De ponta a ponta
- Treinar por um dos caminhos: pesos treinados fora (T1), script próprio no SageMaker (T2) ou modelo pronto ajustado (T3). No DF: template "modelo" + MlProvisioner dispara o treino.
- Versionar: toda versão entra no registro (Model Registry) com métricas e fica pendente de aprovação. No DF: lista de versões do modelo no projeto.
- Aprovar: só versão aprovada publica. No DF: quem tem project.update aprova.
- Publicar num caminho de consumo: serverless (C1), instância (C2), assíncrono (C3) ou lote (C4). No DF: MlProvisioner cria o endpoint.
- Inferir e comparar tempo e custo. No DF: services-machine-learning em /apis/ml, com a project key.
O que existe nesta fase (F1)
T1 com os pesos atuais do modelo de isoladores, registro e aprovação, publicação e teste no serverless. Os demais caminhos entram nas fases seguintes.
| componente | o que faz | custa parado? |
|---|---|---|
| Model Registry (grupo ml-poc-isoladores) | guarda as versões, métricas e a aprovação | não |
| Model | junta imagem pronta da AWS, pacote do modelo e role | não |
| Endpoint serverless | responde na hora; frio ~25 s, quente ~1 s; até 4 MB | não |
| Endpoint de instância / assíncrono | máquina dedicada (CPU ou GPU) / fila | sim, enquanto ligado |
Versões do modelo
Registro ml-poc-isoladores. Aprovar libera a versão para publicar.
| versão | caminho de treino | estado | criada | descrição | aprovação |
|---|
Publicar
Criar ou trocar a versão leva ~3 min. O serverless não cobra parado.
Endpoints da PoC
| nome | tipo | estado | modelo | criado |
|---|
Testar no serverless (C1)
Até 4 MB. A primeira chamada depois de um tempo parado inclui a partida do modelo (~25 s).