacionalizar e escalar sua plataforma de ML, considere o seguinte:

  • Escolha o modelo operacional certo e organize seus ambientes de ML para atender aos seus objetivos de negócios.

  • Escolha como configurar a autenticação de domínio do SageMaker AI Studio para identidades de usuário e considere as limitações em nível de domínio.

  • Decida como federar a identidade e a autorização de seus usuários na plataforma de ML para controles de acesso e auditoria refinados.

  • Considere configurar permissões e barreiras de proteção para várias perfis de suas personas de ML.

  • Planeje sua topologia de rede de nuvem privada virtual (VPC), considerando a sensibilidade da carga de trabalho de ML, o número de usuários, os tipos de instância, os aplicativos e os trabalhos lançados.

  • Classifique e proteja seus dados em repouso e em trânsito com criptografia.

  • Considere como registrar e monitorar várias interfaces de programação de aplicativos (APIs) e atividades do usuário para fins de conformidade.

  • Personalize a experiência do notebook SageMaker AI Studio com suas próprias imagens e scripts de configuração do ciclo de vida.