GS Caltex kết nối các mô hình SageMaker Canvas với quy trình sản xuất
Bắt đầu từ đây
GS Caltex đã kết nối các mô hình do các kỹ sư quy trình của mình xây dựng trong Amazon SageMaker Canvas với quy trình công việc sản xuất trong Amazon SageMaker Pipelines, tự động hóa một bước bàn giao trước đây cần tích hợp thủ công. Công ty năng lượng và hóa chất Hàn Quốc cho biết các kỹ sư ML giờ đây có thể triển khai mô hình trong vài giờ thay vì khoảng một tuần. GS Caltex cũng chạy suy luận theo lô mỗi 30 phút thay vì duy trì các endpoint hoạt động liên tục, điều mà công ty cho biết đã giảm đáng kể chi phí suy luận. AWS đã công bố hướng dẫn kỹ thuật về cách thiết lập, kèm theo một triển khai tham chiếu trong kho GitHub sử dụng mô hình phân loại khoản vay mẫu và phải được điều chỉnh theo định dạng đầu vào và đầu ra của từng mô hình. AWS khuyến nghị chỉ sử dụng cách tiếp cận này khi mục tiêu giữ chỗ không ảnh hưởng đến giá trị đặc trưng, và thêm các kiểm tra trước khi đưa vào sản xuất rằng thứ tự tệp và số lượng hàng khớp nhau, dừng tạo kết quả nếu chúng không khớp.
Tạo từ các bài viết · cập nhật 36 phút trước
Dòng thời gian bài viết
Theo các bài viết để thấy sự việc từ nhiều phía.
- AWS Machine Learning BlogGS Caltex sản xuất MLOps với Amazon SageMaker Canvas và Pipelines, Phần 1
GS Caltex kết nối các mô hình do các kỹ sư quy trình xây dựng trong Amazon SageMaker Canvas với quy trình sản xuất trong Amazon SageMaker Pipelines, tự động hóa việc bàn giao trước đây cần tích hợp thủ công. Công ty năng lượng và hóa chất Hàn Quốc cho biết các kỹ sư ML hiện triển khai mô hình trong vài giờ thay vì khoảng một tuần, và chạy suy luận theo lô mỗi 30 phút thay vì duy trì endpoint chạy liên tục, điều mà họ nói đã giảm đáng kể chi phí suy luận.
Độ nóng của sự việc này
Chưa đủ quan sát liên tục để vẽ xu hướng.