Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Amazon SageMaker
Amazon SageMaker è un servizio di machine learning completamente gestito. Con Amazon SageMaker, data scientist e sviluppatori possono creare e addestrare modelli di machine learning in modo rapido e semplice e poi distribuirli direttamente in un ambiente ospitato pronto per la produzione. Fornisce un'istanza Jupyter authoring notebook integrata per un facile accesso alle fonti di dati per l'esplorazione e l'analisi. Amazon fornisce SageMaker anche algoritmi di machine learning comuni ottimizzati per funzionare in modo efficiente su dati estremamente grandi in un ambiente distribuito.
Con supporto bring-your-own-algorithms e framework nativi, Amazon SageMaker offre opzioni di formazione distribuite flessibili che si adattano ai flussi di lavoro specifici del cliente. Amazon SageMaker è idoneo a operare con dati contenenti PHI. La crittografia dei dati in transito è fornita da SSL/TLS e viene utilizzata sia per comunicare con l'interfaccia front-end di Amazon (verso il Notebook) sia ogni volta che Amazon SageMaker interagisce con qualsiasi altro AWS servizio SageMaker (ad esempio, estraendo dati da Amazon S3).
Per soddisfare il requisito che i PHI siano crittografati a riposo, la crittografia dei dati archiviati con l'istanza che esegue modelli con Amazon SageMaker è abilitata utilizzando AWS Key Management Service (KMS) durante la configurazione dell'endpoint (DescribeEndpointConfig: ID). KmsKey La crittografia dei risultati di addestramento del modello (artefatti) è abilitata utilizzando AWS KMS e le chiavi devono essere specificate utilizzando l'ID nella descrizione. KmsKey OutputDataConfig Se non viene fornito un ID chiave KMS, verrà utilizzata la chiave KMS Amazon S3 predefinita per l'account del ruolo. Amazon SageMaker lo utilizza AWS CloudTrail per registrare tutte le chiamate API.
