でのイメージ分類モデルの例 AWS

チームがサービス要件を決定します。エンドポイントは 1 秒未満ですぐに応答します。ウェブサイトのスタッフには機械学習担当者がないため、最小限のメンテナンス作業が優先されます。

チームは、次の費用対効果分析を実行します。

チームはデプロイインフラストラクチャを決定します。Amazon Rekognition Custom Labels は、フェーズ 1 で定義されたサービス要件を満たしているため、トレーニングとデプロイ用に選択されています。デプロイは で完全に管理されます AWS。

チームはモデルメンテナンスワークフローを決定します。ステートマシンを選択して AWS Step Functions 再トレーニングワークフローを管理します。必要に応じてステートマシンを起動し、モデルを再トレーニングして再デプロイします。品種はゆっくりと変化し、新しいデータ取得も遅くなるため、これはまれなイベントであることが予想されます。

チームがサービス要件を決定します。即時の対応は必要ありませんが、画像は 24 時間以内に処理する必要があります。

チームは、次の費用対効果分析を実行します。

チームはデプロイインフラストラクチャを決定します。組織にはモデルの選択とメンテナンスを管理できるデータサイエンスチームがすでにあるため、 SageMaker AI モデルを使用して SageMaker AI サーバーレスエンドポイントをデプロイすることを選択します。

チームはモデルメンテナンスワークフローを決定します。モデル予測の信頼度に関する統計情報を提供し、統計値が設定された許容値から外れた場合にアラートを送信するモニタリングパイプラインを作成します。