Cartes modèles Amazon SageMaker vous permettent de normaliser la façon dont les modèles sont documentés, obtenant ainsi une visibilité sur le cycle de vie d'un modèle, depuis la conception, la construction, la formation et l'évaluation. Les cartes modèles sont destinées à être une source unique de vérité pour les métadonnées commerciales et techniques sur le modèle qui peuvent être utilisées de manière fiable à des fins d'audit et de documentation. Ils fournissent une fiche d'information du modèle qui est importante pour la gouvernance du modèle.
Jusqu'à présent, les fiches modèles étaient logiquement associées à un modèle dans la Registre de modèles Amazon SageMaker en utilisant la correspondance de nom de modèle. Cependant, lors de la résolution d'un problème métier via un modèle d'apprentissage automatique (ML), lorsque les clients itèrent sur le problème, ils créent plusieurs versions du modèle et ils doivent opérationnaliser et régir plusieurs versions de modèle. Par conséquent, ils doivent pouvoir associer une carte de modèle à une version de modèle particulière.
Dans cet article, nous discutons d'une nouvelle fonctionnalité qui prend en charge l'intégration des cartes de modèle avec le registre de modèles au niveau de la version de modèle déployée. Nous discutons de l'architecture de la solution et des meilleures pratiques pour gérer les versions de la carte modèle, et expliquons comment configurer, opérationnaliser et régir l'intégration de la carte modèle avec la version du modèle dans le registre des modèles.
Vue d'ensemble de la solution
Les cartes de modèle SageMaker vous aident à standardiser la documentation de vos modèles du point de vue de la gouvernance, et le registre de modèles SageMaker vous aide à déployer et à opérationnaliser les modèles ML. Le registre de modèles prend en charge une structure hiérarchique pour organiser et stocker des modèles ML avec des informations de métadonnées de modèle.
Lorsqu'une organisation résout un problème commercial à l'aide du ML, tel qu'une prédiction d'attrition client, nous recommandons les étapes suivantes :
- Créez une carte modèle pour le problème commercial à résoudre.
- Créez un groupe de packages modèles pour le problème métier à résoudre.
- Générez, entraînez, évaluez et enregistrez la première version de la version du package de modèle (par exemple, Customer Churn V1).
- Mettez à jour la carte de modèle en liant la version du package de modèle à la carte de modèle.
- Lorsque vous itérez sur la nouvelle version du package de modèle, clonez la carte de modèle de la version précédente et liez-la à la nouvelle version du package de modèle (par exemple, Customer Churn V2).
La figure suivante illustre comment une carte de modèle SageMaker s'intègre au registre de modèles.
Comme illustré dans le schéma précédent, l'intégration des cartes de modèle SageMaker et du registre de modèles vous permet d'associer une carte de modèle à une version de modèle spécifique dans le registre de modèles. Cela vous permet d'établir une source unique de vérité pour vos versions de modèle enregistrées, avec une documentation complète et standardisée à toutes les étapes du parcours du modèle sur SageMaker, facilitant la découverte et promouvant la gouvernance, la conformité et la responsabilité tout au long du cycle de vie du modèle.
Meilleures pratiques pour la gestion des fiches modèles
Opérer dans l'apprentissage automatique avec gouvernance est aujourd'hui une exigence essentielle pour de nombreuses organisations d'entreprise, notamment dans les secteurs hautement réglementés. Dans le cadre de ces exigences, AWS fournit plusieurs services qui permettent un fonctionnement fiable de l'environnement ML.
Les cartes de modèle SageMaker documentent les détails critiques de vos modèles ML en un seul endroit pour une gouvernance et des rapports simplifiés. Les cartes modèles vous aident à saisir des détails tels que l'utilisation prévue et l'évaluation des risques d'un modèle, les détails et les métriques de formation, les résultats d'évaluation et les observations, ainsi que des appels supplémentaires tels que des considérations, des recommandations et des informations personnalisées.
