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.
# Crea la tua pipeline ML per il rilevamento delle anomalie
Data di ** [Storia del diagramma](#diagram-history) pubblicazione: 1 giugno 2021 () **
Questa architettura mostra come creare una pipeline ML end-to-end che rilevi le anomalie. È possibile importare dati in streaming in tempo reale, eseguire trasformazioni e riaddestrare continuamente i modelli ML.
## Crea la tua pipeline ML per il rilevamento delle anomalie
I passaggi seguenti descrivono l'architettura:
1. I dati di telemetria dei dispositivi vengono acquisiti dai dispositivi di campo quasi in tempo reale tramite chiamate all'API tramite Amazon API Gateway. [https://docs.aws.amazon.com/apigateway/latest/developerguide/welcome.html](https://docs.aws.amazon.com/apigateway/latest/developerguide/welcome.html) [Amazon Cognito ](https://docs.aws.amazon.com/cognito/latest/developerguide/what-is-amazon-cognito.html) autentica e autorizza le richieste.
1. [Amazon Kinesis Data Firehose ](https://docs.aws.amazon.com/firehose/latest/dev/what-is-this-service.html) acquisisce i dati in tempo reale e li invoca [AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html) per trasformarli in formato Parquet. Kinesis Data Firehose si adatta automaticamente alla velocità di trasmissione dei dati.
1. [I ](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html) lavori di AWS Glue aggregano i dati di telemetria su base oraria. I processi ripartizionano i dati in base all'anno, al mese, alla data e all'ora. I passaggi aggiuntivi, come le trasformazioni e l'ingegneria delle funzionalità, preparano i dati per l'addestramento. Il set di dati di formazione è archiviato nel [ data lake di ](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) Amazon Simple Storage Service.
1. Il codice di training archiviato in [ AWS CodeCommit ](https://docs.aws.amazon.com/codecommit/latest/userguide/welcome.html) attiva una pipeline MLOps utilizzando. [AWS CodePipeline](https://docs.aws.amazon.com/codepipeline/latest/userguide/welcome.html) CodePipeline crea i contenitori di [ formazione e inferenza di ](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html) Amazon SageMaker AI. Attiva il processo di formazione sull' SageMaker IA, distribuisce il modello addestrato nell'ambiente di test e, previa approvazione, implementa il modello in produzione.
1. I modelli ML generati dai lavori di formazione sono registrati nell' SageMaker AI Model Repository. La pipeline di distribuzione seleziona il modello ML migliore da implementare utilizzando l'hosting AI. SageMaker
1. È possibile classificare i dati di telemetria come anomali o meno tramite un'API HTTPS utilizzando le funzioni API Gateway e Lambda. La funzione Lambda richiama l'endpoint AI per prevedere l'anomalia. SageMaker
1. SageMaker AI Model Monitor monitora la qualità dell'inferenza. Le richieste con punteggi di previsione ambigui vengono inviate per essere rietichettate utilizzando Amazon Events. [ CloudWatch ](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html) Questi eventi attivano il flusso di lavoro SageMaker AI A2I tramite. [AWS Step Functions](https://docs.aws.amazon.com/step-functions/latest/dg/welcome.html)
## Approfondimenti
Per ulteriori informazioni, consulta le seguenti risorse:
+ [AWS Icone dell'architettura ](https://aws.amazon.com/architecture/icons)
+ [AWS Centro di architettura ](https://aws.amazon.com/architecture)
+ [AWS Well-Architected](https://aws.amazon.com/architecture/well-architected)
+ [Pagina del prodotto Amazon SageMaker AI ](https://aws.amazon.com/sagemaker/)
## Storia del diagramma
Per ricevere notifiche sugli aggiornamenti di questo diagramma di architettura di riferimento, iscriviti al feed RSS.
| Modifica | Descrizione | Data |
| --- |--- |--- |
| [Pubblicazione iniziale](#diagram-history) | Diagramma dell'architettura di riferimento pubblicato per la prima volta. | 1 giugno 2021 |
**Nota**
Per iscriverti agli aggiornamenti RSS, devi avere un plugin RSS abilitato per il browser che stai utilizzando.