Firma medyczna będzie przeprowadzać setki iteracji szkoleniowych z wieloma funkcjami, algorytmami i hiperparametrami, a także musi rejestrować charakterystyki i wyniki każdego uruchomienia. Które rozwiązanie zapewnia to śledzenie przy najmniejszym wysiłku wdrożeniowym?

SageMaker Experiments to dedykowane narzędzie do śledzenia i organizowania iteracji szkoleniowych modeli uczenia maszynowego. Pozwala na automatyczne logowanie parametrów, metryk i artefaktów dla każdego uruchomienia, co minimalizuje wysiłek wdrożeniowy i ułatwia porównywanie wyników. Amazon CloudWatch jest systemem monitorowania, a nie narzędziem do śledzenia eksperymentów ML. Ręczne zapisywanie szczegółów do S3 i używanie AWS Glue/Athena wymagałoby znacznego wysiłku wdrożeniowego i konfiguracji. SageMaker Model Registry służy do zarządzania wersjami modeli i ich wdrażaniem, a nie do śledzenia pojedynczych iteracji szkoleniowych.