DataStream Inc. wil een herhaalbare CI/CD-pipeline voor modelontwikkeling die: triggert op Git-commits, unit-tests en statische controles uitvoert, SageMaker Pipelines-training triggert, een model registreert bij de Model Registry, en promoot naar een productie-endpoint na handmatige goedkeuring. Het team geeft er de voorkeur aan om beheerde SageMaker-tools te gebruiken om de CI/CD-infrastructuur (CodePipeline, CodeBuild, IAM roles) te provisioneren. Welke aanpak voldoet het beste aan hun vereisten met minimale handmatig gebouwde pipelines en integreert met SageMaker Studio voor ontwikkelaars-onboarding?

De correcte optie is het aanmaken van een SageMaker Project vanuit de ingebouwde MLOps (CI/CD) projecttemplate. Dit voldoet het beste aan de vereisten omdat het een volledig beheerde CI/CD-pipeline biedt die alle genoemde stappen omvat (Git-commits, unit-tests, SageMaker Pipelines-training, modelregistratie, handmatige goedkeuring) en integreert met SageMaker Studio. Het minimaliseert handmatig werk doordat het automatisch de benodigde CodePipeline, CodeBuild en IAM-rollen provisioneert. De andere opties zijn minder optimaal: Handmatig CloudFormation-templates schrijven vereist aanzienlijk meer handmatig werk en onderhoud. Alleen CodeBuild gebruiken om alles te orkestreren is minder robuust en schaalbaar dan een volledige CI/CD-pipeline en mist de gestructureerde fasen van CodePipeline. Een Lambda-gestuurde webhook is te complex en minder gestandaardiseerd voor een MLOps CI/CD-pipeline, en roept SageMaker TrainingJobs direct aan in plaats van via de aanbevolen SageMaker Pipelines.