模型治理，以管理权限和跟踪模型性能

模型治理是一个框架，您可以通过该框架系统地了解机器学习 (ML) 模型的开发、验证和使用。Amazon SageMaker AI 提供专门构建的机器学习治理工具，用于管理整个机器学习生命周期中的控制访问权限、活动跟踪和报告。

使用 Amazon Role Manager 管理机器学习从业者的最低权限权限，使用亚马逊 SageMaker 模型卡片创建详细的模型文档，并使用亚马逊模型控制面板通过集中式控制面板了解您的 SageMaker 模型。 SageMaker

Amazon SageMaker 角色管理器

借助 Amazon SageMaker Role Manager，管理员可以为常见的机器学习活动定义具有最低权限的用户权限。使用 Amazon SageMaker Role Manager 来构建和管理特定于您的业务需求的基于角色的 IAM 角色。

有关更多信息，请参阅 Amazon SageMaker 角色管理器。

亚马逊 SageMaker 模型卡

使用 Amazon SageMaker 模型卡片记录、检索和共享从构思到部署的基本模型信息。有了模型卡，模型风险管理人员、数据科学家和机器学习工程师就可以创建关于模型预期用途、风险评级、训练详细信息、评估结果等的不可改变的记录。

有关更多信息，请参阅 亚马逊 SageMaker 模型卡。

亚马逊 SageMaker 模型控制面板

Amazon SageMaker 模型控制面板是您账户中所有模型的预先构建的可视化概览。 SageMaker 模型控制面板集成了来自 Amazon SageMaker 模型监视器、转换作业、终端节点、机器学习血统跟踪和 Amazon 的宝贵信息， CloudWatch 因此您可以在一个统一的视图中访问高级模型信息并跟踪模型性能。

有关更多信息，请参阅 亚马逊 SageMaker 模型控制面板。

亚马逊 SageMaker 资产

Amazon Ass SageMaker ets 是一个简化机器学习监管的新工作流程。它允许用户轻松发布、共享和订阅 ML 资产和数据资产，如特征组和 Amazon Redshift 表。

管理员使用 Amazon DataZone 来设置数据库和机器学习基础设施，以便用户在 Amazon SageMaker Studio 内共享资产。设置完成后，用户之间可以无缝共享资产，无需额外的管理员开销。有关 Amazon SageMaker 资产的更多信息，请参阅使用 Amazon 资产控制对 SageMaker 资产的访问。