Voit nyt rekisteröidä sisäänrakennettuja koneoppimismalleja (ML). Amazon SageMaker Canvas yhdellä napsautuksella Amazon SageMaker -mallirekisteri, jonka avulla voit käyttää ML-malleja tuotannossa. Canvas on visuaalinen käyttöliittymä, jonka avulla yritysanalyytikot voivat luoda tarkkoja ML-ennusteita itse – ilman ML-kokemusta tai yhden koodirivin kirjoittamista. Vaikka se on loistava paikka kehitykselle ja kokeilulle, arvon saamiseksi näistä malleista, ne on otettava käyttöön – eli ne on otettava käyttöön tuotantoympäristössä, jossa niitä voidaan käyttää ennusteiden tai päätösten tekemiseen. Nyt mallirekisterin kanssa integroinnin ansiosta voit tallentaa kaikki mallin artefaktit, mukaan lukien metatiedot ja suorituskykymittarit, keskustietovarastoon ja liittää ne olemassa oleviin mallin käyttöönoton CI/CD-prosesseihin.
Mallirekisteri on arkisto, joka luetteloi ML-malleja, hallitsee erilaisia malliversioita, liittää metatietoja (kuten koulutusmittareita) malliin, hallitsee mallin hyväksymistilaa ja ottaa ne käyttöön tuotantoon. Kun olet luonut malliversion, haluat yleensä arvioida sen suorituskykyä ennen kuin otat sen käyttöön tuotannon päätepisteessä. Jos se vastaa vaatimuksiasi, voit päivittää malliversion hyväksyntätilan hyväksytyksi. Hyväksytty-tilan asettaminen voi käynnistää mallin CI/CD-käyttöönoton. Jos malliversio ei täytä vaatimuksiasi, voit päivittää hyväksyntätilan rekisterissä hylätyksi, mikä estää mallin käyttöönoton eskaloituneessa ympäristössä.
Mallirekisterillä on keskeinen rooli mallin käyttöönottoprosessissa, koska se pakkaa kaikki mallitiedot ja mahdollistaa mallin edistämisen tuotantoympäristöihin automatisoinnin. Seuraavassa on joitakin tapoja, joilla mallirekisteri voi auttaa ML-mallien käyttöönotossa:
- Versionhallinta – Mallirekisterin avulla voit seurata eri versioita ML-malleistasi, mikä on välttämätöntä, kun malleja otetaan käyttöön tuotannossa. Seuraamalla malliversioita voit helposti palata edelliseen versioon, jos uusi versio aiheuttaa ongelmia.
- Yhteistyö – Mallirekisteri mahdollistaa tietotieteilijöiden, insinöörien ja muiden sidosryhmien yhteistyön tarjoamalla keskitetyn sijainnin mallien tallentamista, jakamista ja käyttöä varten. Tämä voi tehostaa käyttöönottoprosessia ja varmistaa, että kaikki työskentelevät saman mallin kanssa.
- Hallinto – Mallirekisteri voi auttaa noudattamisessa ja hallinnassa tarjoamalla tarkastettavan historian mallin muutoksista ja käyttöönotoista.
Kaiken kaikkiaan mallirekisteri voi auttaa virtaviivaistamaan ML-mallien käyttöönottoa tuotannossa tarjoamalla versionhallinnan, yhteistyön, valvonnan ja hallinnan.
Katsaus ratkaisuun
Käyttötapauksessamme otamme yrityskäyttäjän roolin matkapuhelinoperaattorin markkinointiosastolla ja olemme onnistuneesti luoneet Canvasissa ML-mallin tunnistamaan asiakkaat, joilla on mahdollinen vaihtumisriski. Mallimme luomien ennusteiden ansiosta haluamme nyt siirtää tämän kehitysympäristöstämme tuotantoon. Ennen kuin mallimme otetaan käyttöön tuotannon päätepisteessä, keskus-MLOps-tiimin on tarkistettava ja hyväksyttävä se. Tämä tiimi vastaa malliversioiden hallinnasta, kaikkien malliin liittyvien metatietojen (kuten koulutusmittareiden) tarkistamisesta, jokaisen ML-mallin hyväksymistilan hallinnasta, hyväksyttyjen mallien käyttöönotosta tuotantoon ja mallin käyttöönoton automatisoimisesta CI/CD:llä. Mallin käyttöönottoprosessin tehostamiseksi tuotannossa hyödynnämme Canvasin integrointia mallirekisteriin ja rekisteröimme mallimme MLOps-tiimimme tarkistettavaksi.
