Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Langkah dan sumber daya selanjutnya
<a name="whats-next"></a>

Panduan ini memandu Anda melalui beberapa pertimbangan saat merencanakan siklus hidup model pembelajaran mesin yang ingin Anda bawa ke produksi. Ini membahas tantangan dan praktik terbaik di empat bidang — data, pelatihan, penyebaran, dan pemantauan — dan mencakup sumber daya tambahan yang relevan.

AWS Menyediakan Well-Architected Framework, yang membantu arsitek cloud membangun infrastruktur yang aman, berkinerja tinggi, tangguh, dan efisien untuk berbagai aplikasi, beban kerja, dan domain teknologi. Untuk bacaan tambahan, lihat [Machine Learning Lens](https://docs.aws.amazon.com/wellarchitected/latest/machine-learning-lens/machine-learning-lens.html) yang ditawarkan oleh AWS Well-Architected.

## Sumber daya
<a name="resources"></a>

**Dokumentasi Amazon SageMaker AI**
+ [Toko Fitur Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/feature-store-getting-started.html)
+ [Fitur Keamanan Toko dan kontrol akses](https://docs.aws.amazon.com/sagemaker/latest/dg/feature-store-security.html)
+ [Nilai Shapley](https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-shapley-values.html)
+ [Amazon SageMaker AI Debugger](https://docs.aws.amazon.com/sagemaker/latest/dg/train-debugger.html)
+ [Saluran Pipa Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/pipelines-sdk.html)
+ [Templat proyek default Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-projects-templates-sm.html)
+ [SageMaker Inferensi waktu nyata AI](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html)
+ [Secara otomatis menskalakan model Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/endpoint-auto-scaling.html)
+ [Inferensi asinkron Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/async-inference.html)
+ [SageMaker Monitor Model AI](https://docs.aws.amazon.com/sagemaker/latest/dg/model-monitor-data-capture.html)

**AWS alat pengembang**
+ [AWS CodePipeline](https://aws.amazon.com/codepipeline/)

**AWS posting blog**
+ [Memahami kemampuan utama Amazon SageMaker AI Feature Store](https://aws.amazon.com/blogs/machine-learning/understanding-the-key-capabilities-of-amazon-sagemaker-feature-store/)
+ [Menguji kualitas data dalam skala dengan PyDeequ](https://aws.amazon.com/blogs/big-data/testing-data-quality-at-scale-with-pydeequ/)
+ [Eksperimen SageMaker AI Amazon](https://aws.amazon.com/blogs/aws/amazon-sagemaker-experiments-organize-track-and-compare-your-machine-learning-trainings/)
+ [Menyebarkan dan memantau SageMaker titik akhir Amazon dengan aman dengan dan CodePipeline AWS CodeDeploy](https://aws.amazon.com/blogs/machine-learning/safely-deploying-and-monitoring-amazon-sagemaker-endpoints-with-aws-codepipeline-and-aws-codedeploy/)
+ [Terapkan model bayangan bayangan di Amazon AI SageMaker ](https://aws.amazon.com/blogs/machine-learning/deploy-shadow-ml-models-in-amazon-sagemaker/)
+ [A/B Menguji model ML dalam produksi menggunakan Amazon AI SageMaker ](https://aws.amazon.com/blogs/machine-learning/a-b-testing-ml-models-in-production-using-amazon-sagemaker/)