SageMaker AI 提供のプロジェクトテンプレートを使用する

Code repository (コードリポジトリ): サードパーティー Git

CI/CD ワークフローの自動化:AWS CodePipeline

カスタマー指定の 1 つ以上の Git リポジトリとの関連付け。リポジトリには、Python コードで Amazon SageMaker AI パイプラインを作成し、SageMaker AI パイプラインを作成したり更新したりする方法を説明するサンプルコードが含まれています。このリポジトリは、Studio で開いて実行できる Python Notebook も提供しています。

ソースステップとビルドステップがあるAWS CodePipelineパイプライン。ソースステップは、サードパーティーの Git リポジトリを指します。ビルドステップでは、そのリポジトリからコードを取得して、SageMaker AI パイプラインを作成または更新し、パイプラインの実行を開始して、パイプラインの実行が完了するまで待機します。

Git リポジトリにシードコード情報を入力するAWS CodeBuildプロジェクト。これには、 AWS CodeStarから Git リポジトリホストの アカウントAWS アカウントへの接続が必要です。

CodePipeline および CodeBuild アーティファクト、SageMaker AI パイプライン実行から生成されたすべてのアーティファクトを含むアーティファクトを保存するための Amazon S3 バケット。

カスタマー指定の 1 つ以上の Git リポジトリとの関連付け。リポジトリには、ステージング環境と本番環境のエンドポイントにモデルをデプロイするサンプルコードが含まれています。

ソース、ビルド、deploy-to-staging、deploy-to-production稼働までのステップがあるAWS CodePipelineパイプライン。ソースステップはサードパーティーの Git リポジトリを指し、ビルドステップはそのリポジトリからコードを取得し、デプロイするCloudFormationスタックを生成します。deploy-to-stagingとdeploy-to-productionのステップでは、CloudFormationスタックをそれぞれの環境にデプロイします。ステージングステップと本番ビルドステップの間には手動の承認ステップがあるため、MLOps エンジニアは本番環境へのデプロイ前にモデルを承認する必要があります。

Git リポジトリにシードコード情報を入力するAWS CodeBuildプロジェクト。これには、 AWS CodeStarから Git リポジトリホストの アカウントAWS アカウントへの接続が必要です。

CodePipeline および CodeBuild アーティファクト、SageMaker AI パイプライン実行から生成されたすべてのアーティファクトを含むアーティファクトを保存するための Amazon S3 バケット。

カスタマー指定の 1 つ以上の Git リポジトリとの関連付け。

ソース、ビルド、deploy-to-staging、deploy-to-production稼働までのステップがあるAWS CodePipelineパイプライン。ソースステップはサードパーティー Git リポジトリを指し、ビルドステップはそのリポジトリからコードを取得して、デプロイするための CloudFormation スタックを生成します。デプロイからステージング、デプロイから本番のステップは、CloudFormation スタックをそれぞれの環境にデプロイします。ステージングステップと本番ビルドステップの間には手動の承認ステップがあるため、MLOps エンジニアは本番環境へのデプロイ前にモデルを承認する必要があります。

Git リポジトリにシードコード情報を入力するAWS CodeBuildプロジェクト。これには、 AWSアカウントAWS CodeStarから Git リポジトリホスト上の アカウントへの接続が必要です。

CodePipeline および CodeBuild アーティファクト、SageMaker AI パイプライン実行から生成されたすべてのアーティファクトを含むアーティファクトを保存するための Amazon S3 バケット。

Code repository (コードリポジトリ): サードパーティー Git

CI/CD ワークフローの自動化:AWS CodePipeline

Data Quality (データ品質) - データ品質のドリフトをモニタリングします。

Model Quality (モデル品質) - 精度などのモデル品質メトリクスのドリフトをモニタリングします。

本番稼働モデルのバイアスドリフト - モデルの予測におけるバイアスをモニタリングします。

カスタマー指定の 1 つ以上の Git リポジトリとの関連付け。リポジトリには、Amazon SageMaker モデルレジストリからモニターが使用するベースラインを取得し、ステージング環境と本番環境のテンプレートのパラメータを更新するサンプル Python コードが含まれています。また、Amazon SageMaker Model Monitors を作成するためのCloudFormationテンプレートも含まれています。

ソース、ビルド、デプロイの各ステップを含むAWS CodePipelineパイプライン。ソースステップは、CodePipeline リポジトリを指します。ビルドステップは、そのリポジトリからコードを、モデルレジストリからベースラインを取得して、ステージング環境と本番環境のテンプレートパラメータを更新します。デプロイステップは、設定されたモニタをステージング環境と実稼働環境にデプロイします。DeployStaging ステージの手動の承認ステップでは、本番環境の SageMaker AI エンドポイントがInService であることを確認してから、承認を実行し、DeployProd ステージに移る必要があります。

Git リポジトリにシードコード情報を入力するAWS CodeBuildプロジェクト。これには、 AWS CodeStarから Git リポジトリホストの アカウントAWS アカウントへの接続が必要です。

このテンプレートは、モデルの構築、トレーニング、デプロイ用に MLOps テンプレートによって作成されたものと同じ Amazon S3 バケットを使用して、モニターの出力を保存します。

ステージング SageMaker AI エンドポイントが更新されAWS CodePipelineるたびに、2 つの Amazon EventBridge イベントルールが Amazon SageMaker Model Monitor を開始します。 Amazon SageMaker

Code repository (コードリポジトリ): サードパーティー Git

CI/CD workflow automation (CI/CD ワークフローの自動化): Jenkins

カスタマー指定の 1 つ以上の Git リポジトリとの関連付け。

シードコード。ソース、ビルド、デプロイからステージング、デプロイから本番のステップが備わった Jenkins パイプラインを生成します。ソースステップは、ユーザーが指定した Git リポジトリを指します。ビルドステップは、そのリポジトリからコードを取得し、2 つの CloudFormation スタックを生成します。デプロイステップは、CloudFormation スタックをそれぞれの環境にデプロイします。ステージングステップと本番ステップの間には、承認ステップがあります。

Git リポジトリにシードコード情報を入力するAWS CodeBuildプロジェクト。これには、 AWSアカウントAWS CodeStarから Git リポジトリホスト上の アカウントへの接続が必要です。

Amazon S3 バケット。SageMaker AI プロジェクトと SageMaker AI パイプラインのアーティファクトを保存します。

イメージと構築の処理パイプラインを含める

イメージと構築のトレーニングパイプラインを含める

イメージと構築の推論パイプラインを含める

Amazon ECR リポジトリ

SageMaker イメージ

カスタマイズ可能な Dockerfile を含む CodeCommit リポジトリ

CodePipeline リポジトリの変更によって開始される CodePipeline

Docker イメージを構築して Amazon ECR リポジトリに登録する CodeBuild プロジェクト

スケジュールに従って CodePipeline を開始する EventBridge ルール

ロールを削除して Studio (または Studio Classic) の設定を切り替える

IAM コンソールで、AmazonSageMakerServiceCatalogProductsUseRole に以下のアクセス許可を追加する

{
      "Effect": "Allow",
      "Action": [
          "codestar-connections:UseConnection"
      ],
      "Resource": "arn:aws:codestar-connections:*:*:connection/*",
      "Condition": {
          "StringEqualsIgnoreCase": {
              "aws:ResourceTag/sagemaker": "true"
          }
      }
  },
  {
      "Effect": "Allow",
      "Action": [
          "s3:PutObjectAcl"
      ],
      "Resource": [
          "arn:aws:s3:::sagemaker-*"
      ]
  }