Tämä on toinen viesti neliosaisesta sarjasta, jossa kerrotaan kuinka NatWest-ryhmä, suuri rahoituspalvelulaitos, jonka kanssa on yhteistyökumppani AWS-asiantuntijapalvelut rakentaa uusi koneoppimistoimintojen (MLOps) alusta. Tässä viestissä kerromme, kuinka NatWest Group käytti AWS:ää mahdollistaakseen standardoidun, suojatun ja yhteensopivan MLOps-alustansa itsepalvelun käyttöönoton käyttämällä AWS-palveluluettelo ja Amazon Sage Maker. Tämä on lyhentänyt uusien ympäristöjen tarjoamiseen kuluvaa aikaa päivistä muutamaan tuntiin.
Uskomme, että päättäjät voivat hyötyä tästä sisällöstä. Tekniset johtajat, CDAO:t, vanhemmat datatutkijat ja vanhemmat pilvi-insinöörit voivat seurata tätä mallia tarjotakseen innovatiivisia ratkaisuja tietotieteen ja suunnittelutiimille.
Lue koko sarja:
|
Tekniikka NatWest Groupissa
NatWest Group on digitaalisen maailman suhdepankki, joka tarjoaa rahoituspalveluita yli 19 miljoonalle asiakkaalle Isossa-Britanniassa. Konsernilla on monipuolinen teknologiaportfolio, jossa ratkaisut liiketoiminnan haasteisiin toimitetaan usein mittatilaustyönä ja pitkillä aikatauluilla.
NatWest Group otti äskettäin käyttöön pilvipohjaisen strategian, jonka ansiosta yritys on voinut käyttää hallittuja palveluja tilattavien laskenta- ja tallennusresurssien tarjoamiseen. Tämä muutos on johtanut liiketoimintaratkaisujen yleisen vakauden, skaalautuvuuden ja suorituskyvyn parantumiseen samalla, kun se on vähentänyt kustannuksia ja nopeuttanut toimitustahtia. Lisäksi pilveen siirtyminen antaa NatWest Groupille mahdollisuuden yksinkertaistaa teknologiapinoaan ottamalla käyttöön johdonmukaisia, toistettavia ja ennalta hyväksyttyjä ratkaisumalleja, jotka täyttävät säädösten vaatimukset ja toimivat hallitusti.
Haasteet
Pilvipohjaisen lähestymistavan käyttöönoton pilottivaiheet sisälsivät useita kokeilu- ja arviointivaiheita, joissa hyödynnettiin laajaa valikoimaa analytiikkapalvelut AWS:ssä. Ensimmäiset NatWest Groupin pilvialustan iteraatiot datatieteen työkuormille kohtasivat haasteita johdonmukaisten, turvallisten ja yhteensopivien pilviympäristöjen tarjoamisessa. Uusien ympäristöjen luominen kesti muutamasta päivästä viikkoihin tai jopa kuukausiin. Keskeisten alustaryhmien luottaminen infrastruktuurin ja tietolähteiden rakentamiseen, tarjoamiseen, suojaamiseen, käyttöönottoon ja hallintaan vaikeutti uusien ryhmien käyttöönottoa pilvessä.
AWS-tilien infrastruktuurikonfiguraatioiden erojen vuoksi tiimien, jotka päättivät siirtää työkuormituksensa pilveen, piti käydä läpi monimutkainen vaatimustenmukaisuusprosessi. Jokainen infrastruktuurikomponentti jouduttiin analysoimaan erikseen, mikä pidensi tietoturvatarkastuksen aikatauluja.
AWS-kehityksen aloittaminen sisälsi alustatiimien kirjoittamien dokumentaatio-oppaiden lukemisen. Ympäristön alkuasennusvaiheisiin kuului julkisten ja yksityisten avainten hallinta todentamista varten, yhteyksien määrittäminen etäpalveluihin käyttämällä AWS-komentoriviliitäntä (AWS CLI) tai SDK paikallisista kehitysympäristöistä ja käyttää mukautettuja komentosarjoja paikallisten IDE:iden linkittämiseksi pilvipalveluihin. Tekniset haasteet vaikeuttivat usein uusien tiimiläisten mukaan ottamista. Kehitysympäristöjen konfiguroinnin jälkeen reitti ohjelmistojen julkaisuun tuotannossa oli yhtä monimutkainen ja pitkä.
