Cientistas de dados exigem controle refinado sobre os fluxos de trabalho de ML, a capacidade de visualizar trabalhos e fluxos de trabalho como um DAG e um histórico persistente de experimentos com linhagem de modelo para auditoria e conformidade. Qual solução da AWS atende a essas necessidades?

SageMaker Pipelines é a solução nativa do SageMaker para criar, automatizar e gerenciar fluxos de trabalho de ML como DAGs, atendendo à necessidade de controle refinado e visualização. A integração com o SageMaker Studio oferece uma interface unificada para interagir com esses pipelines. O SageMaker ML Lineage Tracking registra automaticamente os metadados dos experimentos, incluindo artefatos de modelo e suas dependências, fornecendo o histórico persistente e a linhagem necessários para auditoria e conformidade. As outras opções são incorretas porque: AWS CodePipeline é uma ferramenta de CI/CD para software em geral, não otimizada para fluxos de trabalho de ML complexos como DAGs. SageMaker Experiments foca no rastreamento de execuções de experimentos individuais e seus resultados, mas não gerencia a orquestração de fluxos de trabalho completos nem oferece o mesmo nível de rastreamento de linhagem de artefatos que o ML Lineage Tracking.