详细内容或原文请订阅后点击阅览
The Weather Company 使用 Amazon SageMaker、AWS CloudFormation 和 Amazon CloudWatch 增强 MLOps
在本文中，我们分享了 The Weather Company (TWCo) 如何使用 Amazon SageMaker、AWS CloudFormation 和 Amazon CloudWatch 等服务增强其 MLOps 平台的故事。TWCo 数据科学家和 ML 工程师利用自动化、详细的实验跟踪、集成训练和部署管道来帮助有效扩展 MLOps。TWCo 将基础设施管理时间缩短了 90%，同时还将模型部署时间缩短了 20%。
来源:亚马逊云科技 _机器学习本博客文章由 The Weather Company 的 Qaish Kanchwala 共同撰写。
本博客文章由 The Weather Company 的 Qaish Kanchwala 共同撰写。随着行业开始采用依赖于机器学习 (ML) 技术的流程，建立可扩展的机器学习运营 (MLOps) 以支持该技术的增长和利用至关重要。MLOps 从业者有很多选择来建立 MLOps 平台；其中之一是基于云的集成平台，可以随数据科学团队一起扩展。AWS 提供全栈服务，可在云中建立 MLOps 平台，该平台可根据您的需求进行定制，同时获得在云中进行 ML 的所有好处。
在这篇文章中，我们分享了 The Weather Company (TWCo) 如何使用 Amazon SageMaker、AWS CloudFormation 和 Amazon CloudWatch 等服务增强其 MLOps 平台的故事。 TWCo 数据科学家和 ML 工程师利用自动化、详细的实验跟踪、集成训练和部署管道来帮助有效扩展 MLOps。TWCo 将基础设施管理时间缩短了 90%，同时还将模型部署时间缩短了 20%。
Amazon SageMaker AWS CloudFormation Amazon CloudWatchTWCo 对 MLOps 的需求
TWCo 致力于帮助消费者和企业根据天气做出明智、更自信的决策。尽管该组织几十年来一直在其天气预报过程中使用 ML 来帮助将数十亿个天气数据点转化为可操作的预报和见解，但它也不断努力创新并以其他方式融入前沿技术。TWCo 的数据科学团队正在寻求创建预测性、隐私友好的 ML 模型，以展示天气状况如何影响某些健康症状并创建用户细分以改善用户体验。
TWCo 为此次合作设定的业务目标示例如下：