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.
Ao escalar suas operações de aprendizado de máquina (ML), você pode usar os serviços de fluxo de trabalho totalmente gerenciados da Amazon SageMaker AI para implementar práticas de integração e implantação contínuas (CI/CD) para seu ciclo de vida de ML. Com o Pipelines SDK, é possível escolher e integrar as etapas do pipeline em uma solução unificada que automatiza o processo de criação do modelo, desde a preparação dos dados até a implantação do modelo. Para arquiteturas baseadas em Kubernetes, você pode instalar operadores de IA em seu cluster Kubernetes para criar trabalhos de SageMaker IA de forma nativa usando a SageMaker API Kubernetes e ferramentas de linha de comando do Kubernetes, como. kubectl Com componentes de SageMaker IA para pipelines Kubeflow, você pode criar e monitorar trabalhos de SageMaker IA nativos a partir de seus pipelines Kubeflow. Os parâmetros, o status e as saídas do trabalho da SageMaker IA podem ser acessados na interface do usuário do Kubeflow Pipelines. Por fim, se você quiser programar execuções em lotes não interativas do seu caderno Jupyter, use o serviço de fluxos de trabalho baseado em cadernos para iniciar execuções independentes ou regulares em uma programação definida por você.
Em resumo, a SageMaker IA oferece as seguintes tecnologias de fluxo de trabalho:
-
Pipelines: ferramenta para criar e gerenciar pipelines de ML.
-
Orquestração do Kubernetes: operadores personalizados de SageMaker IA para seu cluster Kubernetes e componentes para o Kubeflow Pipelines.
-
SageMaker Empregos em notebooks: execuções em lote não interativas sob demanda ou programadas do seu caderno Jupyter.
Você também pode aproveitar outros serviços que se integram à SageMaker IA para criar seu fluxo de trabalho. As opções incluem os seguintes serviços:
-
Fluxos de trabalho do Airflow
: SageMaker APIs para exportar configurações para criar e gerenciar fluxos de trabalho do Airflow. -
AWS Step Functions
: fluxos de trabalho de ML em várias etapas em Python que orquestram a infraestrutura de SageMaker IA sem precisar provisionar seus recursos separadamente.
Para obter mais informações sobre o gerenciamento de SageMaker treinamento e inferência, consulte Fluxos de trabalho do Amazon SageMaker Python SDK
Tópicos
