As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Perguntas frequentes
<a name="faq"></a>

**Quando devo criar uma plataforma de MLOps?**

Padronize em uma plataforma MLOps ao perceber que seus engenheiros estão gastando mais tempo pesquisando e buscando aprovações para opções de ferramentas do que criando modelos de ML.

**Posso integrar outras ferramentas de ML na plataforma de MLOps?**

Sim. Você pode integrar ferramentas que não são AWS ferramentas na plataforma. Embora o SageMaker AI Studio esteja no centro da plataforma MLOps, você ainda pode integrar outros produtos ao pacote de serviços do SageMaker AI Studio.

**Como minha organização pode simplificar os requisitos de governança para acelerar a inovação?**

Como parte dos candidatos a casos de uso que você seleciona para provar a construção de sua plataforma de MLOps, certifique-se de que os casos de uso sejam suficientemente complexos, exijam várias classificações de dados e exijam grandes volumes de dados. Ao fazer isso, você não apenas prova a capacidade da plataforma, mas também faz o trabalho pesado do ponto de vista da governança como parte do lançamento inicial da plataforma. Se você puder fazer isso, as equipes que adotarem a plataforma de MLOps como parte da implantação terão uma carga de governança mais leve, pois usam uma plataforma que já atendeu aos requisitos de governança para casos de uso complexos.

**De que tipo de equipe eu preciso para criar uma plataforma de MLOps?**

Uma base robusta de MLOps, que define claramente a interação entre várias pessoas e tecnologias, pode reduzir o tempo para geração de valor, reduzir custos e permitir que os cientistas de dados se concentrem na inovação. Ter a equipe certa pode ser a diferença entre o fracasso e o sucesso no desenvolvimento da plataforma de MLOps. Devido à natureza dos MLOPs, muitas funções precisam ser envolvidas, como cientistas de dados, engenheiros de ML, DevOps profissionais, proprietários de dados, proprietários de TI, analistas de negócios e proprietários de produtos. Certifique-se de que todas as partes interessadas estejam interagindo em uma equipe multifuncional para garantir os melhores resultados para sua plataforma MLOps.

**Como posso começar minha jornada de MLOps?**

Comece criando um ambiente de experimentação seguro em que os cientistas de dados recebam um snapshot dos dados. Os cientistas de dados podem usar a SageMaker IA para experimentar e, finalmente, provar que o ML pode resolver um problema comercial específico.

**Uma transformação de MLOps deve ser conduzida por uma abordagem de cima para baixo ou de baixo para cima em uma organização?**

Embora as abordagens de baixo para cima possam ser bem-sucedidas, o apoio da liderança é essencial para o sucesso do desenvolvimento da plataforma de MLOps. Com uma abordagem de cima para baixo, é possível garantir uma padronização mais rápida da solução desenvolvida, reduzir custos e obter maior escalabilidade e reutilização entre os modelos desenvolvidos por diferentes equipes em sua organização.