Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Actualización de los detalles de una versión del modelo
Puede ver y actualizar los detalles de una versión de modelo específica mediante la consola AWS SDK para Python (Boto3) o la de Amazon SageMaker Studio.
**importante**
Amazon SageMaker AI integra las tarjetas de modelo en Model Registry. Un paquete de modelos registrado en el Registro de modelos incluye una tarjeta de modelo simplificada como componente del paquete de modelos. Para obtener más información, consulte [Esquema de tarjeta de modelo del paquete del modelo (Studio)](#model-card-schema).
## Visualización y actualización de los detalles de una versión del modelo (Boto3)
Para ver los detalles de una versión del modelo mediante Boto3, complete los pasos siguientes.
1. Llame a la operación de la API `list_model_packages` para ver las versiones del modelo en un grupo de modelos.
```
sm_client.list_model_packages(ModelPackageGroupName="ModelGroup1")
```
La respuesta es una lista de resúmenes de paquetes de modelos. En esta lista, puede obtener el nombre de recurso de Amazon (ARN) de las versiones del modelo.
```
{'ModelPackageSummaryList': [{'ModelPackageGroupName': 'AbaloneMPG-16039329888329896',
'ModelPackageVersion': 1,
'ModelPackageArn': 'arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup1/1',
'ModelPackageDescription': 'TestMe',
'CreationTime': datetime.datetime(2020, 10, 29, 1, 27, 46, 46000, tzinfo=tzlocal()),
'ModelPackageStatus': 'Completed',
'ModelApprovalStatus': 'Approved'}],
'ResponseMetadata': {'RequestId': '12345678-abcd-1234-abcd-aabbccddeeff',
'HTTPStatusCode': 200,
'HTTPHeaders': {'x-amzn-requestid': '12345678-abcd-1234-abcd-aabbccddeeff',
'content-type': 'application/x-amz-json-1.1',
'content-length': '349',
'date': 'Mon, 23 Nov 2020 04:56:50 GMT'},
'RetryAttempts': 0}}
```
1. Llame a `describe_model_package` para ver los detalles de la versión del modelo. Ingrese el ARN de una versión del modelo que obtuvo en el resultado de la llamada `list_model_packages`.
```
sm_client.describe_model_package(ModelPackageName="arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup1/1")
```
El resultado de esta llamada es un objeto JSON con los detalles de la versión del modelo.
```
{'ModelPackageGroupName': 'ModelGroup1',
'ModelPackageVersion': 1,
'ModelPackageArn': 'arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup/1',
'ModelPackageDescription': 'Test Model',
'CreationTime': datetime.datetime(2020, 10, 29, 1, 27, 46, 46000, tzinfo=tzlocal()),
'InferenceSpecification': {'Containers': [{'Image': '257758044811.dkr.ecr.us-east-2.amazonaws.com/sagemaker-xgboost:1.0-1-cpu-py3',
'ImageDigest': 'sha256:99fa602cff19aee33297a5926f8497ca7bcd2a391b7d600300204eef803bca66',
'ModelDataUrl': 's3://sagemaker-us-east-2-123456789012/ModelGroup1/pipelines-0gdonccek7o9-AbaloneTrain-stmiylhtIR/output/model.tar.gz'}],
'SupportedTransformInstanceTypes': ['ml.m5.xlarge'],
'SupportedRealtimeInferenceInstanceTypes': ['ml.t2.medium', 'ml.m5.xlarge'],
'SupportedContentTypes': ['text/csv'],
'SupportedResponseMIMETypes': ['text/csv']},
'ModelPackageStatus': 'Completed',
'ModelPackageStatusDetails': {'ValidationStatuses': [],
'ImageScanStatuses': []},
'CertifyForMarketplace': False,
'ModelApprovalStatus': 'PendingManualApproval',
'LastModifiedTime': datetime.datetime(2020, 10, 29, 1, 28, 0, 438000, tzinfo=tzlocal()),
'ResponseMetadata': {'RequestId': '12345678-abcd-1234-abcd-aabbccddeeff',
'HTTPStatusCode': 200,
'HTTPHeaders': {'x-amzn-requestid': '212345678-abcd-1234-abcd-aabbccddeeff',
'content-type': 'application/x-amz-json-1.1',
'content-length': '1038',
'date': 'Mon, 23 Nov 2020 04:59:38 GMT'},
'RetryAttempts': 0}}
```
### Esquema de tarjeta de modelo del paquete del modelo (Studio)
Todos los detalles relacionados con la versión del modelo están encapsulados en la tarjeta de modelo del paquete del modelo. La tarjeta modelo de un paquete modelo es un uso especial de la tarjeta SageMaker modelo de Amazon y su esquema está simplificado. El esquema de la tarjeta de modelo del paquete de modelos se muestra en el siguiente menú desplegable expandible.
