DataStream Inc. требуется повторяемый CI/CD-конвейер для разработки моделей, который: запускается при коммитах Git, выполняет модульные тесты и статические проверки, запускает обучение SageMaker Pipelines, регистрирует модель в Model Registry и продвигает ее в производственную конечную точку после ручного утверждения. Команда предпочитает использовать управляемые инструменты SageMaker для подготовки инфраструктуры CI/CD (CodePipeline, CodeBuild, IAM roles). Какой подход наилучшим образом соответствует их требованиям с минимальным количеством конвейеров, созданных вручную, и интегрируется с SageMaker Studio для адаптации разработчиков?

Этот вариант является наилучшим, поскольку встроенные шаблоны проектов MLOps SageMaker Studio специально разработаны для создания сквозных конвейеров CI/CD для машинного обучения. Они автоматически настраивают CodePipeline, CodeBuild и SageMaker Pipelines с предопределенными этапами для тестирования, обучения, регистрации моделей и ручного утверждения, что соответствует всем требованиям DataStream Inc. и минимизирует ручную настройку. Интеграция с SageMaker Studio также упрощает адаптацию разработчиков. Создание шаблонов CloudFormation вручную требует значительных усилий и не использует преимущества управляемых инструментов SageMaker для MLOps. Использование только CodeBuild усложняет оркестрацию и не предоставляет наглядности и функциональности CodePipeline. Пользовательский веб-хук на основе Lambda не является управляемым решением SageMaker и требует большего объема пользовательского кода и обслуживания, а также не использует SageMaker Pipelines, что является ключевым требованием.