Preguntas frecuentes

¿Cuándo debo crear una plataforma MLOps?

Es momento de estandarizar en una plataforma MLOps cuando se da cuenta de que sus ingenieros dedican más tiempo a investigar y solicitar la aprobación de las opciones de herramientas que a crear modelos de ML.

¿Puedo integrar otras herramientas de ML en la plataforma MLOps?

Sí. Puede integrar herramientas que no sean AWS herramientas en la plataforma. Si bien SageMaker AI Studio es el núcleo de la plataforma MLOps, puedes integrar otros productos con el conjunto de servicios de SageMaker AI Studio.

¿Cómo puede mi organización simplificar los requisitos de gobernanza para acelerar la innovación?

Como parte de los casos de uso que seleccione para demostrar la creación de su plataforma MLOps, asegúrese de que los casos de uso sean lo suficientemente complejos, requieran varias clasificaciones de datos y volúmenes de macrodatos. De este modo, no solo se demuestra la capacidad de la plataforma, sino que se hace el trabajo pesado desde el punto de vista de la gobernanza como parte del lanzamiento inicial de la plataforma. Si puede hacer esto, entonces los equipos que adopten la plataforma MLOps como parte de la implementación tendrán una carga de gobernanza más ligera, porque utilizan una plataforma que ya cumple con los requisitos de gobernanza para casos de uso complejos.

¿Qué equipo necesito para crear una plataforma MLOps?

Una base sólida de MLOps, que defina claramente la interacción entre varias personas y tecnologías, puede aumentar el tiempo de creación de valor, reducir los costos y permitir que los científicos de datos se centren en la innovación. Contar con el equipo adecuado puede marcar la diferencia entre el fracaso y el éxito en el desarrollo de la plataforma MLOps. Debido a la naturaleza de los MLOP, es necesario que participen muchas funciones, como científicos de datos, ingenieros de aprendizaje automático, DevOps profesionales, propietarios de datos, propietarios de TI, analistas de negocios y propietarios de productos. Asegúrese de que todas las partes interesadas interactúen en un equipo multifuncional para garantizar los mejores resultados para su plataforma MLOps.

¿Cómo puedo empezar mi recorrido por MLOps?

Puede empezar por crear un entorno de experimentación seguro en el que los científicos de datos reciban una instantánea de los datos. Los científicos de datos pueden utilizar la SageMaker IA para experimentar y, en última instancia, demostrar que el aprendizaje automático puede resolver un problema empresarial específico.

¿Debería impulsarse la transformación de MLOps mediante un enfoque descendente o ascendente en una organización?

Si bien los enfoques ascendentes pueden tener éxito, el apoyo de los líderes es esencial para el éxito del desarrollo de la plataforma MLOps. Con un enfoque descendente, puede garantizar una estandarización de la solución desarrollada más rápida, reducir costos y lograr una mayor escalabilidad y reutilización entre los modelos desarrollados por los diferentes equipos de su organización.