นี่เป็นโพสต์ที่สองของซีรีส์สี่ตอนที่มีรายละเอียดว่า แนทเวสท์ กรุ๊ป, สถาบันบริการทางการเงินรายใหญ่ ร่วมกับ บริการระดับมืออาชีพของ AWS เพื่อสร้างแพลตฟอร์มการดำเนินการเรียนรู้ของเครื่อง (MLOps) ใหม่ ในโพสต์นี้ เราแชร์วิธีที่ NatWest Group ใช้ AWS เพื่อเปิดใช้งานการปรับใช้แบบบริการตนเองของแพลตฟอร์ม MLOps ที่ได้มาตรฐาน ปลอดภัย และเป็นไปตามข้อกำหนดโดยใช้ แคตตาล็อกบริการของ AWS และ อเมซอน SageMaker. ส่งผลให้ระยะเวลาในการเตรียมใช้งานสภาพแวดล้อมใหม่ลดลงจากวันเหลือเพียงไม่กี่ชั่วโมง
เราเชื่อว่าผู้มีอำนาจตัดสินใจจะได้รับประโยชน์จากเนื้อหานี้ CTO, CDAO, นักวิทยาศาสตร์ข้อมูลอาวุโส และวิศวกรระบบคลาวด์อาวุโส สามารถทำตามรูปแบบนี้เพื่อมอบโซลูชันที่เป็นนวัตกรรมสำหรับทีมวิทยาศาสตร์ข้อมูลและวิศวกรรม
อ่านทั้งชุด:
|
เทคโนโลยีที่ NatWest Group
NatWest Group เป็นธนาคารสัมพันธ์สำหรับโลกดิจิทัลที่ให้บริการทางการเงินแก่ลูกค้ามากกว่า 19 ล้านรายทั่วสหราชอาณาจักร กลุ่มบริษัทมีพอร์ตโฟลิโอเทคโนโลยีที่หลากหลาย ซึ่งมักจะนำเสนอโซลูชั่นสำหรับความท้าทายทางธุรกิจโดยใช้การออกแบบที่ตรงตามความต้องการและด้วยระยะเวลาที่ยาวนาน
เมื่อเร็วๆ นี้ NatWest Group ได้ใช้กลยุทธ์ที่เน้นระบบคลาวด์เป็นหลัก ซึ่งทำให้บริษัทสามารถใช้บริการที่มีการจัดการเพื่อจัดเตรียมทรัพยากรการประมวลผลและการจัดเก็บแบบออนดีมานด์ได้ การย้ายครั้งนี้นำไปสู่การปรับปรุงเสถียรภาพโดยรวม ความสามารถในการปรับขนาด และประสิทธิภาพของโซลูชันทางธุรกิจ ในขณะเดียวกันก็ลดต้นทุนและเร่งจังหวะการส่งมอบ นอกจากนี้ การย้ายไปยังคลาวด์ยังช่วยให้ NatWest Group ลดความซับซ้อนของเทคโนโลยีด้วยการบังคับใช้ชุดการออกแบบโซลูชันที่สอดคล้อง ทำซ้ำได้ และได้รับการอนุมัติล่วงหน้า เพื่อให้เป็นไปตามข้อกำหนดด้านกฎระเบียบและดำเนินการในลักษณะที่มีการควบคุม
ความท้าทาย
ขั้นตอนนำร่องของการนำแนวทางที่เน้นระบบคลาวด์มาใช้ก่อนนั้นเกี่ยวข้องกับขั้นตอนการทดลองและการประเมินหลายขั้นตอนโดยใช้วิธีการที่หลากหลาย บริการวิเคราะห์ บน AWS การทำซ้ำครั้งแรกของแพลตฟอร์มคลาวด์ของ NatWest Group สำหรับปริมาณงานด้านวิทยาศาสตร์ข้อมูล เผชิญกับความท้าทายด้วยการจัดหาสภาพแวดล้อมคลาวด์ที่สอดคล้อง ปลอดภัย และเป็นไปตามข้อกำหนด กระบวนการสร้างสภาพแวดล้อมใหม่ใช้เวลาสองสามวันเป็นสัปดาห์หรือเป็นเดือน การพึ่งพาทีมแพลตฟอร์มกลางในการสร้าง จัดเตรียม รักษาความปลอดภัย ปรับใช้ และจัดการโครงสร้างพื้นฐานและแหล่งข้อมูลทำให้ยากต่อการสร้างทีมใหม่เพื่อทำงานในคลาวด์
เนื่องจากความเหลื่อมล้ำในการกำหนดค่าโครงสร้างพื้นฐานในบัญชี AWS ทีมที่ตัดสินใจย้ายปริมาณงานไปยังระบบคลาวด์จึงต้องผ่านขั้นตอนการปฏิบัติตามกฎระเบียบที่ซับซ้อน ส่วนประกอบโครงสร้างพื้นฐานแต่ละส่วนต้องได้รับการวิเคราะห์แยกกัน ซึ่งทำให้ไทม์ไลน์การตรวจสอบความปลอดภัยเพิ่มขึ้น
การเริ่มต้นพัฒนาใน AWS เกี่ยวข้องกับการอ่านชุดคู่มือเอกสารที่เขียนโดยทีมแพลตฟอร์ม ขั้นตอนการตั้งค่าสภาพแวดล้อมเริ่มต้นรวมถึงการจัดการคีย์สาธารณะและส่วนตัวสำหรับการตรวจสอบสิทธิ์ การกำหนดค่าการเชื่อมต่อกับบริการระยะไกลโดยใช้ อินเทอร์เฟซบรรทัดคำสั่ง AWS AWS (AWS CLI) หรือ SDK จากสภาพแวดล้อมการพัฒนาในพื้นที่ และเรียกใช้สคริปต์ที่กำหนดเองเพื่อเชื่อมโยง IDE ในเครื่องกับบริการคลาวด์ ความท้าทายทางเทคนิคมักทำให้ยากต่อการจัดหาสมาชิกใหม่ในทีม หลังจากกำหนดค่าสภาพแวดล้อมการพัฒนาแล้ว เส้นทางในการเผยแพร่ซอฟต์แวร์ในการผลิตก็ซับซ้อนและยาวเหมือนกัน
ตามที่อธิบายไว้ในส่วนที่ 1 ของชุดนี้ ทีมโครงการร่วมได้รวบรวมข้อเสนอแนะจำนวนมากเกี่ยวกับประสบการณ์ของผู้ใช้และข้อกำหนดจากทีมต่างๆ ทั่วทั้ง NatWest Group ก่อนที่จะสร้างวิทยาศาสตร์ข้อมูลใหม่และแพลตฟอร์ม MLOps หัวข้อทั่วไปในข้อเสนอแนะนี้คือความต้องการระบบอัตโนมัติและการกำหนดมาตรฐานในฐานะผู้นำในการส่งมอบโครงการอย่างรวดเร็วและมีประสิทธิภาพบน AWS แพลตฟอร์มใหม่ใช้บริการที่มีการจัดการของ AWS เพื่อปรับต้นทุนให้เหมาะสม ลดความพยายามในการกำหนดค่าแพลตฟอร์ม และลดการปล่อยก๊าซคาร์บอนไดออกไซด์จากการรันงานประมวลผลขนาดใหญ่โดยไม่จำเป็น การกำหนดมาตรฐานถูกฝังอยู่ในใจกลางของแพลตฟอร์ม โดยมีองค์ประกอบโครงสร้างพื้นฐานที่ได้รับการอนุมัติล่วงหน้า กำหนดค่าอย่างสมบูรณ์ ปลอดภัย เป็นไปตามข้อกำหนด และนำกลับมาใช้ใหม่ได้ ซึ่งสามารถแชร์ระหว่างทีมข้อมูลและการวิเคราะห์
ทำไมต้อง SageMaker Studio?