Kuten tämän sarjan osassa 1 on kuvattu, yhteinen projektitiimi keräsi suuria määriä palautetta käyttäjäkokemuksesta ja vaatimuksista NatWest Groupin tiimeiltä ennen uuden datatieteen ja MLOps-alustan rakentamista. Yhteinen teema tässä palautteessa oli automatisoinnin ja standardoinnin tarve edeltäjänä nopealle ja tehokkaalle projektitoimitukselle AWS:ssä. Uusi alusta käyttää AWS-hallittuja palveluita kustannusten optimoimiseksi, alustan konfigurointiponnistelujen vähentämiseksi ja tarpeettoman suurten laskentatöiden aiheuttaman hiilijalanjäljen vähentämiseksi. Standardointi on upotettu alustan ytimeen, ja siinä on ennalta hyväksyttyjä, täysin määritettyjä, suojattuja, yhteensopivia ja uudelleenkäytettäviä infrastruktuurikomponentteja, jotka ovat jaettavissa data- ja analytiikkatiimien kesken.
Miksi SageMaker Studio?
Joukkue valitsi Amazon SageMaker Studio päätyökaluna ML-putkien rakentamisessa ja käyttöönotossa. Studio tarjoaa yhden verkkopohjaisen käyttöliittymän, joka antaa käyttäjille täydellisen pääsyn, hallinnan ja näkyvyyden jokaiseen vaiheeseen, jota tarvitaan mallien rakentamiseen, kouluttamiseen ja käyttöönottoon. Studio IDE:n (integroidun kehitysympäristön) kypsyys mallinkehitykseen, metatietojen seurantaan, artefaktien hallintaan ja käyttöönottoon olivat ominaisuuksia, jotka vetosivat voimakkaasti NatWest Group -tiimiin.
NatWest Groupin datatieteilijät työskentelevät SageMaker-kannettavien kanssa Studiossa mallinkehityksen alkuvaiheessa data-analyysin, datan kiistan ja ominaisuuksien suunnittelun suorittamiseksi. Kun käyttäjät ovat tyytyväisiä tämän alkutyön tuloksiin, koodi muunnetaan helposti kootettaviksi funktioiksi tietojen muuntamista, mallin koulutusta, päättelyä, lokikirjausta ja yksikkötestejä varten niin, että se on tuotantovalmis.
Mallin kehityksen elinkaaren myöhemmissä vaiheissa käytetään mm Amazon SageMaker -putkistot, joka voidaan tarkastaa ja seurata visuaalisesti Studiossa. Liukulinjat visualisoidaan DAG:ssa (Directed Acyclic Graph), joka värikoodaa vaiheet niiden tilan perusteella liukuhihnan suorituksen aikana. Lisäksi tiivistelmä Amazon CloudWatch -lokit näkyy DAG:n vieressä, mikä helpottaa epäonnistuneiden vaiheiden virheenkorjausta. Datatieteilijöille tarjotaan koodimalli, joka koostuu kaikista SageMaker-putkilinjan perusvaiheista. Tämä tarjoaa standardoidun kehyksen (yhtenäinen kaikille alustan käyttäjille yhteistyön ja tiedon jakamisen helpottamiseksi), johon kehittäjät voivat lisätä räätälöidyn logiikan ja sovelluskoodin, joka on erityisesti heidän ratkaisemaansa liiketoimintahaasteeseen.
Kehittäjät suorittavat putkia Studio IDE:ssä varmistaakseen, että heidän koodimuutoksensa integroituvat oikein muiden liukuhihnavaiheiden kanssa. Kun koodimuutokset on tarkistettu ja hyväksytty, nämä liukuhihnat rakennetaan ja niitä ajetaan automaattisesti Git-varaston päähaaratriggerin perusteella. Mallin koulutuksen aikana mallin arvioinnin mittareita tallennetaan ja niitä seurataan SageMaker Experimentsissa, jota voidaan käyttää hyperparametrien virittämiseen. Kun malli on koulutettu, mallin artefakti tallennetaan SageMaker-mallirekisteri, sekä mallisäiliöihin liittyvät metatiedot, koulutuksen aikana käytetyt tiedot, mallin ominaisuudet ja mallikoodi. Mallirekisterillä on keskeinen rooli mallin käyttöönottoprosessissa, koska se pakkaa kaikki mallitiedot ja mahdollistaa mallin promoottamisen automatisoinnin tuotantoympäristöihin.