Työnkulun vaiheet ovat seuraavat:
- Lataa Canvasiin uusi tietojoukko, jossa on nykyinen asiakaskunta. Täydellinen luettelo tuetuista tietolähteistä on kohdassa Tuo tiedot Canvasiin.
- Rakenna ML-malleja ja analysoi niiden suorituskykymittareita. Katso ohjeita kohtaan rakentaa mukautettu ML-malli Canvasissa ja arvioida mallin suorituskykyä.
- Rekisteröi parhaiten toimivat versiot mallirekisteriin tarkistettavaksi ja hyväksyttäväksi.
- Ota käyttöön hyväksytty malliversio tuotannon päätepisteeseen reaaliaikaista päättelyä varten.
Voit suorittaa vaiheet 1–3 Canvasissa kirjoittamatta yhtään koodiriviä.
Edellytykset
Varmista tätä läpikäyntiä varten, että seuraavat edellytykset täyttyvät:
- Rekisteröidäkseen malliversioita mallirekisteriin Canvas-järjestelmänvalvojan on annettava Canvas-käyttäjälle tarvittavat oikeudet, joita voit hallita Canvas-sovellustasi isännöivässä SageMaker-toimialueessa. Lisätietoja on osoitteessa Amazon SageMaker -kehitysopas. Kun myönnät Canvas-käyttäjäoikeuksiasi, sinun on valittava, sallitaanko käyttäjän rekisteröidä malliversionsa samalle AWS-tilille.
- Täytä kohdassa mainitut edellytykset Ennusta asiakkaiden vaihtuvuus koodittomalla koneoppimisella Amazon SageMaker Canvasin avulla.
Sinulla pitäisi nyt olla kolme malliversiota, jotka on koulutettu Canvasin historiallisiin vaihtuvuusennustustietoihin:
- V1 on koulutettu kaikilla 21 ominaisuudella ja nopealla kokoonpanolla mallipisteillä 96.903 %
- V2 on koulutettu kaikilla 19 ominaisuudella (poistetut puhelin- ja tilaominaisuudet) ja nopealla kokoonpanolla ja parannetulla 97.403 prosentin tarkkuudella
- V3 on koulutettu standardikoontikokoonpanolla 97.03 % mallipisteillä
Käytä asiakasvaihtuvuuden ennustemallia
Enable Näytä lisätiedot ja tarkastella kuhunkin malliversioon liittyviä objektiivisia mittareita, jotta voimme valita parhaiten suoriutuneen mallin mallirekisteriin rekisteröitäväksi.
Suorituskykymittareiden perusteella valitsemme rekisteröitäväksi version 2.
Mallirekisteri seuraa kaikkia malliversioita, jotka olet kouluttanut ratkaisemaan tietyn malliryhmän ongelman. Kun koulutat Canvas-mallin ja rekisteröit sen mallirekisteriin, se lisätään malliryhmään uutena malliversiona.
Rekisteröinnin yhteydessä mallirekisteriin luodaan automaattisesti malliryhmä. Vaihtoehtoisesti voit nimetä sen uudelleen haluamallasi nimellä tai käyttää olemassa olevaa malliryhmää mallirekisterissä.
Tässä esimerkissä käytämme automaattisesti luotua malliryhmän nimeä ja valitsemme Lisää.
Malliversiomme pitäisi nyt rekisteröityä mallirekisterin malliryhmään. Jos rekisteröimme toisen malliversion, se rekisteröidään samaan malliryhmään.
Malliversion tilan olisi pitänyt muuttua Ei rekisteröity että Kirjattu.