#### Esquema de tarjeta de modelo del paquete del modelo
```
{
"title": "SageMakerModelCardSchema",
"description": "Schema of a model package’s model card.",
"version": "0.1.0",
"type": "object",
"additionalProperties": false,
"properties": {
"model_overview": {
"description": "Overview about the model.",
"type": "object",
"additionalProperties": false,
"properties": {
"model_creator": {
"description": "Creator of model.",
"type": "string",
"maxLength": 1024
},
"model_artifact": {
"description": "Location of the model artifact.",
"type": "array",
"maxContains": 15,
"items": {
"type": "string",
"maxLength": 1024
}
}
}
},
"intended_uses": {
"description": "Intended usage of model.",
"type": "object",
"additionalProperties": false,
"properties": {
"purpose_of_model": {
"description": "Reason the model was developed.",
"type": "string",
"maxLength": 2048
},
"intended_uses": {
"description": "Intended use cases.",
"type": "string",
"maxLength": 2048
},
"factors_affecting_model_efficiency": {
"type": "string",
"maxLength": 2048
},
"risk_rating": {
"description": "Risk rating for model card.",
"$ref": "#/definitions/risk_rating"
},
"explanations_for_risk_rating": {
"type": "string",
"maxLength": 2048
}
}
},
"business_details": {
"description": "Business details of model.",
"type": "object",
"additionalProperties": false,
"properties": {
"business_problem": {
"description": "Business problem solved by the model.",
"type": "string",
"maxLength": 2048
},
"business_stakeholders": {
"description": "Business stakeholders.",
"type": "string",
"maxLength": 2048
},
"line_of_business": {
"type": "string",
"maxLength": 2048
}
}
},
"training_details": {
"description": "Overview about the training.",
"type": "object",
"additionalProperties": false,
"properties": {
"objective_function": {
"description": "The objective function for which the model is optimized.",
"function": {
"$ref": "#/definitions/objective_function"
},
"notes": {
"type": "string",
"maxLength": 1024
}
},
"training_observations": {
"type": "string",
"maxLength": 1024
},
"training_job_details": {
"type": "object",
"additionalProperties": false,
"properties": {
"training_arn": {
"description": "SageMaker Training job ARN.",
"type": "string",
"maxLength": 1024
},
"training_datasets": {
"description": "Location of the model datasets.",
"type": "array",
"maxContains": 15,
"items": {
"type": "string",
"maxLength": 1024
}
},
"training_environment": {
"type": "object",
"additionalProperties": false,
"properties": {
"container_image": {
"description": "SageMaker training image URI.",
"type": "array",
"maxContains": 15,
"items": {
"type": "string",
"maxLength": 1024
}
}
}
},
"training_metrics": {
"type": "array",
"items": {
"maxItems": 50,
"$ref": "#/definitions/training_metric"
}
},
"user_provided_training_metrics": {
"type": "array",
"items": {
"maxItems": 50,
"$ref": "#/definitions/training_metric"
}
},
"hyper_parameters": {
"type": "array",
"items": {
"maxItems": 100,
"$ref": "#/definitions/training_hyper_parameter"
}
},
"user_provided_hyper_parameters": {
"type": "array",
"items": {
"maxItems": 100,
"$ref": "#/definitions/training_hyper_parameter"
}
}
}
}
}
},
"evaluation_details": {
"type": "array",
"default": [],
"items": {
"type": "object",
"required": [
"name"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,63}"
},
"evaluation_observation": {
"type": "string",
"maxLength": 2096
},
"evaluation_job_arn": {
"type": "string",
"maxLength": 256
},
"datasets": {
"type": "array",
"items": {
"type": "string",
"maxLength": 1024
},
"maxItems": 10
},
"metadata": {
"description": "Additional attributes associated with the evaluation results.",
"type": "object",
"additionalProperties": {
"type": "string",
"maxLength": 1024
}
},
"metric_groups": {
"type": "array",
"default": [],
"items": {
"type": "object",
"required": [
"name",
"metric_data"
],
"properties": {
"name": {
"type": "string",
"pattern": ".{1,63}"
},
"metric_data": {
"type": "array",
"items": {
"anyOf": [
{
"$ref": "#/definitions/simple_metric"
},
{
"$ref": "#/definitions/linear_graph_metric"
},
{
"$ref": "#/definitions/bar_chart_metric"
},
{
"$ref": "#/definitions/matrix_metric"
}
]
}
}
}
}
}
}
}
},
"additional_information": {
"additionalProperties": false,
"type": "object",
"properties": {
"ethical_considerations": {
"description": "Ethical considerations for model users.",
"type": "string",
"maxLength": 2048
},
"caveats_and_recommendations": {
"description": "Caveats and recommendations for model users.",
"type": "string",
"maxLength": 2048
},
"custom_details": {
"type": "object",
"additionalProperties": {
"$ref": "#/definitions/custom_property"
}
}
}
}
},
"definitions": {
"source_algorithms": {
"type": "array",
"minContains": 1,
"maxContains": 1,
"items": {
"type": "object",
"additionalProperties": false,
"required": [
"algorithm_name"
],
"properties": {
"algorithm_name": {
