MLflow gestionado en SageMaker AI: alinea la validación antes de comparar puntuaciones
Un clasificador ficticio de paquetes revela si otra persona sabe qué ejecuciones son comparables.
Goze incluye la plataforma Amazon SageMaker. Aquí tratamos su componente de desarrollo de modelos, SageMaker AI. AWS lanzó MLflow gestionado en 2024: registra parámetros, métricas, etiquetas y ubicaciones de artefactos por ejecución. Una métrica bien registrada no se vuelve comparable si cambia el conjunto de validación.

Figura 1. Diagrama propio, no una consola. Mide ambas ejecuciones con la misma regla.
Ensaya el traspaso con un clasificador de paquetes
Usa medidas ficticias de paquetes y las clases caja pequeña y grande para un ensayo local. A y B usan la misma instantánea V1 congelada, la misma división, métrica y unidad. Comprueba si el registro permite reconstruir la comparación. Cambia B a V2: aunque mejore el resultado, márcalo como no directamente comparable. Anota por ejecución identificador o hash de la instantánea, división, versión del script, definición de la métrica y ubicación del artefacto. Lo registra el equipo; AWS no congela automáticamente todos los datos empleados.
Pide a otra persona que recupere script e instantánea y distinga la pareja comparable solo desde el registro. Haz lo mismo con MLflow local o una hoja versionada. Si hay pocos ensayos y el traspaso funciona, sigue en local. Si varias personas pierden contexto, compara el seguimiento gestionado y mantenimiento. Calcula seguimiento, almacenamiento y cómputo por separado; el ejercicio no crea recursos en la nube.
Nota sobre el contenido:Este artículo se basa en información pública y sirve como referencia para comparar y elegir herramientas. Las funciones, los precios y las políticas relacionadas pueden cambiar en cualquier momento; consulta la información oficial más reciente.
Fuente original:docs.aws.amazon.com