MLOps-insinöörit ottavat käyttöön hallitun SageMaker erämuunnostyöt, mikä mittakaavassa vastaa työmäärävaatimuksia. Sekä offline-eräpäättelytyöt että päätepisteen kautta tarjottavat online-mallit käyttävät SageMakerin hallittua päättelytoimintoa. Tämä hyödyttää sekä alusta- että yrityssovellustiimejä, koska alusta-insinöörit eivät enää käytä aikaa infrastruktuurikomponenttien määrittämiseen mallipäätelmiä varten, eivätkä yrityssovellustiimit kirjoita ylimääräistä yleiskoodia laskentaesiintymien määrittämiseen ja vuorovaikutukseen niiden kanssa.
Miksi AWS-palveluluettelo?
Tiimi valitsi AWS-palvelukatalogin luodakseen luettelon turvallisista, yhteensopivista ja valmiiksi hyväksytyistä infrastruktuurimalleista. AWS-palvelukatalogituotteen infrastruktuurikomponentit on esikonfiguroitu täyttämään NatWest Groupin tietoturvavaatimukset. Roolien käyttöoikeuksien hallinta, resurssikäytännöt, verkkomääritykset ja keskitetty ohjauskäytännöt määritetään jokaiselle AWS-palvelukatalogituotteeseen pakatulle resurssille. Tuotteet versioitetaan ja jaetaan sovellustiimien kanssa noudattamalla standardiprosessia, jonka avulla tietotiede- ja suunnittelutiimit voivat itse palvella ja ottaa käyttöön infrastruktuurin heti saatuaan pääsyn AWS-tileihinsä.
Alustan kehitystiimit voivat helposti kehittää AWS Service Catalog -tuotteita ajan myötä mahdollistaakseen uusien ominaisuuksien käyttöönoton liiketoiminnan vaatimuksiin perustuen. Iteratiiviset muutokset tuotteisiin tehdään AWS Service Catalog -tuoteversion avulla. Kun uusi tuoteversio julkaistaan, alustatiimi yhdistää koodimuutokset Git-päähaaraan ja lisää AWS-palvelukatalogituotteen versiota. Infrastruktuurin päivittämisessä on jonkin verran itsenäisyyttä ja joustavuutta, koska yrityssovellustilit voivat käyttää tuotteiden aiempia versioita ennen kuin ne siirtyvät uusimpaan versioon.
Ratkaisun yleiskatsaus
Seuraava korkean tason arkkitehtuurikaavio näyttää, kuinka tyypillinen yrityssovellusten käyttötapaus otetaan käyttöön AWS:ssä. Seuraavissa osioissa käsitellään tarkemmin tiliarkkitehtuuria, infrastruktuurin käyttöönottoa, käyttäjien käyttöoikeuksien hallintaa ja sitä, miten erilaisia AWS-palveluita käytetään ML-ratkaisujen rakentamiseen.
Kuten arkkitehtuurikaaviossa näkyy, tilit noudattavat napa- ja pinnamallia. Jaettu alustatili toimii hub-tilinä, jossa alustatiimi isännöi yrityssovellustiimien (spoke) tilien vaatimia resursseja. Nämä resurssit sisältävät seuraavat:
- AWS Service Catalogin isännöimä kirjasto turvallisia, standardoituja infrastruktuurituotteita, joita käytetään itsepalveluinfrastruktuurin käyttöönottoon
- Docker-kuvat, tallennettu Amazonin elastisten säiliörekisteri (Amazon ECR), joita käytetään SageMaker-putkilinjan vaiheiden ja mallin päättelyn aikana
- AWS-koodi arkistot, jotka isännöivät ennalta hyväksyttyjä Python-paketteja
Nämä resurssit jaetaan automaattisesti puhetilien kanssa AWS-palveluluettelon portfolion jakamis- ja tuontiominaisuuden kautta AWS-henkilöllisyyden ja käyttöoikeuksien hallinta (IAM) luottamuskäytännöt sekä Amazon ECR:n että CodeArtifactin tapauksessa.
Jokaiselle yrityssovellustiimille on kolme AWS-tiliä NatWest Groupin infrastruktuuriympäristössä: kehitys, esituotanto ja tuotanto. Ympäristönimet viittaavat tilin aiottuun rooliin datatieteen kehittämisen elinkaaressa. Kehitystiliä käytetään tietojen analysointiin ja kiistelyyn, mallin ja mallin putkikoodin kirjoittamiseen, mallien kouluttamiseen ja mallien käyttöönottojen käynnistämiseen esituotanto- ja tuotantoympäristöihin SageMaker Studion kautta. Esituotantotili heijastaa tuotantotilin määritystä, ja sitä käytetään mallien käyttöönottojen ja erämuunnostöiden testaamiseen ennen kuin ne vapautetaan tuotantoon. Tuotantotili isännöi malleja ja suorittaa tuotannon päättelytyökuormia.