"description": "The name of the algorithm used to create the model package. The algorithm must be either an algorithm resource in your SageMaker AI account or an algorithm in AWS Marketplace that you are subscribed to.",
"type": "string",
"maxLength": 170
},
"model_data_url": {
"description": "Amazon S3 path where the model artifacts, which result from model training, are stored.",
"type": "string",
"maxLength": 1024
}
}
}
},
"inference_specification": {
"type": "object",
"additionalProperties": false,
"required": [
"containers"
],
"properties": {
"containers": {
"description": "Contains inference related information used to create model package.",
"type": "array",
"minContains": 1,
"maxContains": 15,
"items": {
"type": "object",
"additionalProperties": false,
"required": [
"image"
],
"properties": {
"model_data_url": {
"description": "Amazon S3 path where the model artifacts, which result from model training, are stored.",
"type": "string",
"maxLength": 1024
},
"image": {
"description": "Inference environment path. The Amazon Elastic Container Registry (Amazon ECR) path where inference code is stored.",
"type": "string",
"maxLength": 255
},
"nearest_model_name": {
"description": "The name of a pre-trained machine learning benchmarked by an Amazon SageMaker Inference Recommender model that matches your model.",
"type": "string"
}
}
}
}
}
},
"risk_rating": {
"description": "Risk rating of model.",
"type": "string",
"enum": [
"High",
"Medium",
"Low",
"Unknown"
]
},
"custom_property": {
"description": "Additional property.",
"type": "string",
"maxLength": 1024
},
"objective_function": {
"description": "Objective function for which the training job is optimized.",
"additionalProperties": false,
"properties": {
"function": {
"type": "string",
"enum": [
"Maximize",
"Minimize"
]
},
"facet": {
"type": "string",
"maxLength": 63
},
"condition": {
"type": "string",
"maxLength": 63
}
}
},
"training_metric": {
"description": "Training metric data.",
"type": "object",
"required": [
"name",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"value": {
"type": "number"
}
}
},
"training_hyper_parameter": {
"description": "Training hyperparameter.",
"type": "object",
"required": [
"name",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"value": {
"type": "string",
"pattern": ".{1,255}"
}
}
},
"linear_graph_metric": {
"type": "object",
"required": [
"name",
"type",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"type": {
"type": "string",
"enum": [
"linear_graph"
]
},
"value": {
"anyOf": [
{
"type": "array",
"items": {
"type": "array",
"items": {
"type": "number"
},
"minItems": 2,
"maxItems": 2
},
"minItems": 1
}
]
},
"x_axis_name": {
"$ref": "#/definitions/axis_name_string"
},
"y_axis_name": {
"$ref": "#/definitions/axis_name_string"
}
}
},
"bar_chart_metric": {
"type": "object",
"required": [
"name",
"type",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"type": {
"type": "string",
"enum": [
"bar_chart"
]
},
"value": {
"anyOf": [
{
"type": "array",
"items": {
"type": "number"
},
"minItems": 1
}
]
},
"x_axis_name": {
"$ref": "#/definitions/axis_name_array"
},
"y_axis_name": {
"$ref": "#/definitions/axis_name_string"
}
}
},
"matrix_metric": {
"type": "object",
"required": [
"name",
"type",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"type": {
"type": "string",
"enum": [
"matrix"
]
},
"value": {
"anyOf": [
{
"type": "array",
"items": {
"type": "array",
"items": {
"type": "number"
},
"minItems": 1,
"maxItems": 20
},
"minItems": 1,
"maxItems": 20
}
]
},
"x_axis_name": {
"$ref": "#/definitions/axis_name_array"
},
"y_axis_name": {
"$ref": "#/definitions/axis_name_array"
}
}
},
"simple_metric": {
"description": "Metric data.",
"type": "object",
"required": [
"name",
"type",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"type": {
"type": "string",
"enum": [
"number",
"string",
"boolean"
]
},
"value": {
"anyOf": [
{
"type": "number"
},
{
"type": "string",
"maxLength": 63
},
{
"type": "boolean"
}
]
},
"x_axis_name": {
"$ref": "#/definitions/axis_name_string"
},
"y_axis_name": {
"$ref": "#/definitions/axis_name_string"
}
}
},
"axis_name_array": {
"type": "array",
"items": {
"type": "string",
"maxLength": 63
}
},
"axis_name_string": {
"type": "string",
"maxLength": 63
}
}
}
```
## Visualización y actualización de los detalles de una versión del modelo (Studio o Studio Classic)
Para ver y actualizar los detalles de una versión del modelo, realice los pasos siguientes en función de si utiliza Studio o Studio Classic. En Studio Classic, puede actualizar el estado de aprobación de una versión del modelo. Para obtener más información, consulte [Actualizar el estado de aprobación de un modelo](model-registry-approve.md). En Studio, por otro lado, la SageMaker IA crea una tarjeta modelo para un paquete modelo, y la interfaz de usuario de la versión del modelo ofrece opciones para actualizar los detalles de la tarjeta modelo.
