资源

David Nigenda、Zohar Karnin、Muhammad Bilal Zafar、Raghu Ramesha、Alan Tan、Michele Donini 和 Krishnaram Kenthapadi。2022。“Amazon SageMaker Model Monitor：用于实时洞察已部署的机器学习模型的系统”：arxiv: 2111.13657。

Richard Meyes、Melanie Lu、Constantin Waubert de Puiseau 和 Tobias Meisen。2019。“人工神经网络中的消融研究”：arXiv:1901.08644。

Brian Babcock、Mayur Datar 和 Rajeev Motwani。“基于滑动窗口的流式数据采样”：普林斯顿大学。

Chip Huyen。设计机器学习系统：生产就绪型应用程序的迭代过程。加利福尼亚州塞巴斯托波尔：O'Reilly Media，2022年。

Cathy Chen、Niall Murphy、Kranti Parisa、D. Sculley 和 Todd Underwood。可靠的机器学习：将 SRE 原理应用于生产中的机器学习。加利福尼亚州塞巴斯托波尔：O'Reilly Media，2022年。

AWS Well-Architected 框架：Machine Learning 镜头

使用自定义 Amazon SageMaker 模型监视器检测 NLP 数据偏差（博客文章）

使用 Amazon SageMaker MLOps 项目对机器学习模型进行动态 A/B 测试（博客文章）

Amazon SageMaker

数据版本控制（DVC）

AWS 专业服务