Data Scientists benötigen eine präzise Kontrolle über ML-Workflows, die Möglichkeit, Jobs und Workflows als DAG zu visualisieren, und eine persistente Historie von Experimenten mit Modell-Lineage für Audit und Compliance. Welche AWS-Lösung erfüllt diese Anforderungen?

SageMaker Pipelines ist die spezialisierte AWS-Lösung für die Orchestrierung von ML-Workflows als DAGs, was präzise Kontrolle und Visualisierung in SageMaker Studio ermöglicht. SageMaker ML Lineage Tracking bietet eine persistente Historie von Experimenten und Modell-Lineage, die für Audit- und Compliance-Zwecke unerlässlich ist. Die Option mit AWS CodePipeline ist falsch, da CodePipeline ein allgemeiner CI/CD-Dienst ist und nicht speziell für ML-Workflows optimiert ist oder die DAG-Visualisierung und detaillierte Lineage-Verfolgung bietet, die SageMaker Pipelines und ML Lineage Tracking bieten. SageMaker Experiments ist zwar nützlich für die Verfolgung von Experimenten, aber es ist nicht der primäre Dienst für die Workflow-Orchestrierung oder die umfassende Modell-Lineage-Verfolgung im Sinne von Audit und Compliance.