Amazon SageMaker Projects ha lanzado una nueva funcionalidad que permitirá a los científicos de datos acceder de manera autónoma a las herramientas e infraestructura de Amazon Web Services (AWS). Este avance tiene como objetivo facilitar la organización de todos los elementos del ciclo de vida del aprendizaje automático (ML), ayudando a las organizaciones a estandarizar y limitar los recursos disponibles para sus equipos de ciencia de datos a través de plantillas preconfiguradas.
Sin embargo, los clientes de AWS que utilizan Terraform para gestionar su infraestructura como código (IaC) enfrentan una limitación significativa. Actualmente, la mejor práctica para habilitar Amazon SageMaker Projects depende de AWS CloudFormation, lo que restringe a las empresas que tienen políticas de TI que prohíben el uso de herramientas específicas de proveedores y, por lo tanto, les impide aprovechar las ventajas de Terraform Cloud.
Para superar este obstáculo, ha surgido un nuevo artículo que explica cómo habilitar SageMaker Projects con Terraform Cloud, eliminando así la dependencia de CloudFormation. Este enfoque innovador se basa en la asignación directa de SageMaker Projects a productos del AWS Service Catalog. Para