Kun viemme hiiren tilan tilan päälle, voimme tarkastella mallirekisterin tietoja, jotka sisältävät malliryhmän nimen, mallin rekisteritilin tunnuksen ja hyväksymistilan. Heti rekisteröitymisen jälkeen tila vaihtuu muotoon Odottaa hyväksyntää, mikä tarkoittaa, että tämä malli on rekisteröity mallirekisteriin, mutta se odottaa tarkastusta ja hyväksyntää datatieteilijältä tai MLOps-tiimin jäseneltä, ja se voidaan ottaa käyttöön päätepisteessä vain, jos se hyväksytään.
Nyt navigoidaan kohteeseen Amazon SageMaker Studio ja ottaa MLOps-tiimin jäsenen roolin. Alla Mallit valitse siirtymisruudussa Mallin rekisteri avataksesi mallirekisterin kotisivun.
Näemme malliryhmänp canvas-Churn-Prediction-Model
jonka Canvas loi automaattisesti meille.
Valitse malli tarkistaaksesi kaikki tähän malliryhmään rekisteröidyt versiot ja tarkista sitten vastaavat mallin tiedot.
Jos avaat version 1 tiedot, voimme nähdä, että Toiminta -välilehti pitää kirjaa kaikista mallissa tapahtuvista tapahtumista.
On Mallin laatu -välilehti, voimme tarkastella mallin mittareita, tarkkuus-/palautuskäyriä ja sekavuusmatriisikaavioita mallin suorituskyvyn ymmärtämiseksi.
On Selitettävyys -välilehdellä voimme tarkastella ominaisuuksia, jotka vaikuttivat eniten mallin suorituskykyyn.
Kun olemme tarkistaneet malliesineet, voimme muuttaa hyväksyntätilan Odotustilassa että Hyväksytty.
Näemme nyt päivitetyn toiminnan.
Canvas-yrityskäyttäjä näkee nyt, että rekisteröidyn mallin tila on muuttunut Odottaa hyväksyntää että Hyväksytty.
MLOps-tiimin jäsenenä, koska olemme hyväksyneet tämän ML-mallin, otetaan se käyttöön päätepisteeseen.
Siirry Studiossa mallirekisterin kotisivulle ja valitse canvas-Churn-Prediction-Model
malliryhmä. Valitse käyttöön otettava versio ja siirry kohtaan Asetukset Tab.
Selaa saadaksesi mallipaketin ARN tiedot valitusta malliversiosta mallirekisterissä.
Avaa muistikirja Studiossa ja suorita seuraava koodi ottaaksesi mallin käyttöön päätepisteessä. Vaihda mallipaketti ARN omaan mallipakettisi ARN.
Kun päätepiste on luotu, voit nähdä sen seurattavana tapahtumana Toiminta mallirekisterin välilehti.
Voit kaksoisnapsauttaa päätepisteen nimeä saadaksesi sen tiedot.
Nyt kun meillä on päätepiste, vedotaan siihen reaaliaikaisen päätelmän saamiseksi. Vaihda päätepisteesi nimi seuraavassa koodinpätkässä:
Puhdistaa
Vältä tulevia maksuja poistamalla resurssit, jotka loit seuraamalla tätä viestiä. Tämä sisältää kirjautumisen ulos Canvasista ja käyttöönotetun SageMaker-päätepisteen poistaminen. Canvas laskuttaa sinua istunnon ajalta, ja suosittelemme kirjautumaan ulos Canvasista, kun et käytä sitä. Viitata Kirjaudu ulos Amazon SageMaker Canvasista lisätietoja.
Yhteenveto
Tässä viestissä keskustelimme siitä, kuinka Canvas voi auttaa ML-mallien toiminnallisuudessa tuotantoympäristöissä ilman ML-asiantuntemusta. Esimerkissämme osoitimme, kuinka analyytikko voi nopeasti rakentaa erittäin tarkan ennustavan ML-mallin kirjoittamatta mitään koodia ja rekisteröidä sen mallirekisteriin. MLOps-tiimi voi sitten tarkistaa sen ja joko hylätä mallin tai hyväksyä mallin ja aloittaa loppupään CI/CD-käyttöönottoprosessin.