ทางทีมงานเลือก สตูดิโอ Amazon SageMaker เป็นเครื่องมือหลักในการสร้างและปรับใช้ไปป์ไลน์ ML Studio มีอินเทอร์เฟซแบบเว็บเดียวที่ช่วยให้ผู้ใช้เข้าถึง ควบคุม และมองเห็นได้อย่างสมบูรณ์ในแต่ละขั้นตอนที่จำเป็นในการสร้าง ฝึกฝน และปรับใช้โมเดล ความสมบูรณ์ของ Studio IDE (สภาพแวดล้อมการพัฒนาแบบรวม) สำหรับการพัฒนาโมเดล การติดตามข้อมูลเมตา การจัดการสิ่งประดิษฐ์ และการปรับใช้เป็นหนึ่งในคุณสมบัติที่ดึงดูดทีม NatWest Group อย่างมาก
นักวิทยาศาสตร์ข้อมูลที่ NatWest Group ทำงานร่วมกับโน้ตบุ๊ก SageMaker ภายใน Studio ในระหว่างขั้นตอนเริ่มต้นของการพัฒนาแบบจำลอง เพื่อทำการวิเคราะห์ข้อมูล การโต้แย้งข้อมูล และวิศวกรรมคุณลักษณะ หลังจากที่ผู้ใช้พอใจกับผลลัพธ์ของการทำงานเบื้องต้นนี้แล้ว โค้ดจะถูกแปลงเป็นฟังก์ชันที่คอมโพสิทได้อย่างง่ายดายสำหรับการแปลงข้อมูล การฝึกโมเดล การอนุมาน การบันทึก และการทดสอบหน่วยเพื่อให้อยู่ในสถานะพร้อมสำหรับใช้งานจริง
ระยะหลังของวงจรชีวิตการพัฒนาแบบจำลองเกี่ยวข้องกับการใช้ ท่อส่ง Amazon SageMakerซึ่งสามารถตรวจสอบและติดตามได้ด้วยสายตาใน Studio ไปป์ไลน์จะแสดงเป็นภาพใน DAG (Directed Acyclic Graph) ซึ่งกำหนดรหัสสีตามสถานะในขณะที่ไปป์ไลน์ทำงาน นอกจากนี้ บทสรุปของ บันทึก Amazon CloudWatch จะแสดงถัดจาก DAG เพื่ออำนวยความสะดวกในการดีบักของขั้นตอนที่ล้มเหลว นักวิทยาศาสตร์ข้อมูลจะได้รับเทมเพลตโค้ดที่ประกอบด้วยขั้นตอนพื้นฐานทั้งหมดในไปป์ไลน์ SageMaker สิ่งนี้ให้กรอบการทำงานที่เป็นมาตรฐาน (สอดคล้องกันกับผู้ใช้ทุกรายของแพลตฟอร์มเพื่อลดความร่วมมือและการแบ่งปันความรู้) ซึ่งนักพัฒนาสามารถเพิ่มตรรกะและรหัสแอปพลิเคชันตามความต้องการเฉพาะสำหรับความท้าทายทางธุรกิจที่พวกเขากำลังแก้ไข
นักพัฒนาเรียกใช้ไปป์ไลน์ภายใน Studio IDE เพื่อให้แน่ใจว่าการเปลี่ยนแปลงโค้ดของพวกเขารวมเข้ากับขั้นตอนไปป์ไลน์อื่นๆ อย่างถูกต้อง หลังจากตรวจสอบและอนุมัติการเปลี่ยนแปลงโค้ดแล้ว ไปป์ไลน์เหล่านี้จะสร้างและเรียกใช้โดยอัตโนมัติตามทริกเกอร์สาขาของที่เก็บ Git หลัก ระหว่างการฝึกโมเดล ตัววัดการประเมินแบบจำลองจะถูกจัดเก็บและติดตามใน SageMaker Experiments ซึ่งสามารถใช้สำหรับการปรับแต่งไฮเปอร์พารามิเตอร์ หลังจากฝึกแบบจำลองแล้ว สิ่งประดิษฐ์ของแบบจำลองจะถูกเก็บไว้ใน การลงทะเบียนรุ่น SageMakerพร้อมด้วยข้อมูลเมตาที่เกี่ยวข้องกับคอนเทนเนอร์โมเดล ข้อมูลที่ใช้ระหว่างการฝึก คุณลักษณะของโมเดล และโค้ดโมเดล รีจีสทรีโมเดลมีบทบาทสำคัญในกระบวนการปรับใช้โมเดล เนื่องจากเป็นแพ็กเกจข้อมูลโมเดลทั้งหมด และเปิดใช้งานระบบอัตโนมัติของการส่งเสริมโมเดลในสภาพแวดล้อมการผลิต
วิศวกร MLOps ปรับใช้การจัดการ งานการแปลงแบตช์ SageMakerซึ่งปรับขนาดเพื่อตอบสนองความต้องการปริมาณงาน ทั้งงานอนุมานแบบออฟไลน์และโมเดลออนไลน์ที่ให้บริการผ่านปลายทางใช้ฟังก์ชันการอนุมานที่มีการจัดการของ SageMaker สิ่งนี้เป็นประโยชน์ต่อทั้งทีมแพลตฟอร์มและแอปพลิเคชันทางธุรกิจ เนื่องจากวิศวกรแพลตฟอร์มไม่ต้องเสียเวลากำหนดค่าส่วนประกอบโครงสร้างพื้นฐานสำหรับการอนุมานแบบจำลองอีกต่อไป และทีมแอปพลิเคชันทางธุรกิจจะไม่เขียนโค้ดสำเร็จรูปเพิ่มเติมเพื่อตั้งค่าและโต้ตอบกับอินสแตนซ์การประมวลผล
ทำไมต้อง AWS Service Catalog
