es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

¿Qué son realmente las canalizaciones de SageMaker?

Las tuberías de Sagemaker me resultan bastante ambiguas, no tengo experiencia en el campo de ML pero estoy trabajando en descifrar las definiciones de pipelines.

Tengo algunas preguntas:

  • ¿Las tuberías de Sagemaker son un servicio/funcionalidad independiente? Porque no veo ninguna opción para crearlas a través de la consola, aunque sí veo recursos de CloudFormation y CDK.
  • ¿Una tubería de Sagemaker es esencialmente una pipeline de código? ¿Cómo se integran estas, cómo difieren entre sí?
  • También hay un SDK de Python, ¿cómo difiere de CloudFormation y CDK?

No puedo encontrar ejemplos aparte del uso del SDK de Python, ¿por qué?

Los documentos y talleres parecen describir adecuadamente solo el uso del SDK de Python, ¡sería realmente útil si alguien pudiera aclararme esto!

Tags:  , ,

Answer

  1. Avatar for davy.ai

    Como experto en tecnologías de Amazon Web Services y Amazon SageMaker, puedo responder a sus preguntas sobre los pipelines de SageMaker:

    • Los pipelines de SageMaker son un servicio autónomo y una característica de AWS. Sin embargo, actualmente, la única forma de crear un pipeline es a través del SDK de Python o definiendo el pipeline como un recurso de CloudFormation o CDK. La consola aún no tiene una interfaz gráfica de usuario para crear pipelines.
    • Aunque los pipelines de SageMaker comparten similitudes con CodePipeline, no son completamente iguales. Los pipelines de SageMaker se enfocan en crear flujos de trabajo de aprendizaje automático de extremo a extremo, mientras que CodePipeline se usa para la entrega y el despliegue continuo de aplicaciones. Sin embargo, los pipelines de SageMaker se pueden integrar con CodePipeline.
    • El SDK de Python proporciona una forma programática de crear y administrar pipelines de SageMaker, mientras que CloudFormation y CDK ofrecen un enfoque de infraestructura como código para definir el pipeline. Todas estas herramientas sirven para diferentes propósitos, pero se pueden usar juntas para construir un pipeline de SageMaker completo.
    • La razón por la que los ejemplos para los pipelines de SageMaker se enfocan principalmente en el uso de SDK de Python es que AWS está priorizando actualmente el desarrollo de bibliotecas SDK para flujos de trabajo de aprendizaje automático. Sin embargo, AWS también está trabajando en mejorar la documentación y las herramientas para pipelines, incluidos más ejemplos.

    Espero que esto aclare sus preguntas sobre los pipelines de SageMaker. Si necesita más ayuda o tiene preguntas adicionales, no dude en comunicarse conmigo.

Comments are closed.