------
#### [ Studio ]
1. Abre la consola de SageMaker Studio siguiendo las instrucciones de [Launch Amazon SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html).
1. En el panel de navegación izquierdo, elija **Modelos** en el menú.
1. Seleccione la pestaña **Modelos registrados**, si aún no la ha seleccionado.
1. Justo debajo de la etiqueta de la pestaña **Modelos registrados**, elija **Grupos de modelos**, si aún no lo ha seleccionado.
1. Seleccione el nombre del grupo de modelos que contiene la versión del modelo que desea ver.
1. En la lista de versiones del modelo, seleccione la versión del modelo que desea ver.
1. Elija una de las siguientes pestañas:
+ **Entrenamiento**: para ver o editar los detalles relacionados con su trabajo de entrenamiento, incluidas las métricas de rendimiento, los artefactos, el rol de IAM y el cifrado y los contenedores. Para obtener más información, consulte [Adición de un trabajo de entrenamiento (Studio)](model-registry-details-studio-training.md).
+ **Evaluar**: para ver o editar los detalles relacionados con su trabajo de entrenamiento, como las métricas de rendimiento, los conjuntos de datos de evaluación y la seguridad. Para obtener más información, consulte [Adición de un trabajo de evaluación (Studio)](model-registry-details-studio-evaluate.md).
+ **Auditoría**: para ver o editar detalles de alto nivel relacionados con el propósito empresarial, el uso, el riesgo y los detalles técnicos del modelo, como las limitaciones del algoritmo y el rendimiento. Para obtener más información, consulte [Actualización de la información de auditoría (gobernanza) (Studio)](model-registry-details-studio-audit.md).
+ **Implementación**: para ver o editar la ubicación del contenedor de imágenes de inferencia y las instancias que componen el punto de conexión. Para obtener más información, consulte [Actualización de la información de implementación (Studio)](model-registry-details-studio-deploy.md).
------
#### [ Studio Classic ]
1. Inicia sesión en Amazon SageMaker Studio Classic. Para obtener más información, consulte [Lanzamiento de Amazon SageMaker Studio Classic](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-launch.html).
1. En el panel de navegación izquierdo, elija el icono de **Inicio** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/studio/icons/house.png)).
1. Elija **Modelos** y, a continuación, **Registro de modelos**.
1. En la lista de grupos de modelos, seleccione el nombre del grupo de modelos que desea ver.
1. Aparece una nueva pestaña con una lista de las versiones del modelo del grupo de modelos.
1. En la lista de versiones de modelo, seleccione el nombre de la versión del modelo de la que quiere ver los detalles.
1. En la pestaña de la versión del modelo que se abre, elija una de las siguientes opciones para ver los detalles sobre la versión del modelo:
+ **Actividad**: muestra los eventos de la versión del modelo, como las actualizaciones del estado de aprobación.
+ **Calidad del modelo**: comunica las métricas relacionadas con las comprobaciones de calidad de los modelos del monitor de modelos, que comparan las predicciones del modelo con las de Ground Truth. Para obtener más información sobre las comprobaciones de calidad de los modelos del monitor de modelos, consulte [Calidad de modelo](model-monitor-model-quality.md).
+ **Explicabilidad**: comunica las métricas relacionadas con las comprobaciones de atribución de características del monitor de modelos, que comparan las clasificaciones relativas de las características en los datos de entrenamiento con las de los datos en tiempo real. Para obtener más información sobre las comprobaciones de explicabilidad del monitor de modelos, consulte [Desviación en la atribución de características de los modelos en producción](clarify-model-monitor-feature-attribution-drift.md).
+ **Sesgo**: comunica las métricas relacionadas con las comprobaciones de desviación de sesgo del monitor de modelos, que comparan la distribución de los datos en tiempo real con los datos de entrenamiento. Para obtener más información sobre las comprobaciones de desviación de sesgo del monitor de modelos, consulte [Desviación de sesgo de modelos en producción](clarify-model-monitor-bias-drift.md).
+ **Recomendador de inferencias**: proporciona recomendaciones de instancia iniciales para lograr un rendimiento óptimo en función del modelo y las cargas de muestra.
+ **Prueba de carga**: ejecuta pruebas de carga en los tipos de instancias que elija cuando indique sus requisitos de producción específicos, como las restricciones de latencia y rendimiento.
+ **Especificación de inferencia**: muestra los tipos de instancias para sus trabajos de inferencia y transformación en tiempo real, así como información sobre sus contenedores de Amazon ECR.
+ **Información**: muestra información como el proyecto al que está asociada la versión del modelo, la canalización que generó el modelo, el grupo de modelos y la ubicación del modelo en Amazon S3.
