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 sobre o Painel de Modelos Consulte os tópicos de perguntas frequentes a seguir para obter respostas às perguntas mais frequentes sobre o Amazon SageMaker Model Dashboard. ## P: O que é o Painel de Modelos? O Amazon SageMaker Model Dashboard é um repositório centralizado de todos os modelos criados em sua conta. Os modelos geralmente são resultados de trabalhos de SageMaker treinamento, mas você também pode importar modelos treinados em outros lugares e hospedá-los na SageMaker IA. O Model Dashboard fornece uma interface única para administradores de TI, gerentes de risco de modelos e líderes de negócios rastrearem todos os modelos implantados e agregarem dados de vários AWS serviços para fornecer indicadores sobre o desempenho de seus modelos. Você pode visualizar detalhes sobre endpoints de modelos, trabalhos de transformação em lote e trabalhos de monitoramento para obter informações adicionais sobre o desempenho do modelo. A exibição visual do painel ajuda você a identificar rapidamente quais modelos têm monitores ausentes ou inativos, para que você possa garantir que todos os modelos sejam verificados periodicamente quanto a oscilações de dados, oscilações de modelos, oscilações de desvio e oscilações de concessão de atributos. Por fim, o acesso imediato do painel aos detalhes do modelo ajuda você a se aprofundar para acessar logs, informações relacionadas à infraestrutura e recursos para ajudar você a depurar falhas de monitoramento. ## P: Quais são os pré-requisitos para usar o Painel de Modelos? Você deve ter um ou mais modelos criados em SageMaker IA, treinados em SageMaker IA ou treinados externamente. Embora esse não seja um pré-requisito obrigatório, você obtém o máximo valor do painel se configurar trabalhos de monitoramento de modelos por meio do Amazon SageMaker Model Monitor para modelos implantados em endpoints. ## P: Quem deve usar o Painel de Modelos? Gerentes de risco de modelos, profissionais de ML, cientistas de dados e líderes de negócios podem obter uma visão geral abrangente dos modelos usando o Painel de Modelos. O painel agrega e exibe dados dos serviços Amazon SageMaker Model Cards, Endpoints e Model Monitor para exibir informações valiosas, como metadados do modelo do cartão e do registro do modelo, endpoints em que os modelos são implantados e insights do monitoramento do modelo. ## P: Como usar o Painel de Modelos? O Model Dashboard está disponível imediatamente com o Amazon SageMaker AI e não requer nenhuma configuração prévia. No entanto, se você configurou trabalhos de monitoramento de modelos usando o SageMaker Model Monitor e o Clarify, você usa CloudWatch a Amazon para configurar alertas que levantam uma bandeira no painel quando o desempenho do modelo se desvia de uma faixa aceitável. Você pode criar e adicionar novos cartões de modelo ao painel e visualizar todos os resultados de monitoramento associados aos endpoints. No momento, o Painel de Modelos não é compatível com modelos de contas cruzadas. ## P: O que é o Amazon SageMaker Model Monitor? Com o Amazon SageMaker Model Monitor, você pode selecionar os dados que deseja monitorar e analisar sem escrever nenhum código. SageMaker O Model Monitor permite selecionar dados, como saída de previsão, em um menu de opções e captura metadados, como registro de data e hora, nome do modelo e ponto final, para que você possa analisar as previsões do modelo. Você pode especificar a taxa de amostragem da captura de dados como uma porcentagem do tráfego geral no caso de predições em tempo real de alto volume. Esses dados são armazenados em seu próprio bucket do Amazon S3. Você também pode criptografar esses dados, configurar uma segurança refinada, definir políticas de retenção de dados e implementar mecanismos de controle de acesso para acesso seguro. ## P: Quais tipos de modelos de monitores são compatíveis com a SageMaker IA? SageMaker O Model Monitor fornece os seguintes tipos de [modelos de monitores](https://docs.aws.amazon.com/sagemaker/latest/dg/model-monitor.html): + *Qualidade dos dados*: monitora a variação na qualidade dos dados. + *Qualidade do modelo*: monitore a variação nas métricas de qualidade do modelo, como precisão. + *Oscilação de desvio para modelos em produção*: monitore o desvio nas predições do seu modelo comparando a distribuição do treinamento e dos dados ao vivo. + *Desvio de concessão de atributos para modelos em produção*: monitore o desvio na concessão de