Des centaines de scientifiques des données stockent des modèles dans des groupes de modèles SageMaker Model Registry. L'équipe souhaite organiser les modèles existants en trois catégories (vision par ordinateur, NLP, reconnaissance vocale) afin d'améliorer leur découvrabilité sans modifier les artefacts de modèle ou les regroupements existants. Quelle approche satisfait ces contraintes ?

L'approche correcte est de créer une collection Model Registry pour chaque catégorie. Les collections de modèles permettent d'organiser les groupes de modèles existants sans les modifier ni les déplacer, ce qui répond à la contrainte de ne pas altérer les regroupements existants. Elles améliorent la découvrabilité en offrant une vue structurée. Les balises personnalisées sont utiles pour des métadonnées, mais ne fournissent pas une structure d'organisation hiérarchique pour les groupes de modèles. Créer de nouveaux groupes de modèles et y déplacer les modèles existants irait à l'encontre de la contrainte de ne pas modifier les regroupements existants. SageMaker ML Lineage Tracking est utilisé pour suivre le lignage des artefacts ML, pas pour organiser ou catégoriser des groupes de modèles existants de cette manière.