SageMaker Praktik Terbaik Administrasi Studio

Tanggal publikasi: 25 April 2023 () Revisi dokumen

Abstrak

Amazon SageMaker Studio menyediakan antarmuka visual tunggal berbasis web tempat Anda dapat melakukan semua langkah pengembangan pembelajaran mesin (ML), yang meningkatkan produktivitas tim ilmu data. SageMaker Studio memberi Anda akses, kontrol, dan visibilitas lengkap ke setiap langkah yang diperlukan untuk membangun, melatih, dan mengevaluasi model.

Dalam whitepaper ini, kami membahas praktik terbaik untuk subjek termasuk model operasi, manajemen domain, manajemen identitas, manajemen izin, manajemen jaringan, pencatatan, pemantauan, dan penyesuaian. Praktik terbaik yang dibahas di sini ditujukan untuk penerapan SageMaker Studio perusahaan, termasuk penerapan multi-penyewa. Dokumen ini ditujukan untuk administrator platform ML, insinyur ML, dan arsitek ML.

Apakah Anda Well-Architected?

AWSWell-Architected Framework membantu Anda memahami pro dan kontra dari keputusan yang Anda buat saat membangun sistem di cloud. Enam pilar Kerangka memungkinkan Anda mempelajari praktik terbaik arsitektur untuk merancang dan mengoperasikan sistem yang andal, aman, efisien, hemat biaya, dan berkelanjutan. Dengan menggunakan AWS Well-Architected Tool, tersedia tanpa biaya di AWS Management Console, Anda dapat meninjau beban kerja Anda terhadap praktik terbaik ini dengan menjawab serangkaian pertanyaan untuk setiap pilar.

Di Machine Learning Lens, kami fokus pada cara merancang, menyebarkan, dan merancang beban kerja pembelajaran mesin Anda di. AWS Cloud Lensa ini menambah praktik terbaik yang dijelaskan dalam Well-Architected Framework.

Pengantar

Saat Anda mengelola SageMaker Studio sebagai platform ML Anda, Anda memerlukan panduan praktik terbaik untuk membuat keputusan yang tepat guna membantu Anda menskalakan platform ML seiring bertambahnya beban kerja Anda. Untuk menyediakan, mengoperasionalkan, dan menskalakan platform ML Anda, pertimbangkan hal berikut:

• Pilih model operasi yang tepat dan atur lingkungan ML Anda untuk memenuhi tujuan bisnis Anda.

• Pilih cara mengatur otentikasi domain SageMaker Studio untuk identitas pengguna, dan pertimbangkan batasan tingkat domain.

• Putuskan cara menggabungkan identitas dan otorisasi pengguna Anda ke platform ML untuk kontrol akses dan audit yang berbutir halus.

• Pertimbangkan untuk menyiapkan izin dan pagar pembatas untuk berbagai peran persona ML Anda.

• Rencanakan topologi jaringan virtual private cloud (VPC) Anda, dengan mempertimbangkan sensitivitas beban kerja, jumlah pengguna, jenis instans, aplikasi, dan pekerjaan yang diluncurkan.

• Klasifikasi dan lindungi data Anda saat istirahat dan dalam perjalanan dengan enkripsi.

• Pertimbangkan cara mencatat dan memantau berbagai antarmuka pemrograman aplikasi (API) dan aktivitas pengguna untuk kepatuhan.

• Sesuaikan pengalaman notebook SageMaker Studio dengan gambar dan skrip konfigurasi siklus hidup Anda sendiri.