Les fiches modèles doivent être gérées et mises à jour dans le cadre de votre processus de développement, tout au long de la Cycle de vie du ML. Ils constituent une partie importante de la livraison continue et des pipelines en ML. De la même manière qu'un projet Well-Architected ML met en œuvre l'intégration continue et la livraison continue (CI/CD) sous l'égide de MLOps, un processus de documentation ML continu est une capacité essentielle dans de nombreux secteurs réglementés ou pour les cas d'utilisation à haut risque. Les modèles de cartes font partie des meilleures pratiques pour un développement ML responsable et transparent.
Le diagramme suivant montre comment les modèles de cartes doivent faire partie d'un cycle de vie de développement.
Tenez compte des bonnes pratiques suivantes :
- Nous vous recommandons de créer des fiches modèles au début du cycle de vie de votre projet. Dans la première phase du projet, lorsque vous travaillez sur identification de l'objectif commercial ainsi que définir le problème du ML, vous devez lancer la création de la fiche modèle. Au fur et à mesure que vous parcourez les différentes étapes des exigences commerciales et des mesures de performances importantes, vous pouvez créer la carte modèle à l'état de brouillon et déterminer les détails commerciaux et les utilisations prévues.
- Dans le cadre de votre phase du cycle de vie du développement du modèle, vous devez utiliser le registre de modèles pour cataloguer les modèles pour la production, gérer les versions de modèle et associer des métadonnées à un modèle. Le registre de modèles permet le suivi de la lignée.
- Une fois que vous avez itéré avec succès et que vous êtes prêt à déployer votre modèle en production, il est temps de mettre à jour la carte de modèle. Dans le phase du cycle de vie du déploiement, vous pouvez mettre à jour les détails du modèle de la carte de modèle. Vous devez également mettre à jour les détails de la formation, les détails de l'évaluation, les considérations éthiques, les mises en garde et les recommandations.
Les cartes modèles ont des versions qui leur sont associées. Une version de modèle donnée est immuable sur tous les attributs autres que l'état de la carte de modèle. Si vous apportez d'autres modifications à la fiche modèle, telles que les mesures d'évaluation, la description ou les utilisations prévues, SageMaker crée une nouvelle version de la fiche modèle pour refléter les informations mises à jour. Cela permet de s'assurer qu'une carte de modèle, une fois créée, ne peut pas être altérée. De plus, chaque nom de modèle unique ne peut avoir qu'une seule carte de modèle associée et il ne peut pas être modifié après avoir créé la carte de modèle.
Les modèles ML sont dynamiques et les composants d'automatisation des flux de travail vous permettent d'adapter facilement votre capacité à créer, former, tester et déployer des centaines de modèles en production, à itérer plus rapidement, à réduire les erreurs dues à l'orchestration manuelle et à créer des mécanismes reproductibles.
Par conséquent, le cycle de vie de vos cartes de modèle ressemblera à celui décrit dans le diagramme suivant. Chaque fois que vous mettez à jour votre carte de modèle tout au long du cycle de vie du modèle, vous créez automatiquement une nouvelle version de la carte de modèle. Chaque fois que vous itérez sur une nouvelle version de modèle, vous créez une nouvelle carte de modèle qui peut hériter de certaines informations de carte de modèle des versions de modèle précédentes et suivre le même cycle de vie.
Conditions préalables
Cet article suppose que vous avez déjà des modèles dans votre registre de modèles. Si vous souhaitez suivre, vous pouvez utiliser l'exemple SageMaker suivant sur GitHub pour remplir votre registre de modèles : Intégration de SageMaker Pipelines avec Model Monitor et Clarify.
Intégrer une carte de modèle avec la version du modèle dans le registre des modèles
Dans cet exemple, nous avons le model-monitor-clarify-group
package dans notre registre de modèles.
Dans ce package, deux versions de modèle sont disponibles.
Pour cet exemple, nous lions la version 1 du modèle à une nouvelle fiche modèle. Dans le registre des modèles, vous pouvez voir les détails de la version 1.
Nous pouvons maintenant utiliser la nouvelle fonctionnalité du SDK Python SageMaker. Du sagemaker.model_card ModelPackage
module, vous pouvez sélectionner une version de modèle spécifique dans le registre de modèles auquel vous souhaitez lier la carte de modèle.