------
# Adición de un trabajo de entrenamiento (Studio)
**importante**
A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección está dedicada expresamente al uso de la experiencia de Studio actualizada. Para obtener más información sobre el uso de la aplicación de Studio Classic, consulte [Amazon SageMaker Studio Clásico](studio.md).
Puedes añadir a tu modelo un trabajo de formación, creado externamente o con SageMaker IA. **Si añades un trabajo de SageMaker formación, la SageMaker IA rellena previamente los campos de todas las subpáginas de la pestaña Tren.** Si añade un trabajo de entrenamiento creado externamente, tendrá que añadir los detalles relacionados con el trabajo de entrenamiento de forma manual.
**Para añadir un trabajo de entrenamiento a su paquete del modelo, realice los pasos siguientes.**
1. Elija la pestaña **Entrenar**.
1. Elija **Añadir**. Si no ve esta opción, es posible que ya tenga un trabajo de entrenamiento asociado. Si desea eliminar este trabajo de entrenamiento, siga estas instrucciones para eliminar un trabajo de entrenamiento.
1. Puedes añadir un trabajo de formación que hayas creado en SageMaker IA o un trabajo de formación que hayas creado externamente.
1. Para añadir un trabajo de formación que hayas creado en SageMaker IA, sigue estos pasos.
1. Elige **SageMaker IA**.
1. Seleccione el botón de opción junto al trabajo de entrenamiento que desee añadir.
1. Elija **Añadir**.
1. Para añadir un trabajo de entrenamiento creado externamente, realice los pasos siguientes.
1. Elija **Custom (Personalizados)**.
1. En el campo **Nombre**, introduzca el nombre de su trabajo de entrenamiento personalizado.
1. Elija **Añadir**.
# Eliminación de un trabajo de entrenamiento (Studio)
Puede eliminar de su modelo un trabajo de formación, creado externamente o con SageMaker IA, siguiendo estos pasos.
**Realice los siguientes pasos para eliminar un trabajo de entrenamiento de su paquete de modelos.**
1. Seleccione **Capacitar**.
1. Seleccione el icono del **engranaje** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/icons/Settings_squid.png)) en la pestaña **Entrenar**.
1. Seleccione **Eliminar** junto al trabajo de entrenamiento.
1. Seleccione **Sí, quiero eliminar **.
1. Seleccione **Listo**.
# Actualización de los detalles del trabajo de entrenamiento (Studio)
Complete los siguientes pasos para actualizar los detalles de un trabajo de formación, creado externamente o con SageMaker IA, asociado a su modelo.
**Para actualizar (y ver) los detalles relacionados con el trabajo de entrenamiento:**
1. En la pestaña **Entrenar**, consulte el estado del trabajo de entrenamiento. El estado es `Complete` si ha añadido un trabajo de entrenamiento a su paquete del modelo y `Undefined` si no lo ha hecho.
1. Para ver los detalles relacionados con su trabajo de entrenamiento, como el rendimiento, los hiperparámetros y los detalles de identificación, seleccione la pestaña **Entrenar**.
1. Realice los siguientes pasos para actualizar y ver detalles relacionados con el rendimiento del modelo.
1. Seleccione **Rendimiento** en la barra lateral izquierda de la pestaña **Entrenar**.
1. Consulte **Métricas** relacionadas con su trabajo de entrenamiento. La página **Rendimiento** muestra las métricas por nombre, valor y cualquier nota que haya añadido en relación con la métrica.
1. (Opcional) Para añadir notas a las métricas existentes, realice los pasos siguientes.
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de versión del modelo y elija **Editar**.
1. Añada notas a cualquiera de las métricas de la lista.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
1. Consulte **Métricas personalizadas** relacionadas con su trabajo de entrenamiento. Las métricas personalizadas tienen un formato similar al de las métricas.
1. (Opcional) Para añadir métricas personalizadas, realice los pasos siguientes.
1. Elija **Añadir**.
1. Inserte un nombre, un valor y cualquier nota opcional para la nueva métrica.
1. (Opcional) Para eliminar métricas personalizadas, elija el icono de la **papelera** junto a la métrica correspondiente.
1. En el cuadro de texto **Observaciones**, consulte las notas que haya añadido relacionadas con el rendimiento de su trabajo de entrenamiento.
1. (Opcional) Para añadir o actualizar las observaciones, realice los pasos siguientes.
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de versión del modelo y elija **Editar**.
1. Añada o actualice sus notas en el cuadro de texto **Observaciones**.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
1. Realice los siguientes pasos para actualizar y ver detalles relacionados con los artefactos del modelo.
1. Seleccione **Artefactos** en la barra lateral izquierda de la pestaña **Entrenar**.
1. En el campo **Ubicación (URI de S3)**, consulte la ubicación en Amazon S3 de sus conjuntos de datos de entrenamiento.
1. En el campo **Modelos**, consulte el nombre y las ubicaciones en Amazon S3 de los artefactos de modelos de otros modelos que haya incluido en el trabajo de entrenamiento.
