Amazon ha revelado las últimas mejoras de su servicio Amazon SageMaker AI, introduciendo una opción sin servidor para gestionar la provisión de infraestructura de manera dinámica. Esta funcionalidad innovadora permite el escalado automático de recursos durante fases de alta experimentación y su reducción a cero cuando no se utilizan, lo que alivia la carga operativa de los usuarios.
Entre las nuevas características se destaca la gestión de acceso sin fisuras con la administración de identidades y accesos de AWS (IAM), actualizaciones automáticas de versiones y una integración mejorada con SageMaker AI para personalización de modelos y creación de pipelines. Esto permite a los científicos de datos rastrear experimentos y evaluar el desempeño de modelos sin interrupciones, facilitando la escalabilidad de las cargas de trabajo en MLflow dentro de las organizaciones, mientras se mantiene la seguridad y gobernanza.
El enfoque actualizado de MLflow, ahora llamado MLflow Apps, reemplaza la terminología anterior de servidores de seguimiento y simplifica las herramientas para el acceso y gestión de permisos. Cada nuevo dominio en SageMaker Studio incluye automáticamente una aplicación MLflow, eliminando la necesidad de configurar adicionalmente. Los recursos son accesibles automáticamente cuando se requieren.
Además, a través de AWS Resource Access Manager (RAM), los administradores pueden compartir aplicaciones MLflow entre diferentes cuentas de AWS, gestionando centralizadamente la infraestructura de MLflow y facilitando la colaboración en el desarrollo empresarial de AI.
Las pipelines de SageMaker, integradas con MLflow, permiten construir, ejecutar y monitorear flujos de trabajo de aprendizaje automático de manera intuitiva mediante una interfaz gráfica o un SDK de Python. Si no existe una aplicación MLflow al ejecutar una pipeline, esta se creará automáticamente.
Finalmente, la conexión automática de la personalización de modelos en SageMaker con MLflow simplifica el registro de métricas, parámetros y artefactos durante el ajuste fino de modelos.
En resumen, las novedades de MLflow Apps en SageMaker AI están diseñadas para simplificar la gestión de cargas de trabajo de ML y AI generativa a gran escala, reduciendo la complejidad administrativa y proporcionando a las organizaciones una mayor eficiencia y control en proyectos de aprendizaje automático. Las aplicaciones MLflow están disponibles en las regiones de AWS donde opera SageMaker Studio, con excepción de China y las regiones de US GovCloud.
