28、自动化机器学习工作流：AWS CloudFormation 实战指南

自动化机器学习工作流：AWS CloudFormation 实战指南

1. 自动化机器学习工作流的必要性

在机器学习模型部署中，使用 SageMaker SDK 和 boto3 SDK 在 Jupyter Notebooks 中进行实验和快速迭代是常见的做法。然而，将笔记本用于生产任务并非良策。即使代码经过了仔细测试，在监控、日志记录、创建其他 AWS 资源、错误处理和回滚等方面，仍需要大量额外的工作和代码，这也增加了出现更多错误的可能性。因此，需要一种更具工业化的方法。

2. 本章涵盖的主题

• 利用 AWS CloudFormation 进行自动化
• 利用 AWS CDK 进行自动化
• 使用 AWS Step Functions 构建端到端工作流
• 使用 Amazon SageMaker Pipelines 构建端到端工作流

3. 技术要求

• AWS 账户 ：若没有，请访问 https://aws.amazon.com/getting-started/ 创建。同时，建议熟悉 AWS 免费套餐 。
• AWS 命令行界面（CLI） ：需安装并配置，可参考