atributos comparando as classificações relativas dos atributos no treinamento e nos dados ao vivo. ## P: Quais métodos de inferência são compatíveis com o SageMaker Model Monitor? No momento, o Model Monitor oferece apoio apenas a endpoints que hospedam um único modelo e não é compatível com o monitoramento de [endpoints multimodelo](https://docs.aws.amazon.com/sagemaker/latest/dg/multi-model-endpoints.html). ## P: Como posso começar a usar o SageMaker Model Monitor? Você pode usar os seguintes recursos para começar a usar o monitoramento de modelos: + [Exemplo de caderno com monitor de qualidade de dados](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker_model_monitor/introduction/SageMaker-ModelMonitoring.ipynb) + [Exemplo de caderno com monitor de qualidade de modelos](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker_model_monitor/introduction/SageMaker-ModelMonitoring.ipynb) + [Exemplo de caderno com monitor de oscilação de desvio](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker_model_monitor/fairness_and_explainability/SageMaker-Model-Monitor-Fairness-and-Explainability.ipynb) + [Exemplo de caderno de monitor de desvio de concessão de atributo](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker_model_monitor/fairness_and_explainability/SageMaker-Model-Monitor-Fairness-and-Explainability.ipynb) Para ver mais exemplos de monitoramento de modelos, consulte o GitHub repositório. [amazon-sagemaker-examples](https://github.com/aws/amazon-sagemaker-examples/tree/main/sagemaker_model_monitor) ## P: Como funciona o Model Monitor? O Amazon SageMaker Model Monitor monitora automaticamente os modelos de aprendizado de máquina em produção, usando regras para detectar desvios em seu modelo. O Model Monitor notifica você quando surgem problemas de qualidade por meio de alertas. Para saber mais, consulte [Como funciona o Amazon SageMaker Model Monitor](model-monitor.md#model-monitor-how-it-works). ## P. Quando e como você traz seu próprio contêiner (BYOC) para o Model Monitor? O Model Monitor calcula métricas e estatísticas do modelo somente em dados tabulares. Para casos de uso que não sejam conjuntos de dados tabulares, como imagens ou texto, você pode trazer seus próprios contêineres (BYOC) para monitorar seus dados e modelos. Por exemplo, você pode usar o BYOC para monitorar um modelo de classificação de imagens que usa imagens como entrada e gera uma etiqueta. Para saber mais sobre contratos de contêiner, consulte [Support para seus próprios contêineres com o Amazon SageMaker Model Monitor](model-monitor-byoc-containers.md). ## P: Onde posso encontrar exemplos de BYOC para o Model Monitor? Você pode encontrar exemplos úteis de BYOC nos links a seguir: + [Monitoramento da qualidade de dados e modelos com o Amazon SageMaker Model Monitor](model-monitor.md) + [GitHubexemplo de repositório](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker_model_monitor) + [Support para seus próprios contêineres com o Amazon SageMaker Model Monitor](model-monitor-byoc-containers.md) + [Detectar o desvio de dados na PLN usando o BYOC Model Monitor](https://aws.amazon.com/blogs/machine-learning/detect-nlp-data-drift-using-custom-amazon-sagemaker-model-monitor) + [Detectar e analisar predições incorretas em CV](https://aws.amazon.com/blogs//machine-learning/detecting-and-analyzing-incorrect-model-predictions-with-amazon-sagemaker-model-monitor-and-debugger) ## P: Como faço para integrar o Model Monitor com o Pipelines? Para obter detalhes sobre como integrar o Model Monitor e o Pipelines, consulte O [Amazon Pipelines agora se integra ao SageMaker Model Monitor e ao Clarify](https://aws.amazon.com/about-aws/whats-new/2021/12/amazon-sagemaker-pipelines-integrates-sagemaker-model-monitor-sagemaker-clarify/). SageMaker Para ver um exemplo, veja o GitHub exemplo de [integração do notebook Pipelines com o Model Monitor e o Clarify](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-pipelines/tabular/model-monitor-clarify-pipelines/sagemaker-pipeline-model-monitor-clarify-steps.ipynb). ## P: Há algum problema de desempenho com o uso de `DataCapture`? Quando ativada, a captura de dados ocorre de forma assíncrona nos endpoints de IA. SageMaker Para evitar o impacto nas solicitações de inferência, a `DataCapture` interrompe a captura de solicitações em altos níveis de uso do disco. É recomendável que você mantenha a utilização do disco abaixo de 75% para garantir que `DataCapture` continue capturando solicitações.