详细内容或原文请订阅后点击阅览
使用 SageMaker Model 集中模型管理注册表资源访问管理器共享
我们最近宣布使用 AWS Resource Access Manager (AWS RAM) 实现 Amazon SageMaker Model Registry 的跨账户共享，从而更轻松地在您的 AWS 账户之间安全地共享和发现机器学习 (ML) 模型。在本文中，我们将向您展示如何使用这个新的跨账户模型共享功能来构建您自己的集中模型治理能力，这通常是集中模型审批、部署、审计和监控工作流所需要的。
来源:亚马逊云科技 _机器学习我们最近宣布使用 AWS 资源访问管理器 (AWS RAM) 实现 Amazon SageMaker 模型注册表的跨账户共享，从而更轻松地在 AWS 账户之间安全地共享和发现机器学习 (ML) 模型。
宣布 跨账户共享 Amazon SageMaker 模型注册表 AWS 资源访问管理器 (AWS RAM)客户发现跨 AWS 账户共享和访问 ML 模型具有挑战性，因为他们必须设置复杂的 AWS 身份和访问管理 (IAM) 策略并创建自定义集成。通过此次发布，客户现在可以在不同的 AWS 账户之间无缝共享和访问在 SageMaker 模型注册表中注册的 ML 模型。
AWS 身份和访问管理 (IAM)客户可以使用 SageMaker Studio UI 或 API 指定要共享的 SageMaker Model Registry 模型并授予特定 AWS 账户或组织中每个人的访问权限。授权用户可以在自己的 AWS 账户中快速发现和使用这些共享模型。这简化了 ML 工作流程，实现了更好的可见性和治理，并加速了整个组织采用 ML 模型。
SageMaker Studio在本文中，我们将向您展示如何使用这个新的跨账户模型共享功能来构建您自己的集中模型治理能力，这通常是集中模型批准、部署、审计和监控工作流程所需要的。在深入了解共享模型架构的细节之前，让我们先回顾一下什么是用例和模型治理以及为什么需要它。
用例治理对于帮助确保以尊重价值观、权利和法规的方式开发和使用 AI 系统至关重要。根据欧盟《人工智能法案》，用例治理是指监督和管理特定情境或应用中人工智能系统的开发、部署和使用的过程。这包括：
运行