DataStream Inc. chce powtarzalny potok CI/CD do tworzenia modeli, który: uruchamia się po commitach Git, uruchamia testy jednostkowe i statyczne, uruchamia szkolenie SageMaker Pipelines, rejestruje model w Model Registry i promuje do punktu końcowego produkcji po ręcznym zatwierdzeniu. Zespół preferuje używanie zarządzanych narzędzi SageMaker do udostępniania infrastruktury CI/CD (CodePipeline, CodeBuild, role IAM). Które podejście najlepiej spełnia ich wymagania przy minimalnej liczbie ręcznie budowanych potoków i integruje się z SageMaker Studio w celu wdrożenia programistów?

Prawidłowa odpowiedź to użycie projektu SageMaker z wbudowanego szablonu MLOps (CI/CD). To podejście jest najbardziej efektywne, ponieważ szablon automatycznie konfiguruje wszystkie wymagane elementy: repozytorium kodu (CodeCommit/GitHub), projekty CodeBuild do testowania i budowania, oraz CodePipeline do orkiestracji całego potoku, w tym wywoływania SageMaker Pipelines, rejestracji modeli i ręcznych zatwierdzeń. Integruje się to również z SageMaker Studio, zapewniając spójne środowisko dla deweloperów. Pozostałe opcje są mniej optymalne: Ręczne tworzenie szablonów CloudFormation jest czasochłonne i wymaga większego nakładu pracy. Używanie tylko CodeBuild pomija korzyści z orkiestracji i wizualizacji oferowanych przez CodePipeline, a także nie uwzględnia rejestracji modeli. Niestandardowy webhook oparty na Lambda jest zbyt skomplikowany, wymaga ręcznego zarządzania wieloma komponentami i nie wykorzystuje w pełni zarządzanych usług SageMaker MLOps.