Ne değişti: MLflow–SageMaker AI Model Registry senkronizasyonu, hub-and-spoke ve hibrit olmak üzere iki çok hesaplı topolojiyle genişledi.
Amazon SageMaker AI üzerinde yönetilen MLflow, veri bilimcilerin MLflow'a kaydettikleri modelleri otomatik olarak SageMaker AI Model Registry'ye aktarıyor. Serinin ilk bölümünde ele alınan tek hesaplı kurulum; eğitim metrikleri, değerlendirme sonuçları, çıkarım spesifikasyonu ve model soyağacı olmak üzere dört metadata kategorisini senkronize ediyor. Yaşam döngüsü aşaması yönetimi ise veri bilimcilerin deney iş akışını bırakmadan doğrudan MLflow arayüzünden yönlendirilebiliyor.
İkinci bölüm, bu altyapıyı çok hesaplı ortamlara taşıyor ve iki farklı topoloji sunuyor: hub-and-spoke ve hibrit. Hub-and-spoke modelinde merkezi hub hesabı, MLflow uygulamasını AWS Resource Access Manager (AWS RAM) aracılığıyla bir ya da birden fazla geliştirme hesabıyla paylaşıyor. Harici üye tanımının kullanılması, hesapların aynı AWS organizasyonunda bulunmasını zorunlu kılmıyor; bu da dış denetim ortamlarının da bu düzenlemeden yararlanabilmesini sağlıyor.
Düzenlemeye tabi sektörler için tasarlanan hibrit topoloji, geliştirme hesaplarını yönetim merkezinden tam anlamıyla yalıtıyor. Bu yapıda geliştirme hesabındaki model sahibi, modeli yerel olarak onaylıyor; ardından model merkezi hub'a terfi ettiriliyor. Yönetişim sorumlusu hub'da metrikleri ve soyağacı bilgisini doğrulayıp modeli onayladığında bir CI/CD hattı tetikleniyor ve makine öğrenmesi mühendisi onaylanan modeli SageMaker endpoint'ine dağıtıyor.
Senkronizasyon özelliği varsayılan olarak kapalı geliyor; etkinleştirmek için MLflow uygulaması oluşturulurken ya da güncellenirken model kayıt modunun AutoModelRegistrationEnabled olarak ayarlanması gerekiyor. Çok hesaplı kurulumlar, tek seferlik bir yönetici adımı gerektiriyor: AWS RAM paylaşımları, bucket politikaları ve hedef grupları bu adımda yapılandırılıyor.
Temel bulgular
- Managed MLflow, SageMaker AI Model Registry'ye dört metadata kategorisi aktarıyor: eğitim metrikleri, değerlendirme sonuçları, çıkarım spesifikasyonu ve soyağacı.
- Hub-and-spoke topolojisinde merkezi hub hesabı, MLflow uygulamasını AWS RAM aracılığıyla geliştirme hesaplarıyla paylaşıyor; aynı organizasyonda yer alma şartı aranmıyor.
- Hibrit topoloji, düzenlemeye tabi ortamlar için tasarlandı; geliştirme hesapları yönetim merkezinden tamamen yalıtılmış durumda.
- Senkronizasyon varsayılan olarak devre dışı; AutoModelRegistrationEnabled parametresiyle etkinleştiriliyor.
- Model onay akışı bir CI/CD hattını tetikliyor ve model otomatik olarak SageMaker endpoint'ine dağıtılıyor.
Neden önemli
Büyük ölçekli veya düzenlemeye tabi ortamlarda model yönetişimini hesap sınırları arasında merkezileştirmek artık AWS RAM entegrasyonuyla mümkün.
İzlenecek: Hibrit topolojideki yönetici kurulum adımları ve model sahibi onay akışına ilişkin belgelemenin olgunlaşması takip edilmeli.
Kaynak tarihi: 2026-09-08T18:21:06.288Z · Doğrulama güveni: 85/100
