Häufig gestellte Fragen zur Amazon-SageMaker-Daten- und KI-Governance

Die nächste Generation von Amazon SageMaker vereinfacht die Erkennung, Governance und Zusammenarbeit von Daten und KI in Ihrem Lakehouse, Ihren KI-Modellen und Anwendungen. Mit dem Amazon-SageMaker-Katalog, der auf Amazon DataZone basiert, können Benutzer mithilfe der semantischen Suche mit generativen KI-erstellten Metadaten sichere Daten und Modelle finden und darauf zugreifen. Sie können auch einfach Q Developer mit natürlicher Sprache bitten, Ihre Daten zu finden. Benutzer können Zugriffsrichtlinien mithilfe eines einzigen Berechtigungsmodells mit differenzierten Zugriffskontrollen zentral im SageMaker Unified Studio (Vorversion) konsistent definieren und durchsetzen. Teilen Sie Daten- und KI-Assets nahtlos mit anderen und arbeiten Sie gemeinsam daran, indem Sie Workflows zum Veröffentlichen und Abonnieren verwenden. Mit Amazon SageMaker können Sie Ihre KI-Modelle mit Amazon-Bedrock-Integritätsschutz schützen und Richtlinien für verantwortungsvolle KI implementieren. Schaffen Sie Vertrauen in Ihrem gesamten Unternehmen durch Überwachung und Automatisierung der Datenqualität, Erkennung sensibler Daten sowie Daten- und ML-Lineage.

Sie können über Amazon SageMaker Unified Studio (Vorversion), eine einzige Umgebung für Daten- und KI-Entwicklung, auf den SageMaker-Katalog zugreifen. Für die programmgesteuerte Einrichtung, Konfiguration oder Integration in bestehende Prozesse hat der SageMaker-Katalog APIs veröffentlicht, die Richtlinien zur Verwendung vorhandener Amazon-DataZone-APIs enthalten.

• Schwierigkeiten beim Auffinden und Teilen von Daten zwischen Teams: Datenproduzenten und Verbraucher stehen oft vor der Herausforderung, relevante Datensätze schnell zu finden und unternehmensweit auszutauschen. Diese Ineffizienz führt zu Zeitverschwendung bei der Suche nach Daten und schränkt die Zusammenarbeit ein.
• Mangelndes Vertrauen in Datenqualität und KI-Modellausgaben: Unternehmen haben Schwierigkeiten, der Qualität ihrer Daten und der Genauigkeit der KI-Modellausgaben zu vertrauen, da sie keinen Einblick in Datenherkunft, Qualität und Zugriffsmuster haben.
• Inkonsistenter Datenzugriff und Datenschutzverletzungen: Unternehmen haben Schwierigkeiten, konsistente Datenzugriffsrichtlinien durchzusetzen, was zu potenziellem unbefugtem Zugriff auf vertrauliche Informationen führt.
• Schwierigkeiten bei der Einhaltung von Compliance und internen Richtlinien: Unternehmen finden es schwierig, behördliche Compliance und interne Richtlinien einzuhalten, da es an umfassenden Prüf- und Überwachungstools mangelt.

Die Daten- und KI-Governance Amazon in Amazon SageMaker unterstützt Datenteams bei Folgendem:

• Schnellere Datenermittlung und Zusammenarbeit: Benutzer können schnell relevante Daten im gesamten Unternehmen finden und teilen, was den Zeitaufwand für die Suche nach Informationen reduziert und die Teamarbeit fördert.
• Verbessertes Vertrauen durch Herkunft und Qualität: Verfolgung der Datenherkunft und Verbesserung der Datenqualität, um das Vertrauen in datengesteuerte Entscheidungen und KI-Modellergebnisse zu erhöhen.
• Verbesserte Daten- und KI-Modellsicherheit: Durch die Sicherung von Daten und Modellen, die nur über Projekte zugänglich sind, wird sichergestellt, dass nur diejenigen, die berechtigt sind, die Ressourcen im Projekt zu sehen, darauf zugreifen können, wobei die Sicherheits- und Datenschutzstandards eingehalten werden.
• Geringeres Geschäftsrisiko und bessere gesetzliche Compliance: Die Protokollierung von Aktivitäten hilft Unternehmen dabei, Branchenvorschriften und interne Richtlinien einzuhalten und so organisatorische Risiken zu reduzieren.

• Die Produktivität Ihres Unternehmens mit Asset-Suche und -Erkennung erschließen: Suchen und entdecken Sie Daten- und KI-Assets, um Teams zu unterstützen, den Zeitaufwand für die Suche nach wichtigen Ressourcen zu reduzieren und schnellere, datengesteuerte Entscheidungen zu treffen.
• Zentralisierte Verwaltung der Datenzugriffsrichtlinien: Definieren und verwalten Sie Datenzugriffsregeln von einem einzigen Punkt aus, was zu einer konsistenten Anwendung in verschiedenen AWS-Services und Umgebungen von Drittanbietern führt.
• Datenanreicherung mit Geschäftskontext und Klassifizierung: Fügen Sie Metadaten und Kategorisierungen zu Datensätzen hinzu, um Benutzern das Verständnis der Datenrelevanz und Anwendbarkeit für spezifische Geschäftsanforderungen zu erleichtern.
• Aktivitäten für Benutzer und Systeme protokollieren: Überwachen Sie Interaktionen mit Daten- und KI-Systemen und zeichnen Sie diese auf, um Einblick in Nutzungsmuster und potenzielle Sicherheitsprobleme zu erhalten.
• Implementierung der KI/ML-Datenverwaltung: Erweitern Sie die Prinzipien der Datenverwaltung auf KI-Prozesse und Prozesse von Machine Learning und stellen Sie sicher, dass nur genehmigte Daten für das Modelltraining verwendet werden und dass KI-Systeme definierte Berechtigungen und ethische Richtlinien einhalten.

Der Amazon-SageMaker-Katalog basiert auf Amazon DataZone und bietet dieselben Governance-Funktionen in einem einheitlichen Benutzererlebnis. Das Amazon-DataZone-Erlebnis bleibt unverändert, sodass bestehende Amazon-DataZone-Kunden auf Wunsch weiterhin die vertraute Oberfläche verwenden können.

Die Preisdetails finden Sie hier: https://thinkwithwp.com/datazone/pricing/.