在AWS solutions library你可以找到數十份各式各樣的解決方案參考文件，在這個解決方案圖書館，每一個解決方案都有提供自動部署的文件，讓你可以一鍵部署到AWS帳號。也有相對應的文件解說技術、價錢等細節。

接下來我們一起來看看AWS MLOps Framework的這一個解決方案，透過接下來的幾篇文章學習解決方案的成本、架構概覽、設計注意事項、AWS CloudFormation 模板、自動化部署。

簡介

AWS MLOps 框架解決方案可簡化和實施機器學習 (ML) 模型生產的架構最佳實踐。 透過這個解決方案你可以使用自己的模型、使用預設的pipeline不屬跟監控。這也會是一個好的專案起點，用來當團隊實作範本。假設有大規模的專案要啟用，也可以透過這個解決方案快速啟動跟調整。除了預先設置好的pipeline可迅速搭建模型訓練，當中也包含部署的pipeline，打包模型以及部署之後，也有模型監測可以觀察上線之後的模型漂移狀況。

方案

方案一：單帳號部署

• 圖片來源：AWS MLOps Framework

適合比較小規模的專案開發，像是實驗性質、小型專案。專案的開發跟部屬只透過單一帳號。解決方案內容包含：

(1)基礎架設與相關文件: 啟動一個解決方案必備的基礎架構，像是S3、Amazon SageMaker Registry。細節像是模型註冊表、標示清楚模型訓練所需要的資源，例如像是資料集。
(2)Pipeline以及其設置的文件，例如CloudFormation的模板檔案，並且把所需要的目標都設置在單一帳戶下。
(3)在確認各個服務設定好之後，也會透過SNS服務，寄信到該AWS帳戶的通知信箱，告知已經部署成功了。

方案二：多帳號部署

• 圖片來源：AWS MLOps Framework

多帳號部署，相對於方案一。會需要提供AWS Organizations的訊息，例如哪一個帳號屬於哪一個角色、擁有什麼權限等等。在開發期間，獲得授權的開發者角色可以開發模型與訓練、註冊。模型訓練之後，擁有授權的其他帳戶，則可以手動批准，以讓模型部署到Staging環境。並且開放測試人員到測試環境測試最新的部署。最後若是確定部署，則把模型部署到產品環境中，產品正式上線後，一樣也會收到AWS寄來的通知信，告知已經上線完成。

結語

今天介紹了解決方案圖書館頁面，希望大家可以在專案規劃時期就上去看看其他人都怎麼做專案配置的，另外是兩個方案的概略介紹，明天再繼續看細節。