Was sind Amazon SageMaker Pipelines?
Amazon SageMaker Pipelines ist ein speziell entwickelter Workflow-Orchestrierungsservice zur Automatisierung aller Phasen des Machine Learning (ML) von der Datenvorverarbeitung bis zur Modellüberwachung. Mit einer intuitiven Benutzeroberfläche und einem Python-SDK können Sie wiederholbare durchgängige ML-Pipelines in großem Umfang verwalten. Die native Integration mit mehreren AWS-Services ermöglicht es Ihnen, den ML-Lebenszyklus an Ihre MLOps-Anforderungen anzupassen.
Vorteile von SageMaker-Pipelines
ML-Workflows zusammenstellen, wiederverwenden und planen
Erstellen Sie ML-Workflows mit einem benutzerfreundlichen Amazon SageMaker Python SDK und visualisieren Sie sie anschließend mit Amazon SageMaker Studio. Sie können effizienter arbeiten und schneller skalieren, indem Sie die Workflow-Schritte in SageMaker-Pipelines wiederverwenden. Schneller Einstieg mit SageMaker-Projektvorlagen zum automatischen Erstellen, Testen, Registrieren und Bereitstellen von Modellen.
![Train-Abalone-Modelldiagramm](https://d1.awsstatic.com/reInvent/reinvent-2023/pdp/sagemaker/pipelines/SageMaker_PDP-Images_Pipeline-6.d08a8e606b2605b2ae88f6041d55744fbd26bb73.png)
Automatisches Tracking von Modellen
![Automatisches Tracking von Modellen](https://d1.awsstatic.com/reInvent/reinvent-2023/pdp/sagemaker/pipelines/SageMaker_PDP-Images_Pipeline-5.80c3a75038245e4b29be8ec9fb2111eef7eff02d.png)
Lift-and-Shift Ihren Code für Machine Learning
Konvertieren Sie beliebigen ML-Python-Code in einen wiederholbaren Workflow in Amazon SageMaker, indem Sie eine einzelne Codezeile hinzufügen (@step python decorator) oder ganze Notizbücher ausführen. Die Python-Annotation und der neue Notebook-Schritt bieten Erweiterbarkeit, indem sie es Ihnen ermöglichen, andere AWS-Services für einen umfassenden, durchgängigen ML-Workflow zu integrieren.
![die besten Modelle auswählen](https://d1.awsstatic.com/products/sagemaker/pipeline/feature-2-machine-learning-code-deployment-option.4605c0a16861e57da571653976739f32d723c82b.png)