AWS Machine Learning Blog a rapporté que MLflow managé dans Amazon SageMaker AI synchronise désormais avec SageMaker AI Model Registry des informations détaillées sur les modèles: métriques d'entraînement, résultats d'évaluation, spécifications d'inférence et données sur la provenance du modèle.
La première partie du document décrit la gestion des candidats modèles au sein d'un seul compte à l'aide de restrictions IAM. Il y est également fait état de la promotion des modèles entre les différentes étapes du cycle de vie.
L'importance pratique de ce changement réside dans l'unification des informations de développement et des procédures d'approbation des modèles dans un seul registre. Cependant, le paquet source ne contenant qu'un synopsis de la publication, il n'est pas encore possible d'évaluer les détails de l'implémentation, l'étendue du déploiement ni l'impact pour les équipes.
commentaire éditorial
Pourquoi c’est important
Une conséquence probable est un processus plus unifié pour la transition des modèles de l'entraînement et de l'évaluation vers un cycle de vie formel. Le signal observable le plus proche est la publication de détails sur les règles IAM, les champs de métadonnées et les scénarios de promotion. Une incertitude substantielle persiste car seul le synopsis d'une publication est disponible.