Käyttäjien hallinta
NatWest Groupilla on tiukat hallintoprosessit käyttäjien roolien erottamiseksi. Kullekin käyttäjäpersoonalle on luotu viisi erillistä IAM-roolia.
Alustatiimi käyttää seuraavia rooleja:
- Alustan tukiinsinööri – Tämä rooli sisältää käyttöoikeudet tavanomaisiin tehtäviin ja vain luku -näkymän muuhun ympäristöön alustan seurantaa ja virheenkorjausta varten.
- Alustan korjausinsinööri – Tämä rooli on luotu korotetuilla käyttöoikeuksilla. Sitä käytetään, jos alustassa on ongelmia, jotka vaativat manuaalista puuttumista. Tämä rooli otetaan vastaan vain hyväksytyllä, aikarajoitetulla tavalla.
Yrityssovellusten kehitystiimeillä on kolme eri roolia:
- Tekninen johto – Tämä rooli on osoitettu sovellustiimin johtajalle, joka on usein vanhempi datatieteilijä. Tällä käyttäjällä on oikeus ottaa käyttöön ja hallita AWS-palvelukatalogituotteita, käynnistää julkaisuja tuotantoon ja tarkastella ympäristön tilaa, kuten AWS-koodiputki tilat ja lokit. Tällä roolilla ei ole oikeutta hyväksyä mallia SageMaker-mallirekisterissä.
- Kehittäjä – Tämä rooli on osoitettu kaikille tiimin jäsenille, jotka työskentelevät SageMaker Studion kanssa, johon kuuluu insinöörejä, datatieteilijöitä ja usein tiimin johtaja. Tällä roolilla on oikeudet avata Studio, kirjoittaa koodia sekä suorittaa ja ottaa käyttöön SageMaker-putkia. Kuten teknisellä johdolla, tällä roolilla ei ole lupaa hyväksyä mallia mallirekisterissä.
- Mallin hyväksyjä – Tällä roolilla on rajoitetut mallien katseluun, hyväksymiseen ja hylkäämiseen liittyvät oikeudet mallirekisterissä. Syy tähän erotteluun on estää käyttäjiä, jotka voivat rakentaa ja kouluttaa malleja, hyväksymästä ja julkaisemasta omia mallejaan eskaloituneisiin ympäristöihin.
Erilliset Studion käyttäjäprofiilit luodaan kehittäjille ja mallin hyväksyjille. Ratkaisu käyttää IAM-käytäntölausekkeiden ja SageMaker-käyttäjäprofiilitunnisteiden yhdistelmää, joten käyttäjät voivat avata vain käyttäjätyyppiään vastaavan käyttäjäprofiilin. Tämä varmistaa, että käyttäjälle on määritetty oikea SageMaker-suorituksen IAM-rooli (ja siten käyttöoikeudet), kun hän avaa Studio IDE:n.
Itsepalvelun käyttöönotot AWS-palvelukatalogilla
Loppukäyttäjät käyttävät AWS-palvelukatalogia ottaakseen käyttöön datatieteen infrastruktuurituotteita, kuten seuraavia:
- Studioympäristö
- Studion käyttäjäprofiilit
- Mallin käyttöönottoputket
- Koulutusputket
- Päätelmäputket
- Järjestelmä valvontaan ja hälytykseen
Loppukäyttäjät ottavat nämä tuotteet käyttöön suoraan AWS Service Catalog -käyttöliittymän kautta, mikä tarkoittaa, että keskitettyjen alustaryhmien käyttöympäristöjen luominen on vähemmän. Tämä on lyhentänyt huomattavasti aikaa, joka kuluu käyttäjiltä päästäkseen uusiin pilviympäristöihin, useista päivistä muutamaan tuntiin, mikä on viime kädessä johtanut huomattavaan parannukseen arvon saavuttamisessa. Yhteisen AWS-palvelukatalogituotteiden käyttö tukee johdonmukaisuutta projekteissa koko yrityksessä ja alentaa yhteistyön ja uudelleenkäytön esteitä.