ทีมงานเลือก AWS Service Catalog เพื่อสร้างแคตตาล็อกเทมเพลตโครงสร้างพื้นฐานที่ปลอดภัย เป็นไปตามข้อกำหนด และได้รับการอนุมัติล่วงหน้า ส่วนประกอบโครงสร้างพื้นฐานในผลิตภัณฑ์ AWS Service Catalog ได้รับการกำหนดค่าล่วงหน้าเพื่อให้เป็นไปตามข้อกำหนดด้านความปลอดภัยของ NatWest Group การจัดการการเข้าถึงบทบาท นโยบายทรัพยากร การกำหนดค่าเครือข่าย และนโยบายการควบคุมจากส่วนกลางได้รับการกำหนดค่าสำหรับแต่ละทรัพยากรที่บรรจุในผลิตภัณฑ์ AWS Service Catalog ผลิตภัณฑ์ได้รับการกำหนดเวอร์ชันและแชร์กับทีมแอปพลิเคชันโดยทำตามขั้นตอนมาตรฐานที่ช่วยให้ทีมวิทยาศาสตร์ข้อมูลและวิศวกรรมสามารถให้บริการตนเองและปรับใช้โครงสร้างพื้นฐานได้ทันทีหลังจากได้รับการเข้าถึงบัญชี AWS
ทีมพัฒนาแพลตฟอร์มสามารถพัฒนาผลิตภัณฑ์ AWS Service Catalog เมื่อเวลาผ่านไปเพื่อให้สามารถใช้งานคุณสมบัติใหม่ได้ตามความต้องการทางธุรกิจ การเปลี่ยนแปลงซ้ำในผลิตภัณฑ์ทำได้โดยใช้การกำหนดเวอร์ชันผลิตภัณฑ์ของ AWS Service Catalog เมื่อมีการเผยแพร่เวอร์ชันผลิตภัณฑ์ใหม่ ทีมงานแพลตฟอร์มจะผสานการเปลี่ยนแปลงโค้ดกับสาขา Git หลักและเพิ่มเวอร์ชันของผลิตภัณฑ์ AWS Service Catalog มีระดับของความเป็นอิสระและความยืดหยุ่นในการอัปเดตโครงสร้างพื้นฐาน เนื่องจากบัญชีแอปพลิเคชันธุรกิจสามารถใช้ผลิตภัณฑ์เวอร์ชันก่อนหน้าก่อนที่จะย้ายไปยังเวอร์ชันล่าสุด
ภาพรวมโซลูชัน
ไดอะแกรมสถาปัตยกรรมระดับสูงต่อไปนี้แสดงวิธีการปรับใช้กรณีการใช้งานแอปพลิเคชันธุรกิจทั่วไปบน AWS ส่วนต่อไปนี้จะลงรายละเอียดเพิ่มเติมเกี่ยวกับสถาปัตยกรรมบัญชี วิธีการปรับใช้โครงสร้างพื้นฐาน การจัดการการเข้าถึงของผู้ใช้ และวิธีการใช้บริการต่างๆ ของ AWS เพื่อสร้างโซลูชัน ML
ดังที่แสดงในแผนภาพสถาปัตยกรรม บัญชีจะเป็นไปตามรูปแบบฮับและพูด บัญชีแพลตฟอร์มที่ใช้ร่วมกันทำหน้าที่เป็นบัญชีฮับ ซึ่งทรัพยากรที่จำเป็นสำหรับบัญชีทีมแอปพลิเคชันธุรกิจ (พูด) นั้นโฮสต์โดยทีมแพลตฟอร์ม ทรัพยากรเหล่านี้รวมถึงสิ่งต่อไปนี้:
- คลังผลิตภัณฑ์โครงสร้างพื้นฐานที่ปลอดภัยและเป็นมาตรฐานที่ใช้สำหรับการปรับใช้โครงสร้างพื้นฐานแบบบริการตนเอง ซึ่งโฮสต์โดย AWS Service Catalog
- ภาพนักเทียบท่า เก็บไว้ใน การลงทะเบียน Amazon Elastic Container (Amazon ECR) ซึ่งใช้ในระหว่างการรันขั้นตอนไปป์ไลน์ SageMaker และการอนุมานแบบจำลอง
- AWS CodeArtifact ที่เก็บซึ่งโฮสต์แพ็คเกจ Python ที่อนุมัติล่วงหน้า
ทรัพยากรเหล่านี้จะถูกแชร์โดยอัตโนมัติกับบัญชีที่พูดผ่านคุณสมบัติการแชร์และนำเข้าพอร์ตของ AWS Service Catalog และ AWS Identity และการจัดการการเข้าถึง (IAM) เชื่อถือนโยบายในกรณีของทั้ง Amazon ECR และ CodeArtifact
ทีมแอปพลิเคชันธุรกิจแต่ละทีมได้รับการจัดเตรียมบัญชี AWS สามบัญชีในสภาพแวดล้อมโครงสร้างพื้นฐานของ NatWest Group ได้แก่ การพัฒนา ก่อนการผลิต และการผลิต ชื่อสภาพแวดล้อมหมายถึงบทบาทที่ตั้งใจไว้ของบัญชีในวงจรการพัฒนาวิทยาศาสตร์ข้อมูล บัญชีการพัฒนาจะใช้ในการวิเคราะห์ข้อมูลและการโต้แย้ง เขียนโค้ดไปป์ไลน์ของโมเดลและโมเดล ฝึกโมเดล และทริกเกอร์การปรับใช้โมเดลในสภาพแวดล้อมก่อนการผลิตและการใช้งานจริงผ่าน SageMaker Studio บัญชีก่อนการผลิตจะจำลองการตั้งค่าของบัญชีการผลิต และใช้เพื่อทดสอบการปรับใช้แบบจำลองและงานการแปลงชุดงานก่อนที่จะนำออกใช้ในการผลิต บัญชีการผลิตโฮสต์โมเดลและรันปริมาณงานการอนุมานการผลิต
การจัดการผู้ใช้
NatWest Group มีกระบวนการกำกับดูแลที่เข้มงวดเพื่อบังคับใช้การแยกบทบาทของผู้ใช้ มีการสร้างบทบาท IAM แยกกันห้าบทบาทสำหรับลักษณะผู้ใช้แต่ละคน
ทีมแพลตฟอร์มใช้บทบาทต่อไปนี้:
- วิศวกรสนับสนุนแพลตฟอร์ม – บทบาทนี้มีสิทธิ์สำหรับงานทางธุรกิจตามปกติและมุมมองแบบอ่านอย่างเดียวของสภาพแวดล้อมที่เหลือสำหรับการตรวจสอบและการดีบักแพลตฟอร์ม