1. Para actualizar cualquiera de los campos de la página **Artefactos**, realice los siguientes pasos.
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de versión del modelo y elija **Editar**.
1. Introduzca valores nuevos en cualquiera de los campos.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
1. Realice los siguientes pasos para actualizar y ver detalles relacionados con los hiperparámetros.
1. Seleccione **Hiperparámetros** en la barra lateral izquierda de la pestaña **Entrenar**.
1. Vea la SageMaker IA proporcionada y los hiperparámetros personalizados definidos. Cada hiperparámetro aparece con su nombre y valor.
1. Vea los hiperparámetros personalizados que ha añadido.
1. (Opcional) Para añadir un hiperparámetro personalizado adicional, realice los siguientes pasos.
1. Encima de la esquina superior derecha de la tabla **Hiperparámetros personalizados**, elija **Agregar**. Aparecen un par de campos en blanco nuevos.
1. Introduzca el nombre y el valor del nuevo hiperparámetro personalizado. Estos valores se guardan automáticamente.
1. (Opcional) Para eliminar un hiperparámetro personalizado, seleccione el icono de la **papelera** situado a la derecha del hiperparámetro.
1. Realice los siguientes pasos para actualizar y ver los detalles relacionados con el entorno de trabajo de entrenamiento.
1. Seleccione **Entorno** en la barra lateral izquierda de la pestaña **Entrenar**.
1. Vea las ubicaciones de los URI de Amazon ECR de cualquier contenedor de trabajos de formación que haya añadido SageMaker AI (para un trabajo de SageMaker formación) o usted (para un trabajo de formación personalizado).
1. (Opcional) Para añadir un contenedor de trabajos de entrenamiento adicional, seleccione **Agregar** y, a continuación, introduzca el URI del nuevo contenedor de entrenamiento.
1. Para actualizar y ver el nombre del trabajo de entrenamiento y los nombres de recurso de Amazon (ARN) del trabajo de entrenamiento, realice los siguientes pasos.
1. Seleccione **Detalles** en la barra lateral izquierda de la pestaña **Entrenar**.
1. Vea el nombre del trabajo de entrenamiento y el ARN del trabajo de entrenamiento.
# Adición de un trabajo de evaluación (Studio)
**importante**
A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección está dedicada expresamente al uso de la experiencia de Studio actualizada. Para obtener más información sobre el uso de la aplicación de Studio Classic, consulte [Amazon SageMaker Studio Clásico](studio.md).
Después de registrar el modelo, puede probarlo con uno o más conjuntos de datos para evaluar su rendimiento. Puede añadir uno o más trabajos de evaluación desde Amazon S3 o definir su propio trabajo de evaluación introduciendo manualmente todos los detalles. **Si añade un trabajo desde Amazon S3, la SageMaker IA rellena previamente los campos de todas las subpáginas de la pestaña Evaluar.** Si define su propio trabajo de evaluación, tendrá que añadir manualmente los detalles relacionados con el trabajo de evaluación.
**Para añadir un trabajo de evaluación a su paquete del modelo, realice los pasos siguientes.**
1. Seleccione la pestaña **Evaluar**.
1. Elija **Añadir**.
1. Puede añadir un trabajo de evaluación desde Amazon S3 o un trabajo de evaluación personalizado.
1. Para añadir un trabajo de evaluación con material de Amazon S3, realice los siguientes pasos.
1. Elija **S3**.
1. Introduzca un nombre para el trabajo de evaluación.
1. Introduzca la ubicación de Amazon S3 en el material de salida de su trabajo de evaluación.
1. Elija **Añadir**.
1. Para añadir un trabajo de evaluación personalizado, realice el siguiente paso:
1. Elija **Custom (Personalizados)**.
1. Introduzca un nombre para el trabajo de evaluación.
1. Elija **Añadir**.
**Realice los siguientes pasos para añadir un trabajo de evaluación adicional a su paquete del modelo.**
1. Seleccione la pestaña **Evaluar**.
1. Seleccione el icono del **engranaje** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/icons/Settings_squid.png)) en la pestaña **Entrenar**.
1. En el cuadro de diálogo, elija **Agregar**.
1. Puede añadir un trabajo de evaluación desde Amazon S3 o un trabajo de evaluación personalizado.
1. Para añadir un trabajo de evaluación con material de Amazon S3, realice los siguientes pasos.
1. Elija **S3**.
1. Introduzca un nombre para el trabajo de evaluación.
1. Introduzca la ubicación de Amazon S3 en el material de salida de su trabajo de evaluación.
1. Elija **Añadir**.
1. Para añadir un trabajo de evaluación personalizado, realice el siguiente paso:
1. Elija **Custom (Personalizados)**.
1. Introduzca un nombre para el trabajo de evaluación.
1. Elija **Añadir**.
# Eliminación de un trabajo de evaluación (Studio)
Puede eliminar de su modelo un trabajo de evaluación, creado externamente o con SageMaker IA, siguiendo estos pasos.
