Amazon SageMaker Model Registry が、機械学習モデルのライフサイクルステージを定義可能に
本日、Amazon SageMaker Model Registry でのカスタムの機械学習 (ML) モデルのライフサイクルステージのサポート開始についてお知らせいたします。この機能により、データサイエンティストや ML エンジニアは、開発から本番までのさまざまな段階でモデルの進行を定義、制御できるようになるため、モデルガバナンスをさらに改善できます。
Amazon SageMaker Model Registry は、ML モデルのライフサイクル全体を管理するための専用のメタデータストアです。今回の発表により、データサイエンティストと ML エンジニアは、モデルレジストリで ML モデルの開発、テスト、本番などのカスタムステージを定義できるようになりました。トレーニングから推論まで、モデルのライフサイクルのさまざまな段階に移行する際のモデルの追跡と管理が容易になります。また、承認待ち、承認済み、却下などの段階承認ステータスを追跡して、モデルが次の段階に進む準備ができているかどうかを確認することもできます。これらのカスタムステージと承認ステータスは、データサイエンティストや ML エンジニアがモデル承認ワークフローの定義と実施を行うのを支援して、モデルが特定の基準を満たしてから次の段階に進むのを保証できます。カスタムステージと承認プロセスを導入することで、組織全体でモデルガバナンスの実践を標準化し、モデルの開発過程をより適切に監視し、承認されたモデルのみが本番環境に届くようにすることができます。
この機能は、GovCloud リージョンを除き、Amazon SageMaker Model Registry が現在利用可能なすべての AWS リージョンで利用できます。詳細については、「Staging Construct for your Model Lifecycle」を参照してください。