Ein Unternehmen entwickelt eine webbasierte KI-Anwendung mit Amazon SageMaker, die ML-Experimente, Training, eine zentrale Modellregistrierung, Bereitstellung und Überwachung bietet. Die Trainingsdaten befinden sich in Amazon S3 und müssen sicher und isoliert bleiben. Welchen Ansatz sollten sie verwenden, um mehrere Modellversionen zentral mit dem geringsten Betriebsaufwand zu verwalten?

Die SageMaker Model Registry ist die zentrale Komponente für die Verwaltung des gesamten Lebenszyklus von ML-Modellen, einschließlich Versionierung, Genehmigung und Bereitstellung. Modellgruppen ermöglichen die logische Organisation und Katalogisierung verwandter Modellversionen, was den geringsten Betriebsaufwand für die zentrale Verwaltung mehrerer Modellversionen darstellt. Die Verwendung separater ECR-Repositories oder eindeutiger ECR-Image-Tags würde zwar Versionierung ermöglichen, bietet aber nicht die umfassenden Funktionen zur Modellverwaltung, Genehmigung und Bereitstellung, die in der Model Registry integriert sind. Das alleinige Verlassen auf eindeutige Tags in der Model Registry ohne Modellgruppen würde die Organisation und das Auffinden verwandter Modelle erschweren, insbesondere bei einer großen Anzahl von Versionen.