Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Référence d’activité de ML
Note
Amazon SageMaker Role Manager n'est plus ouvert aux nouveaux clients. Les clients existants peuvent continuer à utiliser le service normalement. AWS continue d'investir dans l'amélioration de la sécurité et de la disponibilité de Role Manager, mais nous ne prévoyons pas d'introduire de nouvelles fonctionnalités. Pour de plus amples informations, veuillez consulter Modification de la disponibilité du gestionnaire de rôles.
Les activités de machine learning sont AWS des tâches courantes liées à l'apprentissage automatique avec SageMaker IA qui nécessitent des autorisations IAM spécifiques. Chaque persona suggère des activités de machine learning associées lors de la création d'un rôle avec Amazon SageMaker Role Manager. Vous pouvez sélectionner toutes les activités de machine learning supplémentaires ou désélectionner des activités de machine learning suggérées pour créer un rôle répondant à vos besoins métier uniques.
Amazon SageMaker Role Manager fournit des autorisations prédéfinies pour les activités de machine learning suivantes :
| Activité de machine learning | Description |
|---|---|
| Accédez aux AWS services requis | Autorisations d'accès à Amazon S3, Amazon ECR CloudWatch, Amazon et Amazon EC2. Requis pour les rôles d’exécution des tâches et des points de terminaison. |
| Exécuter les applications Studio Classic | Autorisations d’exploitation au sein d’un environnement Studio Classic. Obligatoire pour les rôles d’exécution du domaine et du profil utilisateur. |
| Gestion des tâches de ML | Autorisations pour auditer, interroger le lignage et visualiser les expériences. |
| Gestion des modèles | Autorisations permettant de gérer les tâches d' SageMaker IA tout au long de leur cycle de vie. |
| Gestion des pipelines | Autorisations pour gérer les SageMaker pipelines et les exécutions de pipelines. |
| Rechercher et visualiser les expériences | Autorisations pour auditer, interroger le lignage et visualiser les expériences d' SageMaker IA. |
| Gérer la surveillance de modèle | Autorisations pour gérer les calendriers de surveillance pour SageMaker AI Model Monitor. |
| Accès complet à Amazon S3 | Autorisations pour effectuer toutes les opérations Amazon S3. |
| Accès au compartiment Amazon S3 | Autorisations permettant d’effectuer des opérations sur des compartiments Amazon S3 spécifiés. |
| Groupes de travail Query Athena | Autorisations pour exécuter et gérer les requêtes Amazon Athena. |
| Gérer les AWS Glue tableaux | Autorisations pour créer et gérer AWS Glue des tableaux pour SageMaker AI Feature Store et Data Wrangler. |
| SageMaker Accès à Canvas Core | Autorisations pour effectuer des expériences dans SageMaker Canvas (préparation des données de base, création de modèles, validation). |
| SageMaker Préparation des données Canvas (propulsée par Data Wrangler) | Autorisations permettant d'effectuer une préparation des données de bout en bout dans SageMaker Canvas (agrégation, transformation et analyse des données, création et planification de tâches de préparation de données sur de grands ensembles de données). |
| SageMaker Services Canvas AI | Autorisations pour accéder à des modèles prêts à l’emploi d’Amazon Bedrock, Amazon Textract, Amazon Rekognition et Amazon Comprehend. En outre, l'utilisateur peut affiner les modèles de fondation depuis Amazon Bedrock et Amazon. SageMaker JumpStart |
| SageMaker MLOps sur toile | Autorisation pour les utilisateurs de SageMaker Canvas de déployer directement le modèle sur le terminal. |
| SageMaker Canvas Kendra Access | Autorisation pour SageMaker Canvas d'accéder à Amazon Kendra pour la recherche de documents d'entreprise. Cette autorisation n’est accordée qu’aux noms d’index que vous avez sélectionnés dans Amazon Kendra. |
| Utiliser MLFlow | Autorisations permettant de gérer les expériences, les exécutions et les modèles dans MLflow. |
| Gérer les serveurs de suivi MLflow | Autorisations permettant de gérer, de démarrer et d’arrêter les serveurs de suivi MLflow. |
| Accès requis aux AWS services pour MLflow | Autorisations permettant aux serveurs de suivi MLflow d’accéder à S3, à Secrets Manager et au registre de modèles. |
| Exécuter les applications EMR sans serveur sur Studio | Autorisations pour créer et gérer des applications EMR sans serveur sur Amazon SageMaker Studio. |
| Exécuter des tâches de personnalisation de modèles | Autorisations permettant d'exécuter des tâches de personnalisation de modèles sans serveur, y compris des fonctions de récompense personnalisées pour l'apprentissage par renforcement, l'évaluation des modèles et le déploiement sur des SageMaker terminaux AI ou Amazon Bedrock. |
