AmazonAmazon ML Engineer Associate MLA-C01 Certification·CN·更新于 4 Aug 2026
数据科学家需要对 ML 工作流进行细粒度控制，能够将作业和工作流可视化为 DAG，并需要持久的实验历史记录以及模型沿袭，以用于审计和合规性。哪种 AWS 解决方案可以满足这些需求？
选择一个答案
点击一个选项来检查您的答案。
正确答案： 使用 SageMaker Pipelines 和 SageMaker Studio 集成来管理工作流，并使用 SageMaker ML Lineage Tracking 来记录实验历史和进行审计。.
为什么这是答案
正确答案是“使用 SageMaker Pipelines 和 SageMaker Studio 集成来管理工作流，并使用 SageMaker ML Lineage Tracking 来记录实验历史和进行审计。” SageMaker Pipelines 专为 ML 工作流的细粒度控制和可视化为 DAG 而设计，它与 SageMaker Studio 无缝集成，提供统一的开发环境。SageMaker ML Lineage Tracking 负责记录模型的沿袭、实验历史，满足审计和合规性要求。
选项A和B不正确，因为AWS CodePipeline主要用于软件发布流程，虽然可以集成ML工作流，但不如SageMaker Pipelines那样专为ML工作流设计，无法提供细粒度的ML特定控制和DAG可视化。
选项D不正确，因为SageMaker Experiments主要用于跟踪和比较实验，虽然它记录实验历史，但SageMaker ML Lineage Tracking更专注于记录模型沿袭，提供更全面的审计和合规性支持。