Preguntas frecuentes sobre las tarjetas de modelos

R: Puede utilizar los modelos para una variedad de aplicaciones empresariales, desde la predicción de ciberataques y la aprobación de solicitudes de préstamos hasta la detección de la categoría de un correo electrónico. Cada una de estas aplicaciones conlleva un nivel de riesgo diferente. Por ejemplo, la detección incorrecta de un ciberataque tiene un impacto empresarial mucho mayor que la categorización incorrecta de un correo electrónico. Dados los diversos perfiles de riesgo de un modelo, puede usar tarjetas de modelos para proporcionar una clasificación de riesgo de low, medium o high de un modelo. Si no conoce el riesgo de su modelo, puede configurar el estado en unknown. Los clientes son responsables de asignar el perfil de riesgo a cada modelo. Según la clasificación de riesgo, las organizaciones pueden tener diferentes reglas para implementar esos modelos en producción. Para obtener más información, consulte Clasificaciones de riesgo.

El uso previsto de un modelo describe cómo debe utilizarse el modelo en sus aplicaciones de producción. Esto va más allá de los requisitos técnicos, como el tipo de instancia en la que se debe implementar un modelo, y se refiere más bien a los tipos de aplicaciones que se van a crear con el modelo, los escenarios en los que se puede esperar un rendimiento razonable del modelo o el tipo de datos que se van a utilizar con el modelo. Se recomienda incluir esta información en la tarjeta de modelo para una mejor gobernanza del modelo. Puede definir un tipo de especificación de modelo en el campo de uso previsto y asegurarse de que los desarrolladores y consumidores de modelos sigan esta especificación al entrenar e implementar sus modelos. Para obtener más información, consulte Usos previstos de un modelo.

Al crear una tarjeta del modelo con el SageMaker Python SDK o la consola de AWS, SageMaker AI rellena automáticamente la información sobre el modelo entrenado. Esto incluye detalles completos del entrenamiento y toda la información sobre el modelo que está disponible a través de la llamada a la API describe-model. Si trabaja en Amazon SageMaker Studio, puede rellenar automáticamente sus tarjetas de modelos llamando a la API DescribeModelPackage.

Las tarjetas de modelos de Amazon SageMaker tienen una estructura definida que no se puede modificar. Esta estructura le proporciona orientación sobre la información que debe capturarse en una tarjeta de modelo. Si bien no se puede cambiar la estructura de la tarjeta de modelo, se introduce cierta flexibilidad mediante las propiedades personalizadas en la sección Información adicional de la tarjeta de modelo.

Las tarjetas de modelos tienen versiones asociadas. Una versión de modelo determinada es inmutable en todos los atributos, excepto en el estado de la tarjeta de modelo. Si realiza cualquier otro cambio en la tarjeta del modelo, como las métricas de evaluación, la descripción o los usos previstos, SageMaker AI crea una nueva versión de la tarjeta del modelo para incluir la información actualizada. Esto es para garantizar que una tarjeta de modelo, una vez creada, no pueda manipularse.

Las tarjetas de modelos se actualizan automáticamente cada vez que se realizan cambios en las versiones del paquete del modelo en el Registro de modelos.

R: Sí. Puede crear tarjetas de modelos para modelos no entrenados en SageMaker AI, pero la tarjeta no se rellena automáticamente con información. Usted debe proporcionar toda la información necesaria a la tarjeta del modelo para los modelos que no sean de SageMaker AI.

R: Sí. Puede exportar cada versión de una tarjeta de modelo a un PDF, descargarla y compartirla.

R: Se puede acceder a las tarjetas de modelo a través de la consola SageMaker AI y Registro de modelos. Si usa Registro de modelos, recibirá automáticamente una tarjeta del modelo para cada versión del modelo.

R: Las tarjetas de modelos tienen por objeto proporcionar a las organizaciones un mecanismo para documentar todos los detalles que deseen sobre su modelo, siguiendo las instrucciones prescriptivas de SageMaker AI y proporcionando su propia información personalizada. Puede introducir las tarjetas de modelos al principio del proceso de ML y utilizarlas para definir el problema empresarial que debe resolver el modelo y cualquier consideración que deba tenerse en cuenta al utilizarlo. Una vez entrenado un modelo, puede rellenar la tarjeta de modelo asociada a ese modelo con información sobre el modelo y sobre cómo se entrenó. Las tarjetas de modelos están asociadas a los modelos y son inmutables una vez asociadas a un modelo. Esto garantiza que la tarjeta de modelo sea la única fuente veraz de toda la información relacionada con un modelo, incluida la forma en que se entrenó y cómo debe usarse.

El registro de modelos es un catálogo que almacena metadatos sobre sus modelos. Cada entrada del registro de modelos corresponde a una versión de modelo única. Esa versión del modelo contiene información sobre el modelo, como dónde se almacenan los artefactos del modelo en Amazon S3, qué contenedor se necesita para implementar el modelo y metadatos personalizados que deben asociarse al modelo. Cada versión del paquete de modelos tiene una tarjeta del modelo asociada.

R: Las tarjetas de modelos están integradas en el objeto Registro de modelos. Cada versión de un paquete de modelos del Registro de Modelos está vinculada a su tarjeta del modelo correspondiente. Puede acceder al esquema de la tarjeta del modelo de cada versión con la API ModelPackageModelCard.

R: Sí, existe una relación de uno a uno entre las tarjetas del modelo y los modelos del Registro de modelos. Cada versión del modelo almacenada en el Registro de modelos tiene asociada exactamente una tarjeta del modelo.

R: No. Puede cargar las métricas de rendimiento calculadas por el monitor de modelos de SageMaker en la tarjeta de modelo si carga un archivo de métricas en Amazon S3 y lo vincula a la tarjeta, pero no hay una integración nativa entre el monitor de modelos y las tarjetas de modelos. Los paneles de modelos están integrados con el monitor de modelos. Para obtener más información sobre los paneles de modelos, consulte Panel de modelos de Amazon SageMaker.