Koska kaikki datatieteen infrastruktuuri on nyt otettu käyttöön keskitetysti kehitetyn infrastruktuurituotteiden luettelon kautta, jokainen näistä tuotteista on rakennettu turvallisuutta ajatellen. Palvelut on määritetty kommunikoimaan sisällä Amazonin virtuaalinen yksityinen pilvi (Amazon VPC), jotta liikenne ei kulje julkisen Internetin läpi. Tiedot salataan siirron aikana ja käytön aikana AWS-avainhallintapalvelu (AWS KMS) avaimet. IAM-roolit on myös asetettu noudattamaan vähiten etuoikeusperiaatetta.
Lopuksi, AWS-palvelukatalogin avulla alustatiimin on helppo julkaista jatkuvasti uusia tuotteita ja palveluita, kun ne tulevat saataville tai niitä vaativat yrityssovellustiimit. Nämä voivat olla uusia infrastruktuurituotteita, jotka tarjoavat esimerkiksi loppukäyttäjille mahdollisuuden ottaa käyttöön omia tuotteitaan Amazonin EMR klustereita tai päivityksiä olemassa oleviin infrastruktuurituotteisiin. Koska AWS Service Catalog tukee tuotteen versiointia ja hyödyntää AWS-pilven muodostuminen kulissien takana voidaan käyttää paikallisia päivityksiä, kun olemassa olevista tuotteista julkaistaan uusia versioita. Tämän ansiosta alustatiimit voivat keskittyä tuotteiden rakentamiseen ja parantamiseen monimutkaisten päivitysprosessien kehittämisen sijaan.
Integrointi NatWestin olemassa olevaan IaC-ohjelmistoon
AWS-palvelukatalogia käytetään itsepalvelutietotekniikan infrastruktuurin käyttöönotuksiin. Lisäksi NatWestin standardiinfrastruktuuria koodina (IaC) käytetään Terraformin rakentamiseen AWS-tileissä. Alustatiimit käyttävät Terraformia tilin alkuasetusprosessin aikana ottamaan käyttöön tarvittavat infrastruktuuriresurssit, kuten VPC:t, suojausryhmät, AWS-järjestelmien päällikkö parametrit, KMS-avaimet ja tavalliset suojaustoiminnot. Hub-tilin infrastruktuuri, kuten AWS-palvelukatalogiportfoliot ja Docker-kuvien rakentamiseen käytetyt resurssit, määritellään myös Terraformilla. Itse AWS-palvelukatalogituotteet on kuitenkin rakennettu käyttämällä tavallisia CloudFormation-malleja.
Kehittäjän tuottavuuden ja koodin laadun parantaminen SageMaker-projektien avulla
SageMaker-projektit tarjoavat kehittäjille ja datatieteilijöille pääsyn pika-aloitusprojekteihin poistumatta SageMaker Studiosta. Näiden pika-aloitusprojektien avulla voit ottaa käyttöön useita infrastruktuuriresursseja samanaikaisesti vain muutamalla napsautuksella. Näitä ovat Git-arkisto, joka sisältää standardoidun projektimallin valitulle mallityypille, Amazonin yksinkertainen tallennuspalvelu (Amazon S3) -ämpärit tietojen, sarjamuotoisten mallien ja artefaktien tallentamiseen sekä mallikoulutukseen ja CodePipeline-putkilinjojen päättelyyn.
Standardoitujen koodipohjaarkkitehtuurien ja työkalujen käyttöönotto helpottaa datatieteilijöiden ja insinöörien siirtymistä projekteista toiseen ja varmistaa koodin laadun säilymisen korkeana. Esimerkiksi ohjelmistosuunnittelun parhaat käytännöt, kuten lintu- ja muotoilutarkistukset (suoritetaan sekä automaattisina tarkistuksina että pre-commit-koukkuina), yksikkötestit ja kattavuusraportit ovat nyt automatisoituja osana koulutusta, mikä mahdollistaa standardoinnin kaikissa projekteissa. Tämä on parantanut ML-projektien ylläpidettävyyttä ja helpottaa näiden projektien siirtämistä tuotantoon.
