La gestión de los flujos de ModelOps ha experimentado una significativa simplificación con la reciente evolución de Amazon SageMaker AI Projects, que ahora incorpora plantillas basadas en Amazon S3. Esta innovación facilita a los equipos de ciencia de datos el almacenamiento y administración de proyectos de aprendizaje automático (ML) eliminando la complejidad que antes implicaba el uso de AWS Service Catalog, permitiendo un inicio más ágil en la construcción de tuberías de ML.
Las nuevas plantillas S3 permiten a los administradores manejar el ciclo de vida completo de las plantillas de AWS CloudFormation con características familiares como la versión, las políticas de ciclo de vida y la replicación entre regiones. Este enfoque permite a las organizaciones proporcionar a sus equipos plantillas de proyectos automatizadas y seguras con menor carga administrativa.
Amazon SageMaker AI Projects habilita la creación, compartición y gestión de proyectos de ModelOps ya configurados, estructurando el código, los datos y los experimentos en un entorno que promueve la colaboración y reproducibilidad. Los proyectos pueden incluir pipelines de CI/CD, registros de modelos y configuraciones de despliegue, estandarizando prácticas y acelerando el tiempo de valor.
Esta actualización permite a los administradores gestionar plantillas de proyectos de ML directamente en Amazon S3, ofreciendo una alternativa más flexible y reduciendo la complejidad de Service Catalog. Esto mejora la consistencia y el cumplimiento de estándares organizacionales, facilitando a los equipos el lanzamiento de nuevos proyectos ModelOps con integración a repositorios como GitHub, permitiendo un aprovisionamiento de entornos ML funcionales con un solo clic.
El uso de plantillas S3 también optimiza la gobernanza y el cumplimiento de estándares de seguridad y gestión, permitiendo que los científicos de datos se concentren en resolver problemas de ML en vez de aspectos infraestructurales. En resumen, esta introducción representa un avance significativo para simplificar y gestionar ModelOps, proporcionando a las organizaciones eficiencia en aprendizaje automático con controles adecuados.