**Realice los siguientes pasos para eliminar un trabajo de evaluación de su paquete del modelo.**
1. Seleccione la pestaña **Evaluar**.
1. Seleccione el icono del **engranaje** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/icons/Settings_squid.png)) en la pestaña **Entrenar**.
1. (Opcional) Para encontrar el trabajo de evaluación en la lista, introduzca un término de búsqueda en el cuadro de búsqueda para reducir la lista de opciones.
1. Elija el botón de opción situado junto al trabajo de evaluación.
1. Elija **Eliminar **.
1. Seleccione **Sí, quiero eliminar **.
1. Seleccione **Listo**.
# Actualización de un trabajo de evaluación (Studio)
Complete los siguientes pasos para actualizar los detalles de un trabajo de evaluación, creado externamente o con SageMaker IA, asociado a su modelo.
**Para actualizar (y ver) los detalles relacionados con el trabajo de evaluación:**
1. En la pestaña **Evaluar**, consulte el estado del trabajo de evaluación. El estado es `Complete` si ha añadido un trabajo de evaluación a su paquete del modelo y `Undefined` si no lo ha hecho.
1. Para ver los detalles relacionados con su trabajo de evaluación, como el rendimiento y la ubicación de los artefactos, seleccione la pestaña **Evaluar**.
1. Para actualizar y ver los detalles relacionados con el rendimiento del modelo durante la evaluación, realice los siguientes pasos.
1. Elija **Rendimiento** en la barra lateral de la pestaña **Evaluar**.
1. Consulte las métricas relacionadas con el trabajo de evaluación en la lista **Métricas**. La lista **Métricas** muestra las métricas individuales por nombre, valor y cualquier nota que haya añadido en relación con la métrica.
1. En el cuadro de texto **Observaciones**, consulte las notas que haya añadido relacionadas con el rendimiento de su trabajo de evaluación.
1. Para actualizar cualquiera de los campos de **Notas** para cualquier métrica o campo **Observaciones**, realice los siguientes pasos.
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de versión del modelo y elija **Editar**.
1. Introduzca notas para cualquier métrica o en el cuadro de texto **Observaciones**.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
1. Realice los siguientes pasos para actualizar y ver los detalles relacionados con sus conjuntos de datos de trabajos de evaluación.
1. Seleccione **Artefactos** en la barra lateral izquierda de la página **Evaluar**.
1. Vea los conjuntos de datos utilizados en su trabajo de evaluación.
1. (Opcional) Para añadir un conjunto de datos, elija **Agregar** e introduzca un URI de Amazon S3 en el conjunto de datos.
1. (Opcional) Para eliminar un conjunto de datos, elija el icono de la **papelera** situado junto al conjunto de datos que desea eliminar.
1. Para ver el nombre del trabajo y el ARN del trabajo de evaluación, elija **Detalles**.
# Actualización de la información de auditoría (gobernanza) (Studio)
**importante**
A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección está dedicada expresamente al uso de la experiencia de Studio actualizada. Para obtener más información sobre el uso de la aplicación de Studio Classic, consulte [Amazon SageMaker Studio Clásico](studio.md).
Documente los detalles importantes del modelo para ayudar a su organización a establecer un marco sólido de gobernanza del modelo. Usted y los miembros de su equipo pueden consultar estos detalles para que utilicen el modelo en los casos de uso adecuados, conozcan el dominio empresarial y los propietarios del modelo y comprendan los riesgos del modelo. También puede guardar detalles sobre el rendimiento esperado del modelo y los motivos de las limitaciones de rendimiento.
**Realice los siguientes pasos para ver o actualizar los detalles relacionados con la gobernanza del modelo.**
1. En la pestaña **Auditoría**, consulte el estado de aprobación de la tarjeta de modelo. El estado puede ser uno de los siguientes:
+ **Borrador**: la tarjeta de modelo sigue siendo un borrador.
+ **Pendiente de aprobación**: el modelo de tarjeta está pendiente de aprobación.
+ **Aprobado**: el modelo de tarjeta está aprobado.
1. Para actualizar el estado de aprobación del modelo de tarjeta, seleccione el menú desplegable situado junto al estado de aprobación y elija el estado de aprobación actualizado.
1. Realice los siguientes pasos para actualizar y ver los detalles relacionados con el riesgo de su paquete del modelo.
1. Seleccione **Riesgo** en la barra lateral izquierda de la pestaña **Auditoría**.
1. Vea la clasificación de riesgo actual y su explicación.
1. Realice los siguientes pasos para actualizar la clasificación o la explicación.
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página **Auditoría** y elija **Editar**.
1. (Opcional) Elija una clasificación de riesgo actualizada.
