详细内容或原文请订阅后点击阅览

与SageMaker Unified Studio Projects自动化AIOPS，第2部分：技术实施

2025年8月12日 18:31 33 Comments
X Twitter Instagram Mail

在这篇文章中，我们专注于通过逐步指导和参考代码实施此体系结构。我们提供了详细的技术演练，以满足AI开发生命周期中两个关键角色的需求：通过自动模板建立治理和基础设施的管理员，以及使用SageMaker Unified Studio用于模型开发的数据科学家，而无需管理基础设施。

来源:亚马逊云科技 _机器学习
在我们系列的第1部分中，我们通过Amazon Sagemaker Unified Studio Projects建立了企业人工智能和机器学习（AI/ML）配置的建筑基础。我们探索了创建主管AI开发环境所需的多学院结构，项目组织，多租户方法以及所需的存储库。我们提供详细的技术练习，以满足AI开发生命周期中两个关键角色的需求：通过自动模板建立治理和基础架构的管理员以及使用SageMaker Unified Studio用于模型开发的数据科学家，而无需涵盖了构建的构建工作流程，以涵盖构成的构建工作，以显示构成的构造，以显示构成的构造，以展示构造的构造，以表明该构建的构造，以表明该构建的构造，该构造的构造是如何构建的，该构造的构建方式是在构建中，该构造的构建范围是在构建中，以表明构成的构建，以构建构建的构建，以构建构建的构建，以构建构建的工作，以构建型号，以表明构成的构建工作，以表明构造的构建范围共同创建一个无缝，安全和高效的人工智能操作（AIOPS）环境。解决以下架构概述，我们使用Sagemaker Unified Studio和其他组件探索了企业级机器学习操作实施，这些企业和其他组件有效地解决了两个关键作用在机器学习（ML）生命周期中的独特需求。这种方法弥合了基础架构管理和数据科学之间的差距，创建了一个简化的工作流，该工作流程在加速模型交付的同时，可以保持连续的集成和交付（CI/CD）可重复性。实施围绕三个角色：管理员，数据科学家和ML工程师。该体系结构促进了无缝的工作流程，该工作流程从项目初始化开始，并通过开发和部署阶段继续进行。每个步骤旨在最大程度地减少手动干预，同时最大化可追溯性，可重复性和合规性。
可追溯性 管理员 连续的 基础架构 构造的 Unified 数据 机器学习 ML 继续进行 科学家 系列的 人工智能 开发环境 重复性 生命周期 探索 Studio 构造 开发 工作 流程 合规性 初始化 无缝的 AI 体系结构 可重复性 最大化 工程师 简化的 构建 程度 表明 所需的 详细的 期中的