- วิศวกรแก้ไขแพลตฟอร์ม – บทบาทนี้ถูกสร้างขึ้นด้วยสิทธิ์ระดับสูง ใช้ในกรณีที่มีปัญหากับแพลตฟอร์มที่ต้องมีการแทรกแซงโดยเจ้าหน้าที่ บทบาทนี้มีขึ้นในลักษณะที่ได้รับอนุมัติและจำกัดเวลาเท่านั้น
ทีมพัฒนาแอปพลิเคชันทางธุรกิจมีบทบาทที่แตกต่างกันสามประการ:
- ผู้นำทางเทคนิค – บทบาทนี้ถูกกำหนดให้กับหัวหน้าทีมแอปพลิเคชัน ซึ่งมักจะเป็นนักวิทยาศาสตร์ข้อมูลอาวุโส ผู้ใช้รายนี้ได้รับอนุญาตให้ปรับใช้และจัดการผลิตภัณฑ์ AWS Service Catalog ทริกเกอร์การเปิดตัวสู่การผลิต และตรวจสอบสถานะของสภาพแวดล้อม เช่น AWS CodePipeline สถานะและบันทึก บทบาทนี้ไม่มีสิทธิ์อนุมัติแบบจำลองในการลงทะเบียนแบบจำลอง SageMaker
- ผู้พัฒนา – บทบาทนี้ถูกกำหนดให้กับสมาชิกในทีมทุกคนที่ทำงานร่วมกับ SageMaker Studio ซึ่งรวมถึงวิศวกร นักวิทยาศาสตร์ข้อมูล และมักจะเป็นผู้นำทีม บทบาทนี้มีสิทธิ์ในการเปิด Studio เขียนโค้ด และเรียกใช้และปรับใช้ไปป์ไลน์ SageMaker เช่นเดียวกับหัวหน้าฝ่ายเทคนิค บทบาทนี้ไม่มีสิทธิ์อนุมัติแบบจำลองในการลงทะเบียนแบบจำลอง
- ผู้อนุมัติแบบจำลอง – บทบาทนี้มีสิทธิ์จำกัดที่เกี่ยวข้องกับการดู การอนุมัติ และการปฏิเสธแบบจำลองในการลงทะเบียนแบบจำลอง เหตุผลของการแยกจากนี้คือเพื่อป้องกันไม่ให้ผู้ใช้ที่สามารถสร้างและฝึกแบบจำลองจากการอนุมัติและเผยแพร่แบบจำลองของตนเองในสภาพแวดล้อมที่มีการยกระดับ
โปรไฟล์ผู้ใช้ Studio แยกต่างหากถูกสร้างขึ้นสำหรับนักพัฒนาและผู้อนุมัติโมเดล โซลูชันใช้การรวมกันของคำชี้แจงนโยบาย IAM และแท็กโปรไฟล์ผู้ใช้ SageMaker เพื่อให้ผู้ใช้ได้รับอนุญาตให้เปิดโปรไฟล์ผู้ใช้ที่ตรงกับประเภทผู้ใช้ของตนเท่านั้น สิ่งนี้ทำให้แน่ใจว่าผู้ใช้ได้รับบทบาท IAM การดำเนินการ SageMaker ที่ถูกต้อง (และดังนั้นจึงเป็นการอนุญาต) เมื่อพวกเขาเปิด Studio IDE
การปรับใช้แบบบริการตนเองด้วย AWS Service Catalog
ผู้ใช้ปลายทางใช้ AWS Service Catalog เพื่อปรับใช้ผลิตภัณฑ์โครงสร้างพื้นฐานด้านวิทยาศาสตร์ข้อมูล เช่น
- สภาพแวดล้อมแบบสตูดิโอ
- โปรไฟล์ผู้ใช้สตูดิโอ
- ไปป์ไลน์การปรับใช้โมเดล
- ท่อฝึกอบรม
- ไปป์ไลน์การอนุมาน
- ระบบติดตามและแจ้งเตือน
ผู้ใช้ปลายทางปรับใช้ผลิตภัณฑ์เหล่านี้โดยตรงผ่าน UI ของแคตตาล็อกบริการของ AWS ซึ่งหมายความว่ามีการพึ่งพาทีมแพลตฟอร์มกลางในการเตรียมใช้งานสภาพแวดล้อมน้อยลง การดำเนินการนี้ได้ลดเวลาที่ผู้ใช้ใช้ในการเข้าถึงสภาพแวดล้อมระบบคลาวด์ใหม่ลงอย่างมาก จากหลายวันเหลือเพียงไม่กี่ชั่วโมง ซึ่งท้ายที่สุดแล้วได้นำไปสู่การปรับปรุงที่สำคัญในด้านเวลาต่อมูลค่า การใช้ชุดผลิตภัณฑ์ AWS Service Catalog ทั่วไปจะสนับสนุนความสอดคล้องภายในโครงการทั่วทั้งองค์กร และลดอุปสรรคสำหรับการทำงานร่วมกันและการนำกลับมาใช้ใหม่
เนื่องจากขณะนี้โครงสร้างพื้นฐานด้านวิทยาศาสตร์ข้อมูลทั้งหมดถูกปรับใช้ผ่านแคตตาล็อกผลิตภัณฑ์โครงสร้างพื้นฐานที่พัฒนาขึ้นจากส่วนกลาง เราจึงต้องระมัดระวังในการสร้างผลิตภัณฑ์แต่ละชิ้นเหล่านี้โดยคำนึงถึงความปลอดภัย บริการได้รับการกำหนดค่าให้สื่อสารภายใน คลาวด์ส่วนตัวเสมือนของ Amazon (Amazon VPC) ดังนั้นทราฟฟิกจึงไม่ผ่านอินเทอร์เน็ตสาธารณะ ข้อมูลถูกเข้ารหัสระหว่างการส่งและเมื่อไม่มีการใช้งาน บริการจัดการคีย์ AWS (AWS KMS) คีย์ บทบาท IAM ยังได้ถูกกำหนดขึ้นเพื่อให้เป็นไปตามหลักการของสิทธิพิเศษน้อยที่สุด