Aloita alhaisen koodin/koodittoman ML-matkasi kohdasta Amazon SageMaker Canvas.
Erityiset kiitokset kaikille julkaisuun osallistuneille:
taustaosa:
- Huayuan (Alice) Wu
- Krittaphat Pugdeethosapol
- Yanda Hu
- John He
- Esha Dutta
- Prashanth
Etupää:
- Kaiz-kauppias
- Ed Cheung
Tietoja Tekijät
Janisha Anand on vanhempi tuotepäällikkö SageMaker Low/No Code ML -tiimissä, johon kuuluu SageMaker Autopilot. Hän nauttii kahvista, liikkumisesta ja perheen kanssa viettämisestä.
Krittaphat Pugdeethosapol on ohjelmistokehitysinsinööri Amazon SageMakerissa ja työskentelee pääasiassa SageMakerin matalan koodin ja ilman koodia sisältävien tuotteiden kanssa.
Huayuan (Alice) Wu on ohjelmistokehitysinsinööri Amazon SageMakerissa. Hän keskittyy ML-työkalujen ja -tuotteiden rakentamiseen asiakkaille. Työn ulkopuolella hän nauttii ulkoilusta, joogasta ja patikoinnista.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoAiStream. Web3 Data Intelligence. Tietoa laajennettu. Pääsy tästä.
- Tulevaisuuden lyöminen Adryenn Ashley. Pääsy tästä.
- Osta ja myy osakkeita PRE-IPO-yhtiöissä PREIPO®:lla. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/operationalize-ml-models-built-in-amazon-sagemaker-canvas-to-production-using-the-amazon-sagemaker-model-registry/
- :On
- :ei
- :missä
- ][s
- 1
- 100
- 15%
- 420
- 7
- 8
- a
- pystyy
- Pääsy
- Tili
- tarkkuus
- tarkka
- aktiivinen
- toiminta
- lisä-
- admin
- kehittynyt
- Etu
- Jälkeen
- Kaikki
- sallia
- mahdollistaa
- Vaikka
- Amazon
- Amazon Sage Maker
- Amazon SageMaker Canvas
- keskuudessa
- an
- analyytikko
- analyytikot
- analysoida
- ja
- Toinen
- Kaikki
- Hakemus
- hyväksyminen
- hyväksyä
- hyväksytty
- OVAT
- AS
- liittyvä
- At
- tarkastettavissa
- automaattisesti
- automatisointi
- Automaatio
- välttää
- AWS
- BE
- koska
- ennen
- ovat
- PARAS
- Setelit
- elin
- rakentaa
- Rakentaminen
- rakennettu
- liiketoiminta
- mutta
- by
- CAN
- kangas
- tapaus
- luettelot
- syyt
- keskeinen
- keskitetty
- muuttaa
- muuttunut
- Muutokset
- maksut
- valinta
- Valita
- napsauttaa
- koodi
- kahvi
- yhteistyö
- noudattaminen
- Konfigurointi
- sekaannus
- osaltaan
- ohjaus
- vastaava
- luoda
- luotu
- Nykyinen
- asiakassuhde
- asiakas
- Asiakkaat
- tiedot
- tietojen tutkija
- treffiaika
- päätökset
- osasto
- sijoittaa
- käyttöön
- levityspinnalta
- käyttöönotto
- käyttöönotot
- lauennut
- yksityiskohdat
- Kehittäjä
- Kehitys
- eri
- keskusteltiin
- ei
- verkkotunnuksen
- kesto
- kukin
- helposti
- myöskään
- mahdollistaa
- mahdollistaa
- loppu
- päätepiste
- insinööri
- Engineers
- varmistaa
- ympäristö
- ympäristöissä
- olennainen
- arvioida
- tapahtuma
- Tapahtumat
- Joka
- jokainen
- esimerkki
- olemassa
- experience
- asiantuntemus
- perhe
