Pipelines

Amazon SageMaker Pipelines est un service d’orchestration de flux de travail spécialement conçu pour automatiser le développement de machine learning (ML).

Les pipelines offrent les avantages suivants par rapport aux autres offres de flux de travail AWS :

Infrastructure sans serveur à mise à l’échelle automatique Vous n’avez pas besoin de gérer l’infrastructure d’orchestration sous-jacente pour exécuter les pipelines, ce qui vous permet de vous concentrer sur les tâches ML principales. SageMaker AI provisionne, met à l’échelle et arrête automatiquement les ressources de calcul d’orchestration des pipelines, comme l’exige votre charge de travail ML.

Expérience utilisateur intuitive Les pipelines peuvent être créés et gérés via l’interface de votre choix : éditeur visuel, kit SDK, API ou code JSON. Vous pouvez effectuer un glisser-déposer des différentes étapes ML pour créer vos pipelines dans l’interface visuelle d’Amazon SageMaker Studio. La capture d’écran suivante montre l’éditeur visuel Studio pour les pipelines.

Si vous préférez gérer vos flux de travail ML par programmation, le kit SageMaker Python SDK propose des fonctionnalités d’orchestration avancées. Pour plus d’informations, consultez Amazon SageMaker Pipelines dans la documentation du kit SageMaker Python SDK.

Intégrations AWS Les pipelines permettent une intégration fluide avec toutes les fonctionnalités de SageMaker AI et d’autres services AWS afin d’automatiser les tâches de traitement des données, d’entraînement des modèles, de peaufinage, d’évaluation, de déploiement et de surveillance. Vous pouvez incorporer les fonctionnalités de SageMaker AI dans vos pipelines et les parcourir à l’aide de liens profonds pour créer, surveiller et déboguer vos flux de travail ML à grande échelle.

Coûts réduits Avec les pipelines, vous ne payez que pour l’environnement SageMaker Studio et les tâches sous-jacentes orchestrées par les pipelines (par exemple, l’entraînement SageMaker, le traitement SageMaker, l’inférence SageMaker AI et le stockage de données Amazon S3).

Auditabilité et suivi de la traçabilité Avec les pipelines, vous pouvez suivre l’historique des mises à jour et des exécutions des pipelines à l’aide de la gestion des versions intégrée. Le suivi de la traçabilité Amazon SageMaker ML vous aide à analyser les sources de données et les consommateurs de données tout au long du cycle de développement ML de bout en bout.