สุดท้าย ด้วย AWS Service Catalog เป็นเรื่องง่ายสำหรับทีมแพลตฟอร์มในการเปิดตัวผลิตภัณฑ์และบริการใหม่อย่างต่อเนื่องเมื่อพร้อมใช้งานหรือต้องการโดยทีมแอปพลิเคชันทางธุรกิจ สิ่งเหล่านี้สามารถอยู่ในรูปแบบของผลิตภัณฑ์โครงสร้างพื้นฐานใหม่ เช่น ให้ความสามารถสำหรับผู้ใช้ปลายทางในการปรับใช้ของตนเอง อเมซอน EMR คลัสเตอร์ หรืออัปเดตผลิตภัณฑ์โครงสร้างพื้นฐานที่มีอยู่ เนื่องจาก AWS Service Catalog รองรับการกำหนดเวอร์ชันของผลิตภัณฑ์และการใช้งาน การก่อตัวของ AWS Cloud เบื้องหลัง การอัปเกรดแบบแทนที่สามารถใช้ได้เมื่อมีการเปิดตัวผลิตภัณฑ์เวอร์ชันใหม่ที่มีอยู่ ซึ่งช่วยให้ทีมแพลตฟอร์มสามารถมุ่งเน้นไปที่การสร้างและปรับปรุงผลิตภัณฑ์ มากกว่าการพัฒนากระบวนการอัปเกรดที่ซับซ้อน
การผสานรวมกับซอฟต์แวร์ IaC ที่มีอยู่ของ NatWest
AWS Service Catalog ใช้สำหรับการปรับใช้โครงสร้างพื้นฐานด้านวิทยาศาสตร์ข้อมูลแบบบริการตนเอง นอกจากนี้ Terraform โครงสร้างพื้นฐานมาตรฐานของ NatWest เป็นเครื่องมือโค้ด (IaC) ยังใช้เพื่อสร้างโครงสร้างพื้นฐานในบัญชี AWS ทีมแพลตฟอร์มใช้ Terraform ในระหว่างขั้นตอนการตั้งค่าบัญชีเริ่มต้นเพื่อปรับใช้ทรัพยากรโครงสร้างพื้นฐานที่จำเป็นก่อน เช่น VPC กลุ่มความปลอดภัย ผู้จัดการระบบ AWS พารามิเตอร์ คีย์ KMS และการควบคุมความปลอดภัยมาตรฐาน โครงสร้างพื้นฐานในบัญชีฮับ เช่น พอร์ตโฟลิโอ AWS Service Catalog และทรัพยากรที่ใช้ในการสร้างอิมเมจ Docker ก็ถูกกำหนดโดยใช้ Terraform ด้วย อย่างไรก็ตาม ผลิตภัณฑ์ AWS Service Catalog นั้นสร้างขึ้นโดยใช้เทมเพลต CloudFormation มาตรฐาน
ปรับปรุงประสิทธิภาพการทำงานของนักพัฒนาและคุณภาพโค้ดด้วยโปรเจ็กต์ SageMaker
โครงการ SageMaker ให้นักพัฒนาและนักวิทยาศาสตร์ข้อมูลสามารถเข้าถึงโครงการที่เริ่มต้นอย่างรวดเร็วโดยไม่ต้องออกจาก SageMaker Studio โปรเจ็กต์เริ่มต้นอย่างรวดเร็วเหล่านี้ช่วยให้คุณสามารถปรับใช้ทรัพยากรโครงสร้างพื้นฐานหลายรายการพร้อมกันได้ภายในไม่กี่คลิก ซึ่งรวมถึงที่เก็บ Git ที่มีเทมเพลตโปรเจ็กต์มาตรฐานสำหรับประเภทโมเดลที่เลือก บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon บัคเก็ต (Amazon S3) สำหรับการจัดเก็บข้อมูล โมเดลและอาร์ติแฟกต์แบบอนุกรม และการฝึกโมเดลและการอนุมานไปป์ไลน์ CodePipeline
การแนะนำสถาปัตยกรรมและเครื่องมือฐานโค้ดที่ได้มาตรฐานทำให้นักวิทยาศาสตร์ข้อมูลและวิศวกรสามารถย้ายไปมาระหว่างโครงการได้อย่างง่ายดาย และรับประกันคุณภาพของโค้ดยังคงสูง ตัวอย่างเช่น แนวทางปฏิบัติที่ดีที่สุดด้านวิศวกรรมซอฟต์แวร์ เช่น การตรวจสอบ linting และการจัดรูปแบบ (เรียกใช้ทั้งแบบตรวจสอบอัตโนมัติและ hooks ก่อนการคอมมิต) การทดสอบหน่วย และรายงานความครอบคลุม กลายเป็นแบบอัตโนมัติโดยเป็นส่วนหนึ่งของไปป์ไลน์การฝึกอบรม ซึ่งทำให้ได้มาตรฐานในทุกโครงการ สิ่งนี้ได้ปรับปรุงความสามารถในการบำรุงรักษาของโปรเจ็กต์ ML และจะทำให้ง่ายต่อการย้ายโปรเจ็กต์เหล่านี้ไปสู่การใช้งานจริง
การปรับใช้โมเดลอัตโนมัติ
กระบวนการฝึกอบรมโมเดลได้รับการประสานกันโดยใช้ SageMaker Pipelines หลังจากฝึกฝนโมเดลแล้ว โมเดลเหล่านั้นจะถูกเก็บไว้ในรีจีสทรีโมเดล SageMaker ผู้ใช้ที่ได้รับมอบหมายบทบาทผู้อนุมัติแบบจำลองสามารถเปิดการลงทะเบียนแบบจำลองและค้นหาข้อมูลที่เกี่ยวข้องกับกระบวนการฝึกอบรม เช่น เมื่อแบบจำลองได้รับการฝึกอบรม ค่าพารามิเตอร์ไฮเปอร์พารามิเตอร์ และตัวชี้วัดการประเมิน ข้อมูลนี้ช่วยให้ผู้ใช้ตัดสินใจว่าจะอนุมัติหรือปฏิเสธแบบจำลอง การปฏิเสธโมเดลจะป้องกันไม่ให้ปรับใช้โมเดลในสภาพแวดล้อมที่มีการยกระดับ ในขณะที่การอนุมัติโมเดลจะทริกเกอร์ไปป์ไลน์การเลื่อนระดับโมเดลผ่าน CodePipeline ซึ่งจะคัดลอกโมเดลไปยังบัญชี AWS ก่อนการผลิตจริงโดยอัตโนมัติ ซึ่งพร้อมสำหรับการทดสอบปริมาณงานการอนุมาน หลังจากที่ทีมได้ยืนยันว่าแบบจำลองทำงานอย่างถูกต้องในช่วงก่อนการผลิต ขั้นตอนแบบแมนนวลในไปป์ไลน์เดียวกันจะได้รับการอนุมัติ และแบบจำลองจะถูกคัดลอกไปยังบัญชีการผลิตโดยอัตโนมัติ ซึ่งพร้อมสำหรับการอนุมานปริมาณงานการผลิต
