Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Risorse e passaggi successivi
<a name="whats-next"></a>

Questa guida illustra alcune considerazioni da prendere in considerazione quando si pianifica il ciclo di vita dei modelli di machine learning che si desidera portare in produzione. Descrive le sfide e le migliori pratiche in quattro aree (dati, formazione, implementazione e monitoraggio) e include risorse aggiuntive pertinenti.

AWS fornisce il Well-Architected Framework, che aiuta gli architetti del cloud a creare infrastrutture sicure, ad alte prestazioni, resilienti ed efficienti per una varietà di applicazioni, carichi di lavoro e domini tecnologici. Per ulteriori informazioni, consulta il [Machine Learning Lens](https://docs.aws.amazon.com/wellarchitected/latest/machine-learning-lens/machine-learning-lens.html) offerto da AWS Well-Architected.

## Risorse
<a name="resources"></a>

**Documentazione Amazon SageMaker AI**
+ [Amazon SageMaker AI Feature Store](https://docs.aws.amazon.com/sagemaker/latest/dg/feature-store-getting-started.html)
+ [Sicurezza e controllo degli accessi del Feature Store](https://docs.aws.amazon.com/sagemaker/latest/dg/feature-store-security.html)
+ [Valori Shapley](https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-shapley-values.html)
+ [ SageMaker Debugger Amazon AI](https://docs.aws.amazon.com/sagemaker/latest/dg/train-debugger.html)
+ [Amazon SageMaker AI Pipeline](https://docs.aws.amazon.com/sagemaker/latest/dg/pipelines-sdk.html)
+ [Modelli di progetto predefiniti di Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-projects-templates-sm.html)
+ [SageMaker Inferenza AI in tempo reale](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html)
+ [Ridimensiona automaticamente i modelli Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/endpoint-auto-scaling.html)
+ [ SageMaker Inferenza asincrona di Amazon AI](https://docs.aws.amazon.com/sagemaker/latest/dg/async-inference.html)
+ [SageMaker Monitor del modello AI](https://docs.aws.amazon.com/sagemaker/latest/dg/model-monitor-data-capture.html)

**AWS strumenti per sviluppatori**
+ [AWS CodePipeline](https://aws.amazon.com/codepipeline/)

**AWS post sul blog**
+ [Comprendere le funzionalità chiave di Amazon SageMaker AI Feature Store](https://aws.amazon.com/blogs/machine-learning/understanding-the-key-capabilities-of-amazon-sagemaker-feature-store/)
+ [Test della qualità dei dati su larga scala con PyDeequ](https://aws.amazon.com/blogs/big-data/testing-data-quality-at-scale-with-pydeequ/)
+ [Esperimenti di SageMaker intelligenza artificiale di Amazon](https://aws.amazon.com/blogs/aws/amazon-sagemaker-experiments-organize-track-and-compare-your-machine-learning-trainings/)
+ [Distribuzione e monitoraggio sicuri degli SageMaker endpoint Amazon con e CodePipeline AWS CodeDeploy](https://aws.amazon.com/blogs/machine-learning/safely-deploying-and-monitoring-amazon-sagemaker-endpoints-with-aws-codepipeline-and-aws-codedeploy/)
+ [Implementa modelli Shadow ML in Amazon SageMaker AI](https://aws.amazon.com/blogs/machine-learning/deploy-shadow-ml-models-in-amazon-sagemaker/)
+ [Modelli di A/B Testing ML in produzione con Amazon SageMaker AI](https://aws.amazon.com/blogs/machine-learning/a-b-testing-ml-models-in-production-using-amazon-sagemaker/)