Amazon SageMaker 모델 카드 모델이 문서화되는 방식을 표준화할 수 있으므로 설계, 구축, 교육 및 평가에 이르는 모델의 수명 주기에 대한 가시성을 확보할 수 있습니다. 모델 카드는 감사 및 문서화 목적으로 안정적으로 사용할 수 있는 모델에 대한 비즈니스 및 기술 메타데이터에 대한 신뢰할 수 있는 단일 소스입니다. 모델 거버넌스에 중요한 모델의 팩트 시트를 제공합니다.
지금까지 모델 카드는 Amazon SageMaker 모델 레지스트리 모델명 일치를 사용합니다. 그러나 ML(기계 학습) 모델을 통해 비즈니스 문제를 해결할 때 고객이 문제를 반복하면서 여러 버전의 모델을 만들고 여러 모델 버전을 운영하고 관리해야 합니다. 따라서 모델 카드를 특정 모델 버전에 연결하는 기능이 필요합니다.
이 게시물에서는 배포된 모델 버전 수준에서 모델 레지스트리와 모델 카드 통합을 지원하는 새로운 기능에 대해 설명합니다. 모델 카드 버전 관리를 위한 솔루션 아키텍처 및 모범 사례에 대해 논의하고 모델 레지스트리의 모델 버전과 모델 카드 통합을 설정, 운영 및 관리하는 방법을 안내합니다.
솔루션 개요
SageMaker 모델 카드는 거버넌스 관점에서 모델 문서화를 표준화하는 데 도움이 되며 SageMaker 모델 레지스트리는 ML 모델을 배포하고 운영하는 데 도움이 됩니다. 모델 레지스트리는 모델 메타데이터 정보로 ML 모델을 구성하고 저장하기 위한 계층 구조를 지원합니다.
조직에서 ML을 사용하여 고객 이탈 예측과 같은 비즈니스 문제를 해결할 때 다음 단계를 권장합니다.
- 해결해야 할 비즈니스 문제에 대한 모델 카드를 만듭니다.
- 해결해야 할 비즈니스 문제에 대한 모델 패키지 그룹을 만듭니다.
- 모델 패키지 버전의 첫 번째 버전(예: Customer Churn V1)을 빌드, 교육, 평가 및 등록합니다.
- 모델 패키지 버전을 모델 카드에 연결하는 모델 카드를 업데이트합니다.
- 새 모델 패키지 버전에서 반복할 때 이전 버전에서 모델 카드를 복제하고 새 모델 패키지 버전(예: Customer Churn V2)에 연결합니다.
다음 그림은 SageMaker 모델 카드가 모델 레지스트리와 통합되는 방식을 보여줍니다.
앞의 다이어그램에서 설명한 것처럼 SageMaker 모델 카드와 모델 레지스트리의 통합을 통해 모델 카드를 모델 레지스트리의 특정 모델 버전과 연결할 수 있습니다. 이를 통해 SageMaker에서 모델 여정의 모든 단계에 걸쳐 포괄적이고 표준화된 문서를 통해 등록된 모델 버전에 대한 단일 진실 소스를 설정할 수 있으므로 모델 수명 주기 전체에서 검색 가능성을 촉진하고 거버넌스, 규정 준수 및 책임을 촉진할 수 있습니다.
모델 카드 관리 모범 사례
거버넌스를 통한 머신 러닝 운영은 오늘날 많은 기업 조직, 특히 규제가 심한 산업에서 중요한 요구 사항입니다. 이러한 요구 사항의 일부로 AWS는 ML 환경의 안정적인 운영을 가능하게 하는 여러 서비스를 제공합니다.
SageMaker 모델 카드는 간소화된 거버넌스 및 보고를 위해 한 곳에서 ML 모델에 대한 중요한 세부 정보를 문서화합니다. 모델 카드를 사용하면 모델의 용도 및 위험 등급, 교육 세부 정보 및 메트릭, 평가 결과 및 관찰, 고려 사항, 권장 사항 및 사용자 지정 정보와 같은 추가 콜아웃과 같은 세부 정보를 캡처할 수 있습니다.
모델 카드는 전체 개발 프로세스의 일부로 관리 및 업데이트되어야 합니다. ML 수명 주기. 이는 ML의 지속적인 배포 및 파이프라인의 중요한 부분입니다. Well-Architected ML 프로젝트가 MLOps의 산하에서 CI/CD(지속적인 통합 및 지속적인 제공)를 구현하는 것과 같은 방식으로 지속적인 ML 문서화 프로세스는 많은 규제 산업 또는 더 높은 위험 사용 사례에서 중요한 기능입니다. 모델 카드는 책임감 있고 투명한 ML 개발을 위한 모범 사례의 일부입니다.
다음 다이어그램은 모델 카드가 개발 수명 주기의 일부가 되는 방법을 보여줍니다.
다음 모범 사례를 고려하십시오.
- 프로젝트 수명 주기 초기에 모델 카드를 만드는 것이 좋습니다. 프로젝트의 첫 번째 단계에서 작업할 때 비즈니스 목표 식별 및 ML 문제 프레이밍, 모델 카드 생성을 시작해야 합니다. 비즈니스 요구 사항 및 중요한 성능 지표의 여러 단계를 거치면서 초안 상태의 모델 카드를 생성하고 비즈니스 세부 정보 및 의도된 용도를 결정할 수 있습니다.
- 귀하의 일부로 모델 개발 수명 주기 단계, 모델 레지스트리를 사용하여 프로덕션용 모델을 카탈로그화하고, 모델 버전을 관리하고, 메타데이터를 모델과 연결해야 합니다. 모델 레지스트리는 계보 추적을 활성화합니다.
- 성공적으로 반복하고 모델을 프로덕션에 배포할 준비가 되면 모델 카드를 업데이트할 차례입니다. 에서 배포 수명 주기 단계, 모델 카드의 모델 세부 정보를 업데이트할 수 있습니다. 교육 세부 정보, 평가 세부 정보, 윤리적 고려 사항, 주의 사항 및 권장 사항도 업데이트해야 합니다.
모델 카드에는 연관된 버전이 있습니다. 주어진 모델 버전은 모델 카드 상태 이외의 모든 속성에서 변경할 수 없습니다. 평가 지표, 설명 또는 의도된 용도와 같이 모델 카드에 다른 변경 사항을 적용하면 SageMaker는 업데이트된 정보를 반영하기 위해 모델 카드의 새 버전을 생성합니다. 이는 일단 생성된 모델 카드가 변조될 수 없도록 하기 위한 것입니다. 또한 각각의 고유한 모델 이름에는 연결된 모델 카드가 하나만 있을 수 있으며 모델 카드를 만든 후에는 변경할 수 없습니다.
ML 모델은 동적이며 워크플로 자동화 구성 요소를 사용하면 프로덕션에서 수백 개의 모델을 구축, 교육, 테스트 및 배포하고 더 빠르게 반복하며 수동 오케스트레이션으로 인한 오류를 줄이고 반복 가능한 메커니즘을 구축하는 기능을 쉽게 확장할 수 있습니다.
따라서 모델 카드의 수명 주기는 다음 다이어그램에 설명된 대로 표시됩니다. 모델 수명 주기 동안 모델 카드를 업데이트할 때마다 새 버전의 모델 카드가 자동으로 생성됩니다. 새 모델 버전을 반복할 때마다 이전 모델 버전의 일부 모델 카드 정보를 상속하고 동일한 수명 주기를 따를 수 있는 새 모델 카드를 만듭니다.
사전 요구 사항
이 게시물은 모델 레지스트리에 모델이 이미 있다고 가정합니다. 따라 하려면 GitHub에서 다음 SageMaker 예제를 사용하여 모델 레지스트리를 채울 수 있습니다. Model Monitor 및 Clarify와 SageMaker Pipeline 통합.
모델 레지스트리의 모델 버전과 모델 카드 통합
이 예에서 우리는 model-monitor-clarify-group
모델 레지스트리의 패키지.
이 패키지에서는 두 가지 모델 버전을 사용할 수 있습니다.
이 예에서는 모델의 버전 1을 새 모델 카드에 연결합니다. 모델 레지스트리에서 버전 1에 대한 세부 정보를 볼 수 있습니다.
이제 SageMaker Python SDK의 새로운 기능을 사용할 수 있습니다. 로부터 sagemaker.model_card ModelPackage
모듈에서 모델 카드를 연결하려는 모델 레지스트리에서 특정 모델 버전을 선택할 수 있습니다.
이제 모델 버전에 대한 새 모델 카드를 생성하고 model_package_details
이전 모델 패키지가 검색된 매개변수입니다. 필요한 모든 추가 세부 정보로 모델 카드를 채워야 합니다. 이 게시물에서는 예제로 간단한 모델 카드를 만듭니다.
그런 다음 해당 정의를 사용하여 SageMaker Python SDK를 사용하여 모델 카드를 생성할 수 있습니다.
모델 카드를 다시 로드하면 아래에서 연결된 모델을 볼 수 있습니다. "__model_package_details"
.
기존 모델 카드를 다음으로 업데이트할 수도 있습니다. model_package
아래 예제 코드 스니펫에 표시된 대로:
마지막으로 기존 모델 패키지에서 새 모델 패키지 버전을 생성하거나 업데이트할 때 해당 모델 패키지 그룹에 모델 카드가 이미 있는 경우 비즈니스 세부 정보 및 용도와 같은 일부 정보가 새 모델 카드로 이월될 수 있습니다.
정리
전제 조건 섹션에 언급된 노트북을 사용하여 생성된 경우 사용자는 리소스를 정리할 책임이 있습니다. 리소스를 정리하려면 노트북의 지침을 따르십시오.
결론
이 게시물에서는 SageMaker 모델 카드를 모델 레지스트리의 모델 버전과 통합하는 방법에 대해 설명했습니다. 모델 카드 구현을 위한 모범 사례와 솔루션 아키텍처를 공유하고 모델 거버넌스 상태를 개선하기 위해 모델 카드를 설정하고 운영하는 방법을 보여주었습니다. 이 솔루션을 사용해 보고 의견 섹션에서 피드백을 공유하는 것이 좋습니다.
저자에 관하여
램 비탈 AWS의 수석 ML 솔루션 아키텍트입니다. 그는 20년 이상 분산, 하이브리드 및 클라우드 애플리케이션을 설계하고 구축한 경험이 있습니다. 그는 기업 고객의 클라우드 채택 및 최적화 여정을 통해 비즈니스 결과를 개선할 수 있도록 안전하고 확장 가능한 AI/ML 및 빅 데이터 솔루션을 구축하는 데 열정적입니다. 여가 시간에는 오토바이를 타고 2살 된 양과 함께 산책을 합니다!
나타차 요새 호주 및 뉴질랜드 공공 부문의 정부 데이터 과학 리드이자 AWS의 수석 SA입니다. 그녀는 조직이 기계 학습 여정을 탐색하고 기계 학습 문제를 구성하는 것부터 프로덕션에 배포하는 데까지 지원하는 동시에 성공을 보장하기 위한 최고의 아키텍처 사례가 마련되어 있는지 확인하도록 돕습니다. Natacha는 MLOps 및 책임 있는 AI에 대한 조직에 중점을 둡니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/integrate-amazon-sagemaker-model-cards-with-the-model-registry/
- :있다
- :이다
- $UP
- 1
- 100
- 20
- 20년
- 7
- 8
- a
- 능력
- 소개
- 책임
- 달성
- 가로질러
- 추가
- 또한
- 양자
- 후
- 다시
- AI
- AI / ML
- All
- 수
- 따라
- 이미
- 또한
- 아마존
- 아마존 세이지 메이커
- Amazon Web Services
- an
- 및
- 어떤
- 어플리케이션
- 아키텍처
- 있군요
- AS
- 준
- 관련
- 가정하다
- At
- 속성
- 감사
- 호주
- 자동적으로
- 자동화
- 가능
- AWS
- BE
- 이하
- BEST
- 모범 사례
- 큰
- 빅 데이터
- 빌드
- 건물
- 사업
- CAN
- 능력
- 포착
- 카드
- 카드
- 운반 된
- 가지 경우
- 목록
- 변경
- 변경
- 청소관련
- 클라우드
- 클라우드 채택
- 암호
- 댓글
- compliance
- 구성 요소들
- 포괄적 인
- 고려 사항
- 끊임없는
- 만들
- 만든
- 생성
- 만들기
- 창조
- 임계
- 관습
- 고객
