Gouvernance du ML avec Amazon SageMaker

Simplifiez le contrôle d'accès et améliorez la transparence
Démarrage avec Amazon SageMaker

Pourquoi la gouvernance du ML

Amazon SageMaker fournit des outils de gouvernance spécialement conçus pour vous aider à mettre en œuvre la ML de manière responsable. Avec Amazon SageMaker Role Manager, les administrateurs peuvent définir les autorisations minimales en quelques minutes. Amazon SageMaker Model Cards facilite la capture, la récupération et le partage des informations essentielles sur les modèles, telles que les utilisations prévues, les évaluations des risques et les détails de la formation, de la conception au déploiement. Amazon SageMaker Model Dashboard vous tient informé du comportement du modèle en production, le tout en un seul endroit. L’intégration d’Amazon SageMaker et d’Amazon DataZone simplifie la gouvernance du ML et des données.

Avantages de la gouvernance du ML de SageMaker

Fournissez des environnements de développement ML en quelques minutes avec des contrôles de sécurité professionnels pour régir l’accès aux ressources ML et de données dans les projets.
Générez des rôles personnalisés qui permettent aux praticiens du machine learning (ML) de commencer à utiliser SageMaker plus rapidement
Simplifiez la documentation relative aux modèles et fournissez la visibilité sur les principaux artefacts, hypothèses et caractéristiques, de la conception au déploiement
Auditez et dépannez rapidement les performances de tous les modèles, points de terminaison et tâches de surveillance des modèles grâce à une vue unifiée. Suivez les déviations par rapport au comportement prévu du modèle ainsi que les tâches de surveillance manquantes ou inactives grâce à des alertes automatiques

Intégrer à Amazon DataZone

  • Mise en place des contrôles et des dispositions

  • Les administrateurs informatiques peuvent définir des contrôles d'infrastructure et des autorisations spécifiques à votre entreprise et à votre cas d'utilisation dans Amazon DataZone. Vous pouvez ensuite créer un environnement SageMaker approprié en quelques clics et lancer le processus de développement dans SageMaker Studio.

  • Rechercher et découvrir des actifs

  • Dans SageMaker Studio, vous pouvez rechercher et découvrir efficacement des données et des actifs de machine learning dans le catalogue professionnel de votre organisation. Vous pouvez également demander l'accès aux ressources que vous pourriez avoir besoin d'utiliser dans le cadre de votre projet en vous y abonnant.

  • Consommez des actifs

  • Une fois votre demande d'abonnement approuvée, vous pouvez utiliser ces ressources souscrites dans le cadre de tâches de machine learning telles que la préparation des données, la formation de modèles et l'ingénierie des fonctionnalités dans SageMaker Studio à l'aide de JupyterLab et de SageMaker Canvas.

  • Publier des actifs

  • Une fois les tâches de machine learning terminées, vous pouvez publier des données, des modèles et des groupes de fonctionnalités dans le catalogue professionnel à des fins de gouvernance et de visibilité par d'autres utilisateurs.

Définir des autorisations

Simplifier les autorisations pour les activités de machine learning

SageMaker Role Manager fournit un ensemble d'autorisations de base pour les activités et les personas de machine learning via un catalogue de politiques de gestion des identités et des accès (IAM) AWS préétablies. Les activités ML peuvent inclure la préparation des données et l'entraînement, et les personas peuvent inclure des ingénieurs ML et des scientifiques des données. Vous pouvez conserver les autorisations de base ou les personnaliser davantage en fonction de vos besoins spécifiques.

gestionnaire de rôles simplifiant les autorisations

Automatiser la génération de politiques IAM

Grâce à quelques invites auto-guidées, vous pouvez saisir rapidement des éléments de gouvernance courants tels que les limites d'accès au réseau et les clés de cryptage. SageMaker Role Manager génère alors automatiquement la politique IAM. Vous pouvez découvrir le rôle généré et les politiques associées via la console AWS IAM.

Attacher vos politiques gérées

Pour adapter davantage les autorisations à votre cas d'utilisation, attachez vos politiques IAM gérées au rôle IAM que vous créez avec SageMaker Role Manager. Vous pouvez également ajouter des balises pour faciliter l'identification et l'organisation des rôles dans les services AWS.

attacher vos politiques gérées

Simplifier la documentation

Capturer les informations du modèle

SageMaker Model Cards est un référentiel d'informations sur les modèles dans la console Amazon SageMaker. Il vous aide à centraliser et normaliser la documentation des modèles afin que vous puissiez mettre en œuvre le ML de manière responsable. Vous pouvez remplir automatiquement les détails de la formation, tels que les jeux de données d'entrée, les environnements de formation et les résultats de l'entraînement, afin d'accélérer le processus de documentation. Vous pouvez également ajouter des détails tels que l'objectif du modèle et les objectifs de performance.

informations du modèle dans la console sagemaker

Visualiser les résultats de l'évaluation

Vous pouvez attacher les résultats de l'évaluation du modèle, tels que les mesures de biais et de qualité, à votre carte de modèle et ajouter des visualisations telles que des graphiques pour obtenir des informations clés sur les performances du modèle.

les cartes de modèles visualisent les résultats de l’évaluation

Partager les cartes modèles

Vous pouvez exporter vos cartes modèles au format PDF pour les partager plus facilement avec les parties prenantes, les équipes internes ou vos clients.

Surveillance des modèles

Suivre le comportement du modèle

SageMaker Model Dashboard vous donne un aperçu complet des modèles et des points de terminaison déployés afin que vous puissiez suivre les ressources et les violations du comportement du modèle en un seul endroit. Vous pouvez surveiller le comportement du modèle dans quatre dimensions : la qualité des données, la qualité du modèle, la dérive du biais et la dérive de l'attribution des fonctionnalités. SageMaker Model Dashboard surveille le comportement grâce à son intégration avec Amazon SageMaker Model Monitor et Amazon SageMaker Clarify.

tableau de bord de modèles

Automatiser les alertes

SageMaker Model Dashboard offre une expérience intégrée permettant de configurer et de recevoir des alertes en cas de travaux de surveillance de modèles manquants ou inactifs et de déviations du comportement des modèles.

Automatiser les alertes

Dépannage des déviations du modèle

Vous pouvez inspecter plus en détail les modèles individuels et analyser les facteurs qui influent sur les performances des modèles au fil du temps. Vous pouvez ensuite assurer un suivi avec les praticiens du ML pour prendre des mesures correctives.