DataStream Inc. souhaite une pipeline CI/CD reproductible pour le développement de modèles qui : se déclenche sur les commits Git, exécute les tests unitaires et les vérifications statiques, déclenche l'entraînement SageMaker Pipelines, enregistre un modèle dans le Model Registry et promeut vers un point de terminaison de production après approbation manuelle. L'équipe préfère utiliser les outils SageMaker gérés pour provisionner l'infrastructure CI/CD (CodePipeline, CodeBuild, rôles IAM). Quelle approche répond le mieux à leurs exigences avec un minimum de pipelines construits à la main et s'intègre à SageMaker Studio pour l'intégration des développeurs ?

L'approche correcte est de créer un projet SageMaker à partir du modèle MLOps (CI/CD) intégré. Ce modèle est spécifiquement conçu pour répondre à toutes les exigences mentionnées : il provisionne automatiquement les ressources CI/CD (CodeCommit/GitHub, CodeBuild, CodePipeline), exécute des tests, déclenche des exécutions SageMaker Pipeline, enregistre des modèles et intègre des approbations manuelles. Il s'intègre naturellement à SageMaker Studio, offrant une solution gérée et reproductible avec un minimum de configuration manuelle. Les autres options sont moins efficaces : Rédiger manuellement des modèles CloudFormation est possible mais va à l'encontre du souhait de minimiser les pipelines construits à la main et n'offre pas l'intégration native de SageMaker Studio. Utiliser uniquement CodeBuild pour tout orchestrer manque de la gestion de workflow et des étapes d'approbation offertes par CodePipeline, rendant la solution moins robuste et plus complexe à maintenir. Créer un webhook Lambda personnalisé est une solution entièrement manuelle, qui ne tire pas parti des outils SageMaker gérés et est beaucoup plus complexe à construire et à maintenir que le modèle MLOps intégré.