1. (Opcional) Actualice la explicación de la clasificación de riesgo.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
1. Realice los siguientes pasos para actualizar y ver los detalles relacionados con el uso de su paquete del modelo.
1. Seleccione **Uso** en la barra lateral izquierda de la pestaña **Auditoría**.
1. Vea el texto que ha añadido en los siguientes campos:
+ **Tipo de problema**: la categoría de algoritmo de machine learning utilizada para crear el modelo.
+ **Tipo de algoritmo**: el algoritmo específico utilizado para crear el modelo.
+ **Usos previstos**: la aplicación actual del modelo a su problema empresarial.
+ **Factores que afectan a la eficacia del modelo**: notas sobre las limitaciones de rendimiento de su modelo.
+ **Uso recomendado**: los tipos de aplicaciones que se pueden crear con el modelo, los escenarios en los que se puede esperar un rendimiento razonable o el tipo de datos que se van a utilizar con el modelo.
+ **Consideraciones éticas**: una descripción de la forma en que su modelo podría discriminar en función de factores como la edad o el sexo.
1. Para actualizar cualquiera de los campos de la lista anterior, realice los pasos siguientes.
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de versión del modelo y elija **Editar**.
1. (Opcional) Utilice los menús desplegables de **Tipo de problema** y **Tipo de algoritmo** para seleccionar nuevos valores, si es necesario.
1. (Opcional) Actualice las descripciones de texto en los campos restantes.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
1. Para actualizar y ver los detalles relacionados con las partes interesadas de su paquete de modelos, realice los siguientes pasos.
1. Seleccione **Partes interesadas** en la barra lateral izquierda de la pestaña **Auditoría**.
1. Vea el propietario y el creador del modelo actual, si los hay.
1. Realice los siguientes pasos para actualizar al propietario o al creador del modelo:
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de versión del modelo y elija **Editar**.
1. Actualice los campos del propietario o creador del modelo.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
1. Para actualizar y ver los detalles relacionados con el problema empresarial que aborda el paquete del modelo, realice los siguientes pasos.
1. Seleccione **Empresa** en la barra lateral izquierda de la pestaña **Auditoría**.
1. Vea las descripciones actuales, si las hay, del problema empresarial que aborda el modelo, las partes interesadas en el problema empresarial y la línea de negocio.
1. Para actualizar cualquiera de los campos de la pestaña **Empresa**, realice los siguientes pasos.
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de versión del modelo y elija **Editar**.
1. Actualice las descripciones de cualquiera de los campos.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
1. Para actualizar y ver la documentación existente (representada como pares clave-valor) del modelo, realice los siguientes pasos.
1. Elija **Documentación** en la barra lateral izquierda de la página **Auditoría**.
1. Visualización de pares clave-valor existentes.
1. Para añadir cualquier par clave-valor, siga los pasos que se indican a continuación.
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de versión del modelo y elija **Editar**.
1. Elija **Añadir**.
1. Introduzca un nuevo valor de clave y asociado.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
1. Para eliminar cualquier par clave-valor, siga los pasos que se indican a continuación.
1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de versión del modelo y elija **Editar**.
1. Elija el icono de la **papelera** junto al par clave-valor que desea eliminar.
1. En la parte superior de la página de la versión del modelo, seleccione **Guardar** en el banner **Edición de versión del modelo...**
# Actualización de la información de implementación (Studio)
**importante**
A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección está dedicada expresamente al uso de la experiencia de Studio actualizada. Para obtener más información sobre el uso de la aplicación de Studio Classic, consulte [Amazon SageMaker Studio Clásico](studio.md).
Tras evaluar el rendimiento del modelo y determinar si está listo para usarse en las cargas de trabajo de producción, puede cambiar el estado de aprobación del modelo para iniciar la CI/CD implementación. Para obtener más información sobre las definiciones del estado de aprobación, consulte [Actualizar el estado de aprobación de un modelo](model-registry-approve.md).
**Realice los siguientes pasos para ver o actualizar los detalles relacionados con la implementación del paquete del modelo.**
1. En la pestaña **Implementar**, consulte el estado de aprobación del paquete del modelo. Los valores posibles pueden ser los siguientes:
+ **Pendiente de aprobación**: el modelo está registrado pero aún no se ha aprobado o rechazado su implementación.
+ **Aprobado**: el modelo está aprobado para la implementación de CI/CD. Si existe una EventBridge regla que inicia la implementación del modelo tras un evento de aprobación del modelo, como es el caso de un modelo creado a partir de una plantilla de proyecto de SageMaker IA, la SageMaker IA también despliega el modelo.
+ **Rechazado**: se rechaza la implementación del modelo.
Si necesita cambiar el estado de aprobación, elija el menú desplegable situado junto al estado y seleccione el estado actualizado.
1. Para actualizar el estado de aprobación del paquete del modelo, seleccione el menú desplegable situado junto al estado de aprobación y elija el estado de aprobación actualizado.
1. En la lista **Contenedores**, consulte los contenedores de imágenes de inferencia.
1. En la lista **Instancias**, consulte las instancias que componen el punto de conexión de la implementación.