機器學習 (ML) 活動參考 - Amazon SageMaker AI

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

機器學習 (ML) 活動參考

ML 活動是與使用 SageMaker AI 進行機器學習相關的常見 AWS 任務，需要特定的 IAM 許可。使用 Amazon SageMaker 角色管理器建立角色時，每個人物角色都會建議相關的機器學習 (ML) 活動。您可以選取任何其他機器學習 (ML) 活動，或取消選取任何建議的 ML 活動，以建立符合您獨特商業需求的角色。

Amazon SageMaker 角色管理器為下列機器學習活動提供預先定義的許可：

機器學習 (ML) 活動 Description
存取必要 AWS 服務 存取 Amazon S3、Amazon ECR、Amazon CloudWatch 和 Amazon EC2 的許可。工作和端點的執行角色是必須的。
執行 Studio Classic 應用程式 在 Studio Classic 環境中操作的許可。網域和使用者設定檔執行角色是必須的。
管理機器學習 (ML) 工作 稽核、查詢歷程和視覺化實驗的許可。
管理模型 在其生命週期中管理 SageMaker AI 任務的許可。
管理管道 管理 SageMaker 管道和管道執行的許可。
搜尋和視覺化實驗 稽核、查詢譜系和視覺化 SageMaker AI 實驗的許可。
管理模型監控 管理 SageMaker AI Model Monitor 監控排程的許可。
Amazon S3 完整存取 許可以執行所有 Amazon S3 操作。
Amazon S3 儲存貯體存取 在指定 Amazon S3 儲存貯體上執行操作的許可。
查詢 Athena 工作群組 執行和管理 Amazon Athena 查詢的許可。
管理 AWS Glue 資料表 建立和管理 SageMaker AI Feature Store 和 Data Wrangler AWS Glue 資料表的許可。
SageMaker Canvas 核心存取 在 SageMaker Canvas 中執行實驗的許可 （即基本資料準備、模型建置、驗證）。
SageMaker Canvas 資料準備 （由 Data Wrangler 提供） 在 SageMaker Canvas 中執行end-to-end資料準備的許可 （即彙總、轉換和分析資料、在大型資料集上建立和排程資料準備任務）。
SageMaker Canvas AI 服務 從 Amazon Bedrock、Amazon Textract、Amazon Rekognition 和 Amazon Comprehend 存取ready-to-use模型的許可。此外，使用者可以從 Amazon Bedrock 和 Amazon SageMaker JumpStart 微調基礎模型。
SageMaker Canvas MLOps SageMaker Canvas 使用者將模型直接部署到端點的許可。
SageMaker Canvas Kendra Access SageMaker Canvas 存取 Amazon Kendra 進行企業文件搜尋的許可。許可只會授予您在 Amazon Kendra 中選取的索引名稱。
使用 MLflow 在 MLflow 中管理實驗、執行和模型的許可。
管理 MLflow 追蹤伺服器 管理、啟動和停止 MLflow 追蹤伺服器的許可。
Services AWS for MLflow 所需的存取權 MLflow 追蹤伺服器存取 S3、Secrets Manager 和模型登錄檔的許可。
執行 Studio EMR Serverless 應用程式 在 Amazon SageMaker Studio 上建立和管理 EMR Serverless 應用程式的許可。