Mallin käyttöönottojen automatisointi
Mallin koulutusprosessi on ohjattu SageMaker Pipelinesillä. Kun mallit on koulutettu, ne tallennetaan SageMaker-mallirekisteriin. Käyttäjät, joille on määritetty mallin hyväksyjän rooli, voivat avata mallirekisterin ja etsiä koulutusprosessiin liittyviä tietoja, kuten mallin koulutuksen ajankohdan, hyperparametrien arvot ja arviointimitat. Nämä tiedot auttavat käyttäjää päättämään, hyväksyykö vai hylkääkö hän mallin. Mallin hylkääminen estää mallin käyttöönoton eskaloituneessa ympäristössä, kun taas mallin hyväksyminen käynnistää mallin promootioputkilinjan CodePipelinen kautta, joka kopioi mallin automaattisesti esituotantoa edeltävälle AWS-tilille valmiina päätelmien työkuormitustestausta varten. Kun tiimi on vahvistanut, että malli toimii oikein esituotannossa, manuaalinen vaihe samassa prosessissa hyväksytään ja malli kopioidaan automaattisesti tuotantotilille valmiina tuotannon päättämistä varten.
tulokset
Yksi tämän NatWestin ja AWS:n yhteistyöprojektin päätavoitteista oli lyhentää datatieteen pilviympäristöjen ja ML-mallien tuotantoon ja käyttöönottoon kuluvaa aikaa. Tämä on saavutettu – NatWest voi nyt tarjota uusia, skaalautuvia ja suojattuja AWS-ympäristöjä muutamassa tunnissa verrattuna päiviin tai jopa viikkoihin. Tietotieteilijöillä ja insinööreillä on nyt valtuudet ottaa käyttöön ja hallita datatieteen infrastruktuuria itse AWS-palvelukatalogin avulla, mikä vähentää riippuvuutta keskitetyistä alustaryhmistä. Lisäksi SageMaker-projektien avulla käyttäjät voivat aloittaa koodauksen ja koulutusmallien muutamassa minuutissa, ja samalla tarjotaan standardoidut projektirakenteet ja työkalut.
Koska AWS Service Catalog toimii keskeisenä menetelmänä datatieteen infrastruktuurin käyttöönotossa, alustaa voidaan helposti laajentaa ja päivittää tulevaisuudessa. Uusia AWS-palveluita voidaan tarjota loppukäyttäjille nopeasti tarpeen tullen, ja olemassa olevat AWS-palvelukatalogituotteet voidaan päivittää paikoilleen hyödyntämään uusia ominaisuuksia.
Lopuksi siirtyminen AWS:n hallittuihin palveluihin tarkoittaa, että laskentaresurssit varataan ja suljetaan tarpeen mukaan. Tämä on tuonut kustannussäästöjä ja joustavuutta, samalla kun se on mukautunut NatWestin tavoitteena on olla nettonolla vuoteen 2050 mennessä johtuen arviolta 75 prosentin vähennyksestä CO2 päästöt.
Yhteenveto
Pilvipohjaisen strategian käyttöönotto NatWest Groupissa johti vankan AWS-ratkaisun luomiseen, joka voi tukea suurta määrää yrityssovellustiimejä kaikkialla organisaatiossa. Infrastruktuurin hallinta AWS-palvelukatalogin avulla on parantanut pilven käyttöönottoprosessia merkittävästi käyttämällä turvallisia, yhteensopivia ja ennalta hyväksyttyjä infrastruktuurin rakennuspalikoita, joita voidaan helposti laajentaa. Hallitut SageMaker-infrastruktuurikomponentit ovat parantaneet mallin kehitysprosessia ja nopeuttaneet ML-projektien toimitusta.
Saat lisätietoja tuotantovalmiiden ML-mallien rakentamisprosessista NatWest Groupissa katsomalla loput tästä neliosaisesta sarjasta NatWest Groupin ja AWS Professional Servicesin strategisesta yhteistyöstä:
- Osa 1 selittää, kuinka NatWest Group teki yhteistyötä AWS Professional Servicesin kanssa rakentaakseen skaalautuvan, turvallisen ja kestävän MLOps-alustan
- Osa 3 tarjoaa yleiskatsauksen siitä, kuinka NatWest Group käyttää SageMaker-palveluita tarkastettavien, toistettavien ja selitettävien ML-mallien rakentamiseen
- Osa 4 yksityiskohtaisesti, kuinka NatWest-tietotieteiden tiimit siirtävät olemassa olevat mallinsa SageMaker-arkkitehtuureihin
Tietoja Tekijät
Junaid Baba on DevOps-konsultti osoitteessa AWS-asiantuntijapalvelut Hän hyödyntää kokemustaan Kubernetesista, hajautetusta tietojenkäsittelystä, tekoäly/MLOps-ratkaisuista nopeuttaakseen pilvipalveluiden käyttöönottoa Yhdistyneen kuningaskunnan rahoituspalvelualan asiakkaissa. Junaid on työskennellyt AWS:n palveluksessa kesäkuusta 2018 lähtien. Sitä ennen Junaid työskenteli useiden DevOps-käytäntöjä ohjaavien startup-yritysten kanssa. Työn ulkopuolella häntä kiinnostavat vaellus, moderni taide ja valokuvaus.
