GS Caltex打通SageMaker生产MLOps流程
热点事件持续更新
GS Caltex打通SageMaker生产MLOps流程
2 篇报道2 个报道来源29 分钟前更新
先了解这件事
AI 综述
GS Caltex将Amazon SageMaker Canvas构建并验证的模型及预处理流程接入Amazon SageMaker Pipelines，实现生产部署自动化，模型部署时间由约一周缩短至数小时。Canvas支持工艺工程师无代码建模，Pipelines由ML工程师负责部署和调度推理；两者通过S3及Model Registry交接，EventBridge每30分钟触发一次批量推理，以降低推理成本。方案同时纳入模型审批、版本管理和流程监控。 仓库使用贷款分类示例模型，使用时需按实际模型的输入输出格式调整配置，并在设置定时任务前手动运行验证流程；仅当占位目标值不影响特征值时，才能采用报告所述处理方式。
AI 根据报道生成 · 11 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- AWS Machine Learning BlogGS Caltex 如何使用 Amazon SageMaker Canvas 和 Amazon SageMaker Pipelines 实现生产级 MLOps（第一部分）
GS Caltex 将 Amazon SageMaker Canvas 构建并验证的模型与预处理流程接入 Amazon SageMaker Pipelines，自动化生产部署流程。ML 工程师部署模型的时间从此约 1 周缩短至数小时，并通过每 30 分钟运行一次批量推理降低推理成本；该方案还支持模型审批、版本管理和流程监控。
- AGI HuntGS Caltex 用 SageMaker Canvas 和 SageMaker Pipelines 将模型部署从一周缩短到几小时
GS Caltex 将 SageMaker Canvas 的无代码建模与 SageMaker Pipelines 的部署、调度推理结合，模型部署时间从约一周缩短到几小时。两者通过 S3 和 Model Registry 交接，EventBridge 每 30 分钟触发批量推理并降低成本；实践还总结了输入 URI、容器版本、输出 ID 和预处理参数等注意事项。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。