Vous pouvez maintenant créer une nouvelle fiche modèle pour la version du modèle et spécifier le model_package_details
paramètre avec le package de modèle précédent récupéré. Vous devez remplir la fiche modèle avec tous les détails supplémentaires nécessaires. Pour cet article, nous créons une carte modèle simple à titre d'exemple.
Vous pouvez ensuite utiliser cette définition pour créer une carte de modèle à l'aide du SDK SageMaker Python.
Lorsque vous chargez à nouveau la carte de modèle, vous pouvez voir le modèle associé sous "__model_package_details"
.
Vous avez également la possibilité de mettre à jour une carte de modèle existante avec le model_package
comme indiqué dans l'exemple d'extrait de code ci-dessous :
Enfin, lors de la création ou de la mise à jour d'une nouvelle version de package de modèle dans un package de modèle existant, si une carte de modèle existe déjà dans ce groupe de packages de modèle, certaines informations telles que les détails commerciaux et les utilisations prévues peuvent être transférées vers la nouvelle carte de modèle.
Nettoyer
Les utilisateurs sont responsables du nettoyage des ressources si elles sont créées à l'aide du bloc-notes mentionné dans la section des prérequis. Veuillez suivre les instructions du bloc-notes pour nettoyer les ressources.
Conclusion
Dans cet article, nous avons expliqué comment intégrer une carte de modèle SageMaker avec une version de modèle dans le registre des modèles. Nous avons partagé l'architecture de la solution avec les meilleures pratiques pour la mise en œuvre d'une carte modèle et montré comment configurer et opérationnaliser une carte modèle pour améliorer votre posture de gouvernance de modèle. Nous vous encourageons à essayer cette solution et à partager vos commentaires dans la section des commentaires.
À propos des auteurs
Bélier Vittal est architecte principal de solutions ML chez AWS. Il a plus de 20 ans d'expérience dans l'architecture et la création d'applications distribuées, hybrides et cloud. Il est passionné par la création de solutions d'IA/ML et de Big Data sécurisées et évolutives pour aider les entreprises clientes dans leur parcours d'adoption et d'optimisation du cloud afin d'améliorer leurs résultats commerciaux. Dans ses temps libres, il fait du vélo et se promène avec son petit mouton de 2 ans !
Fort Natacha est le responsable de la science des données du gouvernement pour le secteur public australien et néo-zélandais, principal SA chez AWS. Elle aide les organisations à naviguer dans leur parcours d'apprentissage automatique, en les aidant à définir le problème d'apprentissage automatique jusqu'au déploiement en production, tout en s'assurant que les meilleures pratiques d'architecture sont en place pour assurer leur succès. Natacha se concentre avec les organisations sur les MLOps et l'IA responsable.
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Automobile / VE, Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- Décalages de bloc. Modernisation de la propriété des compensations environnementales. Accéder ici.
- La source: https://aws.amazon.com/blogs/machine-learning/integrate-amazon-sagemaker-model-cards-with-the-model-registry/
- :possède
- :est
- $UP
- 1
- 100
- 20
- 20 ans
- 7
- 8
- a
- capacité
- A Propos
- la reddition de comptes
- la réalisation de
- à travers
- Supplémentaire
- En outre
- Adoption
- Après
- encore
- AI
- AI / ML
- Tous
- permet
- le long de
- déjà
- aussi
- Amazon
- Amazon Sage Maker
- Amazon Web Services
- an
- ainsi que
- tous
- applications
- architecture
- SONT
- AS
- Associé(e)
- associé
- suppose
- At
- attributs
- audit
- Australie
- automatiquement
- Automation
- disponibles
- AWS
- BE
- ci-dessous
- LES MEILLEURS
- les meilleures pratiques
- Big
- Big Data
- construire
- Développement
- la performance des entreprises
- CAN
- aptitude
- capturer
- carte
- Cartes
- réalisée
- cas
- catalogue
- modifié
- Modifications
- Nettoyage
- le cloud
- adoption du cloud
- code
- commentaires
- conformité
- composants électriques
- complet
- considérations
- continu
- engendrent
- créée
- crée des
- La création
- création
- critique
- Customiser
- des clients
- Clients
- données
- science des données
- définition
- page de livraison.
