Amazon SageMaker Pipelines

機器學習工作流程的專用服務

什麼是 Amazon SageMaker Pipelines?

Amazon SageMaker Pipelines 是專為 MLOps 和 LLMOps 自動化而專門建置的無伺服器工作流程協同運作服務。您可以使用直覺式拖放 UI 或 Python SDK 輕鬆建置、執行和監控可重複的端對端 ML 工作流程。Amazon SageMaker Pipelines 可進行擴展,以在生產中執行成千上萬個並行 ML 工作流程。

SageMaker Pipelines 的優勢

與 Amazon SageMaker 功能 (例如訓練、筆記本任務、推論) 和無伺服器基礎設施無縫整合,可消除自動化 ML 任務中涉及的無差別的繁重工作。
您可以使用拖放 UI 或程式碼 (Python SDK、API) 來建立、執行和監控 ML 工作流程 DAG (有向非循環圖)。
直接遷移現有的 ML 程式碼,讓其自動執行成千上萬次。根據您的 MLOps 和 LLMOps 策略建置自訂整合。

編寫、執行和監控 GenAI 工作流程

利用 Amazon SageMaker Studio 的直覺式拖放視覺化介面,建立並實驗基礎模型工作流程的變體。手動或依照排程執行工作流程,以在新資料可用時,自動更新您的 ML 模型和推論端點。

Train Abalone 模型圖表

搬遷機器學習程式碼

使用單一 Python 裝飾項目 (@step) 重複使用任何現有的 ML 程式碼,並在 SageMaker Pipelines 中使其自動執行。使用「執行程式碼」和「筆記本任務」步驟類型,執行一系列 Python 筆記本或指令碼。

選擇最佳模型

稽核和偵錯 ML 工作流程執行

檢視工作流程結構、效能和其他中繼資料的詳細歷史記錄,以稽核過去執行的 ML 任務。深入了解端對端工作流程的個別元件,以偵錯任務失敗、在視覺化編輯器或程式碼中進行修復,並重新執行更新的 Pipeline。

自動追蹤模型