Déployer des pipelines Amazon SageMaker en utilisant AWS Controllers for Kubernetes

Dans ce billet, nous montrons comment les ingénieurs ML familiers avec les carnets de notes Jupyter et les environnements SageMaker peuvent efficacement collaborer avec les ingénieurs DevOps familiers avec Kubernetes et les outils connexes pour concevoir et maintenir un pipeline ML avec l'infrastructure appropriée pour leur organisation. Cela permet aux ingénieurs DevOps de gérer toutes les étapes du cycle de vie ML avec le même ensemble d'outils et d'environnement qu'ils connaissent.