Jordanka Ivanova on tietoinsinööri NatWest Groupissa. Hänellä on kokemusta dataratkaisujen rakentamisesta ja toimittamisesta finanssipalvelualan yrityksille. Ennen NatWestiin liittymistään Yordanka työskenteli teknisenä konsulttina, jossa hän sai kokemusta monenlaisten pilvipalvelujen ja avoimen lähdekoodin teknologioiden hyödyntämisestä liiketoiminnallisten tulosten tuottamiseksi useilla pilvialustoilla. Vapaa-ajallaan Yordanka nauttii treenaamisesta, matkustamisesta ja kitaran soittamisesta.
Michael Englanti on ohjelmistoinsinööri NatWest Groupin Data Science and Innovation -tiimissä. Hän on intohimoinen ratkaisujen kehittämiseen suurten koneoppimistyökuormien suorittamiseen pilvessä. Ennen NatWest Groupille tuloaan Michael työskenteli ja johti ohjelmistosuunnittelutiimejä, jotka kehittivät kriittisiä sovelluksia rahoituspalveluille ja matkailualalle. Vapaa-ajallaan hän soittaa kitaraa, matkustaa ja tutkii maaseutua pyörällään.
- Coinsmart. Euroopan paras Bitcoin- ja kryptopörssi.
- Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. VAPAA PÄÄSY.
- CryptoHawk. Altcoinin tutka. Ilmainen kokeilu.
- Lähde: https://aws.amazon.com/blogs/machine-learning/part-2-how-natwest-group-built-a-secure-compliant-self-service-mlops-platform-using-aws-service- catalog-and-amazon-sagemaker/
- "
- 100
- Meistä
- kiihtyi
- kiihtyvä
- pääsy
- Tili
- poikki
- Lisäksi
- lisä-
- Hyväksyminen
- Etu
- Kaikki
- Amazon
- keskuudessa
- määrä
- määrät
- analyysi
- Analytics
- Hakemus
- sovellukset
- lähestymistapa
- hyväksyä
- arkkitehtuuri
- Art
- osoitettu
- tilintarkastus
- Authentication
- Automatisoitu
- Automaatio
- Automaatio ja standardointi
- saatavissa
- AWS
- Pankki
- tulevat
- kulissien takana
- ovat
- hyödyttää
- Hyödyt
- PARAS
- parhaat käytännöt
- rakentaa
- Rakentaminen
- liiketoiminta
- hiili
- joka
- keskitetty
- haaste
- haasteet
- Tarkastukset
- pilvi
- Pilvialusta
- pilvipalvelut
- koodi
- Koodaus
- yhteistyö
- yhdistelmä
- Yhteinen
- Yritykset
- yritys
- verrattuna
- monimutkainen
- noudattaminen
- mukautuva
- komponentti
- Laskea
- tietojenkäsittely
- Konfigurointi
- Liitännät
- konsultti
- Kontti
- Kontit
- sisältää
- pitoisuus
- jatkuvasti
- ohjaus
- luotu
- Luominen
- luominen
- kriittinen
- asiakassuhde
- Asiakkaat
- tiedot
- tietojen analysointi
- tietojenkäsittely
- tietojen tutkija
- toimitettu
- tuottaa
- toimitus
- Kysyntä
- vaatii
- sijoittaa
- käyttöön
- levityspinnalta
- käyttöönotto
- käyttöönotot
- on kuvattu
- mallit
- yksityiskohta
- yksityiskohdat
- kehitetty
- Kehittäjä
- kehittäjille
- kehittämällä
- Kehitys
- eri
- vaikea
- digitaalinen
- suoraan
- jaettu
- hajautettu laskenta
- Satamatyöläinen
- ei
- alas
- ajo
- helposti
- tehokas
- ponnisteluja
- Kehittää
- mahdollistaa
- päätepiste
- insinööri
- Tekniikka
- Engineers
- yritys
- ympäristö
- arvioidaan
- arviointi
- kehittää
- esimerkki
- teloitus
- olemassa
- experience
- Ominaisuus
- Ominaisuudet
