Centinaia di data scientist archiviano modelli in gruppi di modelli di SageMaker Model Registry. Il team desidera organizzare i modelli esistenti in tre categorie (visione artificiale, NLP, riconoscimento vocale) per migliorarne la reperibilità senza modificare gli artefatti del modello o i raggruppamenti esistenti. Quale approccio soddisfa questi vincoli?

La creazione di raccolte di Model Registry è la soluzione migliore perché consente di organizzare i gruppi di modelli esistenti in categorie logiche (visione artificiale, NLP, riconoscimento vocale) senza alterare gli artefatti del modello o la struttura dei gruppi di modelli. Le raccolte sono pensate proprio per migliorare la reperibilità e la gestione di un gran numero di gruppi di modelli. Creare un tag personalizzato per ogni categoria e aggiungerlo ai pacchetti di modelli è meno efficace per l'organizzazione a livello di gruppo e potrebbe richiedere modifiche a molti pacchetti individuali. Creare un nuovo gruppo di modelli per ogni categoria e spostare i modelli esistenti violerebbe il vincolo di non modificare i raggruppamenti esistenti e sarebbe un'operazione complessa. Utilizzare SageMaker ML Lineage Tracking per rilevare e taggare automaticamente non è il suo scopo principale; il Lineage Tracking serve a tracciare la provenienza e le dipendenze degli artefatti ML, non a organizzare i gruppi di modelli in categorie.