- Ominaisuudet
- keskittyy
- jälkeen
- seuraa
- varten
- alkaen
- koko
- tulevaisuutta
- tuottaa
- syntyy
- saada
- Antaa
- Go
- hallinto
- myöntäminen
- suuri
- Ryhmä
- Happening
- Olla
- ottaa
- auttaa
- hänen
- erittäin
- historiallinen
- historia
- Etusivu
- isännät
- liihottaa
- Miten
- Kuitenkin
- HTML
- HTTPS
- ID
- tunnistaa
- if
- tuoda
- parani
- in
- sisältää
- sisältää
- Mukaan lukien
- vaikuttaneet
- tiedot
- aloittaa
- ohjeet
- integraatio
- liitäntä
- tulee
- kysymykset
- IT
- SEN
- matka
- jpg
- pito
- avain
- käynnistää
- oppiminen
- linja
- Lista
- sijainti
- hakkuu
- kone
- koneoppiminen
- pääasiallisesti
- tehdä
- hoitaa
- johtaja
- hallinnoi
- toimitusjohtaja
- Marketing
- Matriisi
- välineet
- jäsen
- mainitsi
- Metadata
- Metrics
- ML
- MLOps
- Puhelinnumero
- kännykkä
- malli
- mallit
- seuranta
- lisää
- eniten
- liikkua
- täytyy
- nimi
- Navigoida
- suunnistus
- välttämätön
- Tarve
- tarpeet
- Uusi
- Nro
- muistikirja
- nyt
- tavoite
- of
- on
- vain
- avata
- operaattori
- or
- OS
- Muut
- meidän
- ulos
- ulkona
- ulkopuolella
- yli
- oma
- paketti
- paketit
- sivulla
- pandas
- lasi
- erityinen
- odotettaessa
- Suorittaa
- suorituskyky
- esittävä
- suorittaa
- Oikeudet
- puhelin
- Paikka
- Platon
- Platonin tietotieto
- PlatonData
- soittaa
- pistoke
- väestö
- Kirje
- mahdollinen
- ennustus
- Ennusteet
- edellytyksiä
- estää
- edellinen
- Ongelma
- prosessi
- Prosessit
- Tuotteet
- tuotepäällikkö
- tuotanto
- Tuotteemme
- edistäminen
- tarjoamalla
- nopea
- nopeasti
- reaaliaikainen
- suositella
- ilmoittautua
- kirjattu
- Rekisteröinti
- rekisterin
- poistettu
- korvata
- säilytyspaikka
- vaatimukset
- Esittelymateriaalit
- vastaus
- vastuullinen
- palautua
- arviot
- tarkistetaan
- tarkistetaan
- oikein
- Riski
- Rooli
- ajaa
- sagemaker
- sama
- Tiedemies
- tutkijat
- pisteet
- nähdä
- valittu
- vanhempi
- Istunto
- asetus
- jakaminen
- hän
- shouldnt
- osoittivat
- single
- So
- Tuotteemme
- ohjelmistokehitys
- SOLVE
- jonkin verran
- Lähteet
- menot
- sidosryhmien
- standardi
- Alkaa
- Osavaltio
- Tila
- Askeleet
- verkkokaupasta
- tallentamiseksi
- tehostaa
- studio
- Onnistuneesti
- niin
- Tuetut
- SYS
- ottaa
- joukkue-
- Kiitos
- että
- -
- heidän
- Niitä
- sitten
- Nämä
- ne
- tätä
- kolmella
- aika
- että
- työkalut
- raita
- Juna
- koulutettu
- koulutus
- tyypillisesti
- varten
- ymmärtää
- Päivitykset
- päivitetty
- us
- käyttää
- käyttölaukku
- käytetty
- käyttäjä
- käyttämällä
- arvo
- eri
- versio
- läpikäynti
- haluta
- tavalla
- we
- olivat
- kun
- onko
- joka
- vaikka
- KUKA
- tulee
- with
- sisällä
- ilman
- Referenssit
- työskentely
- toimii
- olisi
- kirjoittaa
- kirjoittaminen
- Joo
- Jooga
- Voit
- Sinun
- zephyrnet