- palaute
- taloudellinen
- rahoituspalvelut
- Etunimi
- Korjata
- Joustavuus
- Keskittää
- seurata
- jälkeen
- Jalanjälki
- muoto
- Puitteet
- toiminnallisuus
- tulevaisuutta
- mennä
- hallinto
- Ryhmä
- Ryhmän
- Oppaat
- onnellinen
- auttaa
- auttaa
- Korkea
- Miten
- HTTPS
- Identiteetti
- täytäntöönpano
- parani
- sisältää
- mukana
- sisältää
- kasvoi
- teollisuuden
- teollisuus
- tiedot
- Infrastruktuuri
- Innovaatio
- innovatiivinen
- Laitos
- yhdistää
- integroitu
- etu
- liitäntä
- Internet
- osallistuva
- kysymykset
- IT
- Työpaikat
- avain
- avaimet
- tuntemus
- suuri
- uusin
- johtaa
- OPPIA
- oppiminen
- Led
- vipusuhteita
- vipuvaikutuksen
- Kirjasto
- rajallinen
- linja
- yhdistää
- paikallinen
- kone
- koneoppiminen
- tehty
- merkittävä
- TEE
- hoitaa
- onnistui
- johto
- toimitusjohtaja
- tapa
- manuaalinen
- asia
- kypsyys
- merkitys
- Jäsenet
- Metrics
- miljoona
- mielessä
- ML
- malli
- mallit
- seuranta
- kk
- lisää
- liikkua
- liikkuvat
- moninkertainen
- nimet
- verkostoituminen
- Uudet ominaisuudet
- Uusi alusta
- uusi tuote
- uusia tuotteita
- numero
- tarjotaan
- offline
- perehdytyksessä
- verkossa
- avata
- Operations
- Optimoida
- organisaatio
- Muut
- yleinen
- oma
- erityinen
- kumppanuuteen
- intohimoinen
- Kuvio
- suorituskyky
- valokuvaus
- lentäjä
- foorumi
- Platforms
- pelaa
- politiikkaa
- politiikka
- salkku
- salkut
- periaate
- yksityinen
- Yksityiset avaimet
- prosessi
- Prosessit
- Tuotteet
- tuotanto
- tuottavuus
- Tuotteemme
- ammatillinen
- Profiili
- Profiilit
- projekti
- hankkeet
- edistäminen
- toimittaa
- tarjoaa
- tarjoamalla
- julkinen
- laatu
- nopea
- nopeasti
- Lukeminen
- vähentää
- vähentämällä
- sääntelyn
- yhteys
- vapauta
- julkaistu
- Tiedotteet
- riippuvuus
- Raportit
- säilytyspaikka
- edellyttää
- tarvitaan
- vaatimukset
- resurssi
- Esittelymateriaalit
- REST
- tulokset
- arviot
- Reitti
- ajaa
- juoksu
- skaalautuvuus
- skaalautuva
- Asteikko
- kohtaukset
- tiede
- Tiedemies
- tutkijat
- sdk
- turvallinen
- turvallisuus
- valittu
- Sarjat
- palvelu
- Palvelut
- setti
- setup
- Jaa:
- yhteinen
- merkittävä
- samalla lailla
- Yksinkertainen
- So
- Tuotteemme
- Software Engineer
- ohjelmistotuotanto
- ratkaisu
- Ratkaisumme
- viettää
- Pysyvyys
- pino
- standardi
- aloituksia
- alkoi
- Osavaltio
- lausuntoja
- Tila
- Levytila
- Strateginen
- Strategia
- studio
- tuki
- Tukee
- kestävä
- järjestelmä
- järjestelmät
- tehtävät
- joukkue-
- Tekninen
- Technologies
- Elektroniikka
- malleja
- testi
- Testaus
- testit
- nivel
- teema
- siksi
- Kautta
- aika
- työkalu
- kohti
- Seuranta
- liikenne
- koulutus
- Muuttaa
- Muutos
- kauttakulku
- matkustaa
- Matkustaminen
- Luottamus
- ui
- Uk
- Päivitykset
- käyttää
- Käyttäjät
- käyttää
- Hyödyntämällä
- lajike
- Näytä
- Virtual
- näkyvyys
- Web-pohjainen
- onko
- vaikka
- KUKA
- sisällä
- ilman
- Referenssit
- työskenteli
- työskentely
- käydä salilla
- toimii
- maailman-