9. Tata Kelola - AWS Bimbingan Preskriptif

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

9. Tata Kelola

Tata kelola ML mencakup serangkaian proses dan kerangka kerja yang membantu dalam penerapan model ML. Ini mencakup penjelasan model, kemampuan audit, keterlacakan, dan persyaratan lain yang lebih abstrak namun penting dari siklus hidup ML-end-to-end yang sukses.

9.1 Kualitas dan kepatuhan data

Sistem MLmenyumbang pertimbangan informasi identifikasi pribadi (PII), termasuk anonimisasi. Ini telah mendokumentasikan dan meninjau garis keturunan tingkat kolom untuk memahami sumber, kualitas, dan kesesuaian data. Ini juga memiliki pemeriksaan kualitas data otomatis untuk anomali.

9.2 Audit dan dokumentasi

Sistem MS memiliki log penuh dari semua perubahan selama pengembangan, termasuk eksperimen yang dijalankan dan alasan pilihan yang dibuat untuk kepatuhan terhadap peraturan.

9.3 Reproduktifitas dan keterlacakan

Sistem ML menyertakan snapshot data lengkap untuk instantiasi ulang model yang tepat dan cepat, atau memiliki kemampuan untuk menciptakan lingkungan dan melatih ulang dengan sampel data.

9.4 JAMuman-in-the-looppenandatangan

Sistem ML memiliki verifikasi manual dan otorisasi untuk kepatuhan terhadap peraturan. Sistem ini membutuhkan tanda tangan untuk setiap gerakan lingkungan (misalnya, Dev, QA, Pre-PROD, dan Prod).

9.5 Bias dan pengujian serangan permusuhan

Sistem ML memilikiRed Timpengujian permusuhan menggunakan beberapa alat dan vektor serangan, dan pemeriksaan bias otomatis pada subpopulasi tertentu. Komponen ini mengikat kembali ke Observability dan bagian manajemen model.