FAQ Tata Kelola Data dan AI Amazon SageMaker

Generasi terbaru dari Amazon SageMaker menyederhanakan penemuan, tata kelola, dan kolaborasi untuk data serta AI di seluruh lakehouse, model AI, dan aplikasi Anda. Dengan Katalog Amazon SageMaker, yang dibangun di Amazon DataZone, pengguna dapat dengan aman menemukan dan mengakses data dan model yang disetujui menggunakan pencarian semantik dengan metadata buatan AI generatif, atau Anda bisa meminta Q Developer dengan bahasa alami untuk menemukan data Anda. Pengguna dapat menentukan dan menerapkan kebijakan akses secara konsisten menggunakan model izin tunggal dengan kontrol akses yang mendetail secara terpusat di SageMaker Unified Studio (pratinjau). Bagikan dan berkolaborasilah tanpa hambatan untuk memproses data dan aset AI melalui alur kerja penerbitan dan berlangganan yang mudah. Dengan Amazon SageMaker, Anda dapat mengamankan dan melindungi model AI menggunakan pagar pembatas Amazon Bedrock dan menerapkan kebijakan AI yang bertanggung jawab. Bangun kepercayaan di seluruh organisasi Anda dengan pemantauan dan otomatisasi kualitas data, deteksi data sensitif, serta silsilah ML dan data.

Anda dapat mengakses Katalog SageMaker melalui Amazon SageMaker Unified Studio (pratinjau), yang merupakan lingkungan tunggal untuk pengembangan data dan AI. Untuk menyiapkan, mengonfigurasi, atau mengintegrasikan secara terprogram dengan proses yang ada, Katalog SageMaker memiliki API yang dipublikasikan dengan pedoman tentang cara menggunakan API Amazon DataZone yang ada.

• Kesulitan dalam menemukan dan berbagi data lintas tim: Produsen data dan konsumen sering menghadapi tantangan dalam menemukan dan berbagi set data yang relevan dengan cepat di seluruh organisasi. Ketidakefisienan ini menyebabkan waktu terbuang untuk mencari data dan membatasi kolaborasi.
• Kurangnya kepercayaan pada kualitas data dan output model AI: Organisasi sulit mempercayai kualitas data dan keakuratan output model AI karena kurangnya visibilitas ke asal data, kualitas, dan pola akses.
• Pelanggaran akses data dan privasi yang tidak konsisten: Organisasi sulit menegakkan kebijakan akses data yang konsisten, yang mengarah pada potensi akses tidak sah ke informasi sensitif.
• Kesulitan mempertahankan kepatuhan terhadap peraturan dan kebijakan internal: Organisasi merasa sulit untuk mempertahankan kepatuhan terhadap peraturan dan mengikuti kebijakan internal karena kurangnya alat audit dan pemantauan yang komprehensif.

Tata Kelola Data dan AI Amazon di Amazon SageMaker membantu tim data dalam:

• Penemuan dan kolaborasi data yang lebih cepat: Pengguna dapat dengan cepat menemukan dan berbagi data yang relevan di seluruh organisasi, yang mengurangi waktu yang dihabiskan untuk mencari informasi dan mendukung kerja tim.
• Peningkatan kepercayaan melalui silsilah dan kualitas: Melacak asal data dan meningkatkan kualitas data untuk meningkatkan kepercayaan pada keputusan berbasis data dan output model AI.
• Peningkatan data dan keamanan model AI: Mengamankan data dan Model agar hanya dapat diakses melalui proyek, yang memastikan hanya pihak yang berwenang untuk melihat aset dalam proyek yang dapat mengaksesnya, jadi standar keamanan dan privasi terjaga.
• Mengurangi risiko bisnis dan meningkatkan kepatuhan terhadap peraturan: Kegiatan logging membantu organisasi menyelaraskan peraturan industri dan kebijakan internal, yang membantu mengurangi risiko organisasi.

• Membuka produktivitas bisnis dengan pencarian dan penemuan aset: Cari dan temukan data dan aset AI untuk memberdayakan tim, yang mengurangi waktu yang dihabiskan untuk menemukan aset penting dan mendorong pengambilan keputusan berbasis data yang lebih cepat.
• Manajemen kebijakan akses data terpusat: Tentukan dan kelola aturan akses data dari satu titik, yang mengarah ke aplikasi yang konsisten di berbagai layanan AWS dan lingkungan pihak ketiga.
• Pengayaan data dengan konteks bisnis dan klasifikasi: Tambahkan metadata dan kategorisasi ke set data, sehingga pengguna lebih mudah memahami relevansi dan penerapan data untuk kebutuhan bisnis tertentu.
• Log aktivitas untuk pengguna dan sistem: Pantau dan rekam interaksi dengan data dan sistem AI, yang memberikan visibilitas ke dalam pola penggunaan dan potensi masalah keamanan.
• Implementasi tata kelola data AI/ML: Perluas prinsip tata kelola data ke proses AI dan machine learning, yang memastikan bahwa hanya data yang disetujui yang digunakan dalam pelatihan model dan bahwa sistem AI mematuhi izin yang ditentukan dan pedoman etika.

Katalog Amazon SageMaker dibangun di atas Amazon DataZone, yang menawarkan kemampuan tata kelola yang sama dalam pengalaman pengguna yang terpadu. Pengalaman Amazon DataZone terus bertahan apa adanya untuk memungkinkan pelanggan Amazon DataZone yang ada terus menggunakan antarmuka yang sudah dikenal jika mereka menginginkannya.

Perincian harga dapat dilihat di sini: https://aws.amazon.com/datazone/pricing/.