ผลลัพธ์
จุดมุ่งหมายหลักของโครงการความร่วมมือระหว่าง NatWest และ AWS คือการลดเวลาที่ใช้ในการจัดเตรียมและปรับใช้สภาพแวดล้อมระบบคลาวด์ด้านวิทยาศาสตร์ข้อมูลและโมเดล ML ในการผลิต สิ่งนี้ประสบความสำเร็จ—ตอนนี้ NatWest สามารถจัดเตรียมสภาพแวดล้อม AWS ใหม่ ปรับขนาดได้ และปลอดภัยในเวลาไม่กี่ชั่วโมง เมื่อเทียบกับวันหรือสัปดาห์ นักวิทยาศาสตร์และวิศวกรข้อมูลได้รับอำนาจในการปรับใช้และจัดการโครงสร้างพื้นฐานด้านวิทยาศาสตร์ข้อมูลด้วยตนเองโดยใช้ AWS Service Catalog ซึ่งลดการพึ่งพาทีมแพลตฟอร์มแบบรวมศูนย์ นอกจากนี้ การใช้โปรเจ็กต์ SageMaker ยังทำให้ผู้ใช้สามารถเริ่มเขียนโค้ดและฝึกโมเดลได้ภายในไม่กี่นาที ในขณะเดียวกันก็ให้โครงสร้างโปรเจ็กต์และเครื่องมือที่ได้มาตรฐาน
เนื่องจาก AWS Service Catalog ทำหน้าที่เป็นวิธีการกลางในการปรับใช้โครงสร้างพื้นฐานด้านวิทยาศาสตร์ข้อมูล แพลตฟอร์มจึงสามารถขยายและอัปเกรดได้อย่างง่ายดายในอนาคต สามารถเสนอบริการใหม่ของ AWS ให้กับผู้ใช้ปลายทางได้อย่างรวดเร็วเมื่อมีความจำเป็น และสามารถอัปเกรดผลิตภัณฑ์ AWS Service Catalog ที่มีอยู่เพื่อใช้ประโยชน์จากคุณสมบัติใหม่ได้
สุดท้าย การย้ายไปสู่บริการที่มีการจัดการบน AWS หมายถึงทรัพยากรการประมวลผลได้รับการจัดเตรียมและปิดตามความต้องการ สิ่งนี้ช่วยประหยัดต้นทุนและความยืดหยุ่น ในขณะเดียวกันก็สอดคล้องกับ ความทะเยอทะยานของ NatWest ที่จะเป็นศูนย์สุทธิภายในปี 2050 เนื่องจาก CO . ลดลงประมาณ 75%2 ปล่อยก๊าซเรือนกระจก
สรุป
การนำกลยุทธ์ที่เน้นระบบคลาวด์มาใช้ที่ NatWest Group นำไปสู่การสร้างโซลูชัน AWS ที่มีประสิทธิภาพซึ่งสามารถรองรับทีมแอปพลิเคชันทางธุรกิจจำนวนมากทั่วทั้งองค์กร การจัดการโครงสร้างพื้นฐานด้วย AWS Service Catalog ได้ปรับปรุงกระบวนการออนบอร์ดระบบคลาวด์อย่างมีนัยสำคัญโดยใช้บล็อคการสร้างโครงสร้างพื้นฐานที่ปลอดภัย เป็นไปตามข้อกำหนด และได้รับการอนุมัติล่วงหน้าซึ่งสามารถขยายได้อย่างง่ายดาย ส่วนประกอบโครงสร้างพื้นฐาน SageMaker ที่ได้รับการจัดการได้ปรับปรุงกระบวนการพัฒนาแบบจำลองและเร่งการส่งมอบโครงการ ML
หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับกระบวนการสร้างโมเดล ML ที่พร้อมสำหรับการผลิตที่ NatWest Group ให้ดูที่ส่วนที่เหลือของซีรีส์สี่ส่วนนี้เกี่ยวกับการทำงานร่วมกันเชิงกลยุทธ์ระหว่าง NatWest Group และ AWS Professional Services:
- 1 หมายเลข อธิบายวิธีที่ NatWest Group ร่วมมือกับ AWS Professional Services เพื่อสร้างแพลตฟอร์ม MLOps ที่ปรับขนาดได้ ปลอดภัย และยั่งยืน
- 3 หมายเลข ให้ภาพรวมเกี่ยวกับวิธีที่ NatWest Group ใช้บริการ SageMaker เพื่อสร้างแบบจำลอง ML ที่ตรวจสอบได้ ทำซ้ำได้ และอธิบายได้
- 4 หมายเลข รายละเอียดวิธีที่ทีมวิทยาศาสตร์ข้อมูลของ NatWest ย้ายโมเดลที่มีอยู่ไปยังสถาปัตยกรรม SageMaker
เกี่ยวกับผู้เขียน
