Automatizando a criação de modelos de ML com SageMaker Pipelines

Aprenda a criar fluxos de trabalho de Machine Learning com uma das ferramentas mais promissoras da nuvem pra DS: o Amazon SageMaker Pipelines

Ricardo Junior
Jan 11 · 8 min read
Fonte: https://unsplash.com/photos/4CNNH2KEjhc

1. Introdução

2. SageMaker Pipelines

DAG de uma Pipeline

2.1 Definindo os parâmetros paro o Pipeline

Definindo os parâmetros paro o Pipeline

2.2 Etapa de Processamento

Configurando o processador do pré-processamento
Criando etapa de processamento dos dados

2.3 Etapa de treinamento do modelo

Criando o modelo
Criando etapa de treinamento

2.4 Etapa de avaliação do modelo

Processador do script de avaliação
Criando etapa de avaliação do modelo

2.5 Etapa condicional

Criação da etapa condicional

2.6 Etapa de registro do modelo

Etapa de registro do modelo

2.7 Criando, executando e explorando o pipeline

Criando e executando o pipeline
DAG do pipeline
Análise de modelo registrado
Mudando status do modelo

3. Conclusão

Data Hackers

Blog oficial da comunidade Data Hackers

Data Hackers

Blog oficial da comunidade Data Hackers

Ricardo Junior

Written by

Data Scientist — Pleno | Ml Engineer | Python | AWS | Azure | @Muvz Digital

Data Hackers

Blog oficial da comunidade Data Hackers