為什麼要進行 ML 管控
Amazon SageMaker 提供專用的管理工具來幫助您負責任地執行 ML。透過 Amazon SageMaker Role Manager,管理員可在幾分鐘之內定義最小許可。Amazon SageMaker Model Cards 可以更輕鬆地儲存、擷取與共享從概念到部署的基本模型資訊,例如用途、風險評級和訓練詳細資訊。Amazon SageMaker Model Dashboard 會通知您單一位置的生產中模型行為。整合 Amazon SageMaker 與 Amazon DataZone,讓簡化 ML 和資料管控變得更輕鬆。
SageMaker ML 管控的優勢
與 Amazon DataZone 整合
-
設定控制與佈建
-
搜尋和探索資產
-
取用資產
-
發佈資產
-
設定控制與佈建
-
IT 管理員可在 Amazon DataZone 中定義您的企業和使用案例特定的基礎設施控制與許可。然後,您只需點按幾下,即可建立適當的 SageMaker 環境,並在 SageMaker Studio 中啟動開發程序。
-
搜尋和探索資產
-
在 SageMaker Studio 中,您可有效地搜尋和探索組織企業型錄中的資料和 ML 資產。您還可透過訂閱,來請求存取您可能需要在專案中使用的資產。
-
取用資產
-
您的訂閱請求獲得核准後,即可使用 JupyterLab 和 SageMaker Canvas,在 ML 任務中取用這些訂閱的資產,例如 SageMaker Studio 內的資料準備、模型訓練和特徵工程等。
-
發佈資產
-
完成 ML 任務後,您可將資料、模型和特徵群組發佈到業務型錄,以便其他使用者進行控管和探索。
定義許可
簡化 ML 活動的許可
SageMaker Role Manager 透過預先建置的 AWS Identity and Access Management (IAM) 政策型錄,為 ML 活動和角色提供一組基線許可。ML 活動可包含資料準備和訓練,角色可包含 ML 工程師和資料科學家。您可以保留基準許可,或根據您的特定需求進一步自定許可。
![Role Manager 簡化許可](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-1-role-manager-simplify-permissions.b5463f50341d1cfb8418394594045d3f3b5b0edf.png)
自動產生 IAM 政策
透過一些自助提示,您可以快速輸入常見的治理建構模組,例如網路存取邊界和加密金鑰。SageMaker Role Manager 接著會自動產生 IAM 政策。您可以透過 AWS IAM 主控台發現產生的角色與關聯的政策。
連接您的受管政策
若要進一步針對您的使用案例客製化許可,請將您的受管 IAM 政策連接到使用 SageMaker Role Manager 建立的 IAM 角色。您也可以新增標籤,以協助識別和組織各個 AWS 服務的角色。
![附接您的受管政策](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-2-role-manager-attach-your-managed-policies.5953463bf17f976ffc7134951fc0e244ebe62760.png)
簡化文件
擷取模型資訊
SageMaker Model Cards 是 Amazon SageMaker Console 中模型資訊的儲存庫,可幫助您集中和標準化模型文件,以便您可以負責任地執行 ML。您可以自動填入訓練細節,例如輸入資料集、訓練環境還有訓練結果,以加速文件編制流程。您還可以新增模型用途和效能目標等詳細資訊。
![SageMaker 主控台中的模型資訊](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-3-model-cards-capture-model-info.e873b601999865b2d5ac21f42167bd1eddc1498b.png)
視覺化評估結果
您可以將模型評估結果附加至模型卡,例如偏差和品質指標,並新增視覺化效果,例如圖表,以獲得對模型效能的關鍵見解。
![模型卡視覺化評估結果](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-4-model-cards-visualize-evaluation-results.22b9bf05128ed542ef68ab97adc4e1c3f04fe750.png)
共享模型卡
您可以將 Model Cards 匯出為 PDF 格式,以便更輕鬆地共享給業務利益相關者、內部團隊或您的客戶。
模型監控
追蹤模型行為
SageMaker Model Dashboard 為您提供部署模型和端點的全面概觀,讓您可追蹤單一位置的資源和模型行為違規情況。您可以從四個維度監控模型行為:資料品質、模型品質、偏差漂移以及特徵歸因漂移。SageMaker Model Dashboard 透過與 Amazon SageMaker Model Monitor 和 Amazon SageMaker Clarify 整合來監控行為。
![模型儀表板](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-6-model-dashboard-track-model-behavior.6b85b95bcb69a68f6657b291d80e8a3ec20b1d1f.png)
自動化提醒
SageMaker Model Dashboard 提供一種整合體驗,可針對缺失和非作用中模型監控任務,以及模型行為偏差來設定和接收提醒。
![自動化提醒](https://d1.awsstatic.com/products/sagemaker/ml-governance/feature-7-model-dashboard-automate-alerts.77cd908b1b27516b73ea7a45611a210fb046f3a5.png)
疑難排解模型偏差
您可以進一步檢查各個模型,並分析隨著時間影響模型效能的因素。接著您就能聯繫 ML 從業人員以採取修正措施。