จูเนด บาบา เป็นที่ปรึกษา DevOps ที่ บริการระดับมืออาชีพของ AWS เขาใช้ประโยชน์จากประสบการณ์ของเขาใน Kubernetes, การคำนวณแบบกระจาย, AI/MLOps เพื่อเร่งการนำลูกค้าในอุตสาหกรรมบริการทางการเงินของสหราชอาณาจักรไปใช้ระบบคลาวด์อย่างรวดเร็ว Junaid ร่วมงานกับ AWS มาตั้งแต่เดือนมิถุนายน 2018 ก่อนหน้านั้น Junaid ทำงานร่วมกับบริษัทสตาร์ทอัพด้านการเงินจำนวนหนึ่งซึ่งขับเคลื่อนแนวปฏิบัติ DevOps นอกงาน เขามีความสนใจในการเดินป่า ศิลปะสมัยใหม่ และการถ่ายภาพนิ่ง
ยอร์ดันกา อิวาโนวา เป็นวิศวกรข้อมูลของ NatWest Group เธอมีประสบการณ์ในการสร้างและนำเสนอโซลูชันข้อมูลสำหรับบริษัทต่างๆ ในอุตสาหกรรมบริการทางการเงิน ก่อนที่จะร่วมงานกับ NatWest Yordanka ทำงานเป็นที่ปรึกษาด้านเทคนิค ซึ่งเธอได้รับประสบการณ์ในการใช้ประโยชน์จากบริการคลาวด์และเทคโนโลยีโอเพ่นซอร์สที่หลากหลายเพื่อส่งมอบผลลัพธ์ทางธุรกิจผ่านแพลตฟอร์มคลาวด์ที่หลากหลาย ในเวลาว่าง Yordanka สนุกกับการออกกำลังกาย ท่องเที่ยว และเล่นกีตาร์
ไมเคิล อังกฤษ เป็นวิศวกรซอฟต์แวร์ในทีม Data Science and Innovation ที่ NatWest Group เขาหลงใหลในการพัฒนาโซลูชันสำหรับการรันเวิร์กโหลดแมชชีนเลิร์นนิ่งขนาดใหญ่ในระบบคลาวด์ ก่อนร่วมงานกับ NatWest Group ไมเคิลเคยทำงานและเป็นผู้นำทีมวิศวกรรมซอฟต์แวร์เพื่อพัฒนาแอปพลิเคชันที่สำคัญในอุตสาหกรรมบริการทางการเงินและการเดินทาง ในเวลาว่าง เขาชอบเล่นกีตาร์ เดินทางและสำรวจชนบทด้วยจักรยานยนต์ของเขา
- คอยน์สมาร์ท การแลกเปลี่ยน Bitcoin และ Crypto ที่ดีที่สุดในยุโรป
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าฟรี
- คริปโตฮอว์ก เรดาร์ Altcoin ทดลองฟรี.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/part-2-how-natwest-group-built-a-secure-compliant-self-service-mlops-platform-using-aws-service- แค็ตตาล็อกและอเมซอน-sagemaker/
- "
- 100
- เกี่ยวกับเรา
- เร่ง
- เร่ง
- เข้า
- ลงชื่อเข้าใช้
- ข้าม
- นอกจากนี้
- เพิ่มเติม
- การนำมาใช้
- ความได้เปรียบ
- ทั้งหมด
- อเมซอน
- ในหมู่
- จำนวน
- จำนวน
- การวิเคราะห์
- การวิเคราะห์
- การใช้งาน
- การใช้งาน
- เข้าใกล้
- อนุมัติ
- สถาปัตยกรรม
- ศิลปะ
- ที่ได้รับมอบหมาย
- การตรวจสอบบัญชี
- การยืนยันตัวตน
- อัตโนมัติ
- อัตโนมัติ
- ระบบอัตโนมัติและมาตรฐาน
- ใช้ได้
- AWS
- ธนาคาร
- กลายเป็น
- เบื้องหลัง
- กำลัง
- ประโยชน์
- ประโยชน์ที่ได้รับ
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- สร้าง
- การก่อสร้าง
- ธุรกิจ
- คาร์บอน
- ซึ่ง
- ส่วนกลาง
- ท้าทาย
- ความท้าทาย
- การตรวจสอบ
- เมฆ
- แพลตฟอร์มคลาวด์
- บริการคลาวด์
- รหัส
- การเข้ารหัส
- การทำงานร่วมกัน
- การผสมผสาน
- ร่วมกัน
- บริษัท
- บริษัท
- เมื่อเทียบกับ
- ซับซ้อน
- การปฏิบัติตาม
- ไม่ขัดขืน
- ส่วนประกอบ
- คำนวณ
- การคำนวณ
- องค์ประกอบ
- การเชื่อมต่อ
- ผู้ให้คำปรึกษา
- ภาชนะ
- ภาชนะบรรจุ
- มี
- เนื้อหา
- เรื่อย
- ควบคุม
- ที่สร้างขึ้น
- การสร้าง
- การสร้าง
- วิกฤติ
- ประเพณี
- ลูกค้า
- ข้อมูล
- การวิเคราะห์ข้อมูล
- วิทยาศาสตร์ข้อมูล
- นักวิทยาศาสตร์ข้อมูล
- ส่ง
- การส่งมอบ
- การจัดส่ง
- ความต้องการ
- ความต้องการ
- ปรับใช้
- นำไปใช้
- ปรับใช้
- การใช้งาน
- การใช้งาน
- อธิบาย
- การออกแบบ
- รายละเอียด
- รายละเอียด
- พัฒนา
- ผู้พัฒนา
- นักพัฒนา
- ที่กำลังพัฒนา
- พัฒนาการ
- ต่าง
- ยาก
- ดิจิตอล
- โดยตรง
- กระจาย
- คอมพิวเตอร์แบบกระจาย
- นักเทียบท่า
- ไม่
- ลง
- การขับขี่
- อย่างง่ายดาย
- ที่มีประสิทธิภาพ
- ความพยายาม
- ทำอย่างละเอียด
- ทำให้สามารถ
- ปลายทาง
- วิศวกร
- ชั้นเยี่ยม
- วิศวกร
- Enterprise
- สิ่งแวดล้อม
- ประมาณ
- การประเมินผล