- déployer
- déployé
- déployer
- décrit
- la description
- conception
- détails
- Déterminer
- Développement
- différent
- discuter
- discuté
- distribué
- document
- Documentation
- avant-projet
- deux
- Dynamic
- chacun
- "Early Bird"
- même
- permettre
- permet
- encourager
- assurer
- Entreprise
- Environment
- Erreurs
- établir
- éthique
- évaluer
- évaluation
- Chaque
- exemple
- existant
- existe
- d'experience
- faciliter
- plus rapide
- Fonctionnalité
- Réactions
- Figure
- Prénom
- se concentre
- suivre
- Abonnement
- Pour
- De
- GitHub
- donné
- gouvernance
- Gouvernement
- Réservation de groupe
- Vous avez
- he
- vous aider
- aide
- augmentation
- très
- sa
- Comment
- How To
- Cependant
- HTML
- HTTPS
- Des centaines
- Hybride
- if
- illustre
- immuable
- la mise en œuvre
- met en oeuvre
- important
- améliorer
- in
- secteurs
- d'information
- initier
- Des instructions
- intégrer
- Intègre
- Intégration
- l'intégration
- prévu
- développement
- IT
- chemin
- jpg
- conduire
- apprentissage
- Niveau
- vos produits
- comme
- lignage
- LINK
- lien
- chargement
- Style
- Lot
- click
- machine learning
- a prendre une
- Fabrication
- gérer
- gérés
- les gérer
- Manuel
- de nombreuses
- Match
- mécanismes
- mentionné
- Métadonnées
- Métrique
- ML
- MLOps
- modèle
- numériques jumeaux (digital twin models)
- Module
- Surveiller
- moto
- plusieurs
- prénom
- NAVIGUER
- nécessaire
- Besoin
- Nouveauté
- New Zealand
- notamment
- cahier
- maintenant
- of
- on
- une fois
- ONE
- uniquement
- opération
- à mettre en œuvre pour gérer une entreprise rentable. Ce guide est basé sur trois décennies d'expérience
- Option
- or
- orchestration
- organisation
- organisations
- l'organisation
- Autre
- nos
- ande
- les résultats
- plus de
- paquet
- paramètre
- partie
- particulier
- passionné
- performant
- objectifs
- phase
- Place
- Platon
- Intelligence des données Platon
- PlatonDonnées
- veuillez cliquer
- Post
- pratiques
- prédiction
- précédent
- Directeur
- Problème
- processus
- Vidéo
- Projet
- la promotion de
- fournir
- fournit
- public
- des fins
- Python
- RAM
- clients
- solutions
- recommander
- recommandations
- réduire
- refléter
- vous inscrire
- inscrit
- enregistrement
- réglementé
- industries réglementées
- fiable
- répétable
- Rapports
- exigence
- Exigences
- Resources
- responsables
- Résultats
- Analyse
- SA
- sagemaker
- même
- évolutive
- Escaliers intérieurs
- Sciences
- Sdk
- Section
- secteur
- sécurisé
- sur le lien
- Services
- set
- plusieurs
- Partager
- commun
- elle
- devrait
- montré
- montré
- Spectacles
- étapes
- unique
- Fragment
- sur mesure
- Solutions
- Résout
- Résoudre
- quelques
- Identifier
- groupe de neurones
- étapes
- Statut
- Étapes
- stockage
- rationalisé
- structure
- succès
- Avec succès
- tel
- Appuyer
- Les soutiens
- sûr
- Technique
- tester
- que
- qui
- La
- leur
- Les
- puis
- ainsi
- donc
- l'ont
- this
- ceux
- Avec
- tout au long de
- fiable
- à
- aujourd'hui
- Tracking
- Train
- Formation
- communication
- Vérité
- Essai
- deux
- parapluie
- sous
- expérience unique et authentique
- Mises à jour
- a actualisé
- la mise à jour
- utilisé
- d'utiliser
- Usages
- en utilisant
- v1
- version
- versions
- définition
- souhaitez
- Façon..
- we
- web
- services Web
- ont été
- quand
- tout en
- sera
- comprenant
- activités principales
- workflow
- de travail
- pourra
- années
- Vous n'avez
- Votre
- Zélande
- zéphyrnet