Bir şirket, ML denemeleri, eğitimi, merkezi bir model kaydı, dağıtımı ve izlemesi sağlayan Amazon SageMaker ile web tabanlı bir yapay zeka uygulaması geliştiriyor. Eğitim verileri Amazon S3'te bulunuyor ve güvenli ve yalıtılmış kalması gerekiyor. Birden çok model sürümünü en az operasyonel yük ile merkezi olarak yönetmek için hangi yaklaşımı kullanmalılar?

Doğru cevap, SageMaker Model Registry'yi ve model gruplarını kullanmaktır. SageMaker Model Registry, makine öğrenimi modellerinin sürümlerini, meta verilerini ve dağıtım durumlarını merkezi olarak kataloglamak, sürüm oluşturmak ve yönetmek için tasarlanmış bir özelliktir. Model grupları, ilgili model sürümlerini düzenlemenize olanak tanır, bu da operasyonel yükü en aza indirirken birden çok model sürümünü yönetmek için idealdir. Diğer seçenekler neden yanlış: Her model için ayrı bir Amazon ECR deposu oluşturmak, model yönetimi için hantal ve ölçeklenemeyen bir yaklaşımdır. ECR, kapsayıcı görüntülerini depolamak içindir, model meta verilerini ve sürümlerini yönetmek için değildir. Amazon ECR kullanmak ve her model sürümü için benzersiz görüntü etiketleri atamak, model sürümlerini yönetmek için temel bir yöntem olsa da, SageMaker Model Registry'nin sağladığı kapsamlı meta veri yönetimi, dağıtım takibi ve onay iş akışlarından yoksundur. SageMaker Model Registry'yi kullanmak ve her model sürümü için benzersiz etiketlere güvenmek, model gruplarının sağladığı yapısal faydaları göz ardı eder. Model grupları, ilgili model sürümlerini mantıksal olarak bir araya getirerek daha iyi organizasyon ve yönetim sağlar.