Der AWS Machine Learning Blog berichtete, dass verwaltetes MLflow in Amazon SageMaker AI nun erweiterte Details zu Modellen mit dem SageMaker AI Model Registry synchronisiert: Trainingsmetriken, Bewertungsergebnisse, Inferenzspezifikationen und Daten zur Herkunft des Modells.
Im ersten Teil des Materials wird die Verwaltung von Modellkandidaten innerhalb eines einzelnen Kontos mithilfe von IAM-Einschränkungen beschrieben. Zudem wird die Beförderung von Modellen zwischen Phasen des Lebenszyklus angekündigt.
Die praktische Bedeutung der Änderung liegt in der Zusammenführung von Entwicklungsinformationen und Zulassungsverfahren für Modelle in einem einzigen Register. Da das ursprüngliche Paket jedoch nur eine Zusammenfassung der Veröffentlichung enthält, können Details zur Implementierung, zum Umfang der Einführung und zu den Auswirkungen auf Teams derzeit nicht bewertet werden.
redaktioneller Kommentar
Warum es wichtig ist
Eine wahrscheinliche Folge ist ein einheitlicherer Prozess für den Übergang eines Modells von Training und Bewertung zum formalen Lebenszyklus. Das nächstbeobachtbare Signal ist die Veröffentlichung von Details zu IAM-Richtlinien, Metadatenfeldern und Beförderungsszenarien. Eine erhebliche Unsicherheit besteht darin, dass nur eine Zusammenfassung einer Veröffentlichung verfügbar ist.