- คาย
- ตัวอย่าง
- การปฏิบัติ
- ที่มีอยู่
- ประสบการณ์
- ลักษณะ
- คุณสมบัติ
- ข้อเสนอแนะ
- ทางการเงิน
- บริการทางการเงิน
- ชื่อจริง
- แก้ไขปัญหา
- ความยืดหยุ่น
- โฟกัส
- ปฏิบัติตาม
- ดังต่อไปนี้
- รอยพระบาท
- ฟอร์ม
- กรอบ
- ฟังก์ชั่น
- อนาคต
- ไป
- การกำกับดูแล
- บัญชีกลุ่ม
- กลุ่ม
- คู่มือ
- มีความสุข
- ช่วย
- จะช่วยให้
- จุดสูง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- HTTPS
- เอกลักษณ์
- การดำเนินงาน
- การปรับปรุง
- ประกอบด้วย
- รวม
- รวมถึง
- เพิ่มขึ้น
- อุตสาหกรรม
- อุตสาหกรรม
- ข้อมูล
- โครงสร้างพื้นฐาน
- นักวิเคราะห์ส่วนบุคคลที่หาโอกาสให้เป็นไปได้มากที่สุด
- นวัตกรรม
- สถาบัน
- รวบรวม
- แบบบูรณาการ
- ผลประโยชน์
- อินเตอร์เฟซ
- อินเทอร์เน็ต
- ร่วมมือ
- ปัญหา
- IT
- งาน
- คีย์
- กุญแจ
- ความรู้
- ใหญ่
- ล่าสุด
- นำ
- เรียนรู้
- การเรียนรู้
- นำ
- ยกระดับ
- การใช้ประโยชน์
- ห้องสมุด
- ถูก จำกัด
- Line
- การเชื่อมโยง
- ในประเทศ
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- สำคัญ
- ทำให้
- จัดการ
- การจัดการ
- การจัดการ
- การจัดการ
- ลักษณะ
- คู่มือ
- เรื่อง
- วุฒิภาวะ
- ความหมาย
- สมาชิก
- ตัวชี้วัด
- ล้าน
- ใจ
- ML
- แบบ
- โมเดล
- การตรวจสอบ
- เดือน
- ข้อมูลเพิ่มเติม
- ย้าย
- การย้าย
- หลาย
- ชื่อ
- เครือข่าย
- คุณสมบัติใหม่
- แพลตฟอร์มใหม่
- ผลิตภัณฑ์ใหม่
- ผลิตภัณฑ์ใหม่
- จำนวน
- เสนอ
- ออฟไลน์
- การดูแลพนักงานใหม่
- ออนไลน์
- เปิด
- การดำเนินการ
- เพิ่มประสิทธิภาพ
- organizacja
- อื่นๆ
- ทั้งหมด
- ของตนเอง
- ในสิ่งที่สนใจ
- ร่วมมือ
- หลงใหล
- แบบแผน
- การปฏิบัติ
- การถ่ายภาพ
- นักบิน
- เวที
- แพลตฟอร์ม
- เล่น
- นโยบาย
- นโยบาย
- ผลงาน
- พอร์ตการลงทุน
- หลัก
- ส่วนตัว
- คีย์ส่วนตัว
- กระบวนการ
- กระบวนการ
- ผลิตภัณฑ์
- การผลิต
- ผลผลิต
- ผลิตภัณฑ์
- มืออาชีพ
- โปรไฟล์
- ดูรายละเอียด
- โครงการ
- โครงการ
- โปรโมชั่น
- ให้
- ให้
- การให้
- สาธารณะ
- คุณภาพ
- รวดเร็ว
- อย่างรวดเร็ว
- การอ่าน
- ลด
- ลด
- หน่วยงานกำกับดูแล
- ความสัมพันธ์
- ปล่อย
- การเผยแพร่
- สัมพันธ์
- ความเชื่อมั่น
- รายงาน
- กรุ
- ต้องการ
- จำเป็นต้องใช้
- ความต้องการ
- ทรัพยากร
- แหล่งข้อมูล
- REST
- ผลสอบ
- ทบทวน
- เส้นทาง
- วิ่ง
- วิ่ง
- scalability
- ที่ปรับขนาดได้
- ขนาด
- ฉาก
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- นักวิทยาศาสตร์
- SDK
- ปลอดภัย
- ความปลอดภัย
- เลือก
- ชุด
- บริการ
- บริการ
- ชุด
- การติดตั้ง
- Share
- ที่ใช้ร่วมกัน
- สำคัญ
- เหมือนกับ
- ง่าย
- So
- ซอฟต์แวร์
- วิศวกรซอฟต์แวร์
- วิศวกรรมซอฟต์แวร์
- ทางออก
- โซลูชัน
- ใช้จ่าย
- Stability
- กอง
- มาตรฐาน
- เริ่มอัพ
- ข้อความที่เริ่ม
- สถานะ
- งบ
- Status
- การเก็บรักษา
- ยุทธศาสตร์
- กลยุทธ์
- สตูดิโอ
- สนับสนุน
- รองรับ
- ที่ยั่งยืน
- ระบบ
- ระบบ
- งาน
- ทีม
- วิชาการ
- เทคโนโลยี
- เทคโนโลยี
- แม่แบบ
- ทดสอบ
- การทดสอบ
- การทดสอบ
- ข้อต่อ
- ชุดรูปแบบ
- ดังนั้น
- ตลอด
- เวลา
- เครื่องมือ
- ไปทาง
- การติดตาม
- การจราจร
- การฝึกอบรม
- แปลง
- การแปลง
- การขนส่ง
- การเดินทาง
- การเดินทาง
- วางใจ
- ui
- Uk
- การปรับปรุง
- ใช้
- ผู้ใช้
- นำไปใช้
- การใช้ประโยชน์
- ความหลากหลาย
- รายละเอียด
- เสมือน
- ความชัดเจน
- web-based
- ว่า
- ในขณะที่
- WHO
- ภายใน
- ไม่มี
- งาน
- ทำงาน
- การทำงาน
- ออกกำลังกาย
- โรงงาน
- โลก