- 고객
- 데이터
- 데이터 과학
- 정의
- 배달
- 배포
- 배포
- 배치
- 기술 된
- 설명
- 설계
- 세부설명
- 결정
- 개발
- 다른
- 토론
- 논의 된
- 분산
- 문서
- 선적 서류 비치
- 징병
- 두
- 동적
- 마다
- 초기의
- 용이하게
- 가능
- 수
- 격려
- 확인
- Enterprise
- 환경
- 오류
- 세우다
- 윤리적인
- 평가
- 평가
- 모든
- 예
- 현존하는
- 존재
- 경험
- 촉진
- 빠른
- 특색
- 피드백
- 그림
- 먼저,
- 집중
- 따라
- 수행원
- 럭셔리
- 에
- GitHub의
- 주어진
- 통치
- Government
- 그룹
- 있다
- he
- 도움
- 도움이
- 더 높은
- 고도로
- 그의
- 방법
- How To
- 그러나
- HTML
- HTTPS
- 수백
- 잡종
- if
- 설명하다
- 불변의
- 구현
- 구현하다
- 중대한
- 개선
- in
- 산업
- 정보
- 시작
- 명령
- 통합
- 통합
- 통합
- 완성
- 예정된
- 으로
- IT
- 여행
- JPG
- 리드
- 배우기
- 레벨
- wifecycwe
- 처럼
- 혈통
- LINK
- 연결
- 로드
- 보기
- 롯
- 기계
- 기계 학습
- 확인
- 유튜브 영상을 만드는 것은
- 관리
- 관리
- 관리
- 조작
- .
- 경기
- 메커니즘
- 말하는
- 메타 데이터
- 통계
- ML
- MLOps
- 모델
- 모델
- 모듈
- 모니터
- 모터사이클
- 여러
- name
- 이동
- 필요한
- 필요
- 신제품
- 뉴질랜드
- 특히
- 수첩
- 지금
- of
- on
- 일단
- ONE
- 만
- 조작
- 최적화
- 선택권
- or
- 오케스트레이션
- 조직
- 조직
- 조직
- 기타
- 우리의
- 아웃
- 결과
- 위에
- 꾸러미
- 매개 변수
- 부품
- 특별한
- 열렬한
- 성능
- 관점
- 상
- 장소
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 부디
- 게시하다
- 사례
- 예측
- 너무 이른
- 교장
- 문제
- 방법
- 생산
- 프로젝트
- 홍보
- 제공
- 제공
- 공개
- 목적
- Python
- 램
- 평가
- 준비
- 권하다
- 추천
- 감소
- 반영
- 회원가입
- 등록된
- 레지스트리
- 규제
- 규제 산업
- 신뢰할 수있는
- 반복 가능
- 통계 보고서
- 요구 사항
- 요구조건 니즈
- 제품 자료
- 책임
- 결과
- 위험
- SA
- 현자
- 같은
- 확장성
- 규모
- 과학
- SDK
- 섹션
- 부문
- 안전해야합니다.
- 참조
- 서비스
- 세트
- 몇몇의
- 공유
- 공유
- 그녀
- 영상을
- 보여
- 표시
- 쇼
- 단순, 간단, 편리
- 단일
- 단편
- 해결책
- 솔루션
- 해결
- 해결
- 일부
- 출처
- 구체적인
- 단계
- Status
- 단계
- 저장
- 간소화 된
- 구조
- 성공
- 성공적으로
- 이러한
- 지원
- 지원
- 확인
- 테크니컬
- test
- 보다
- 그
- XNUMXD덴탈의
- 그들의
- 그들
- 그때
- 그것에 의하여
- 따라서
- 그들
- 이
- 그
- 을 통하여
- 도처에
- 시간
- 에
- 오늘
- 추적
- Train
- 트레이닝
- 투명한
- 진실
- 시도
- 두
- 우산
- 아래에
- 유일한
- 업데이트
- 업데이트
- 업데이트
- 사용
- 익숙한
- 사용
- 사용
- v1
- 버전
- 버전
- 가시성
- 필요
- 방법..
- we
- 웹
- 웹 서비스
- 했다
- 언제
- 동안
- 의지
- 과
- 작업
- 워크플로우
- 일하는
- 겠지
- 년
- 자신의
- 너의
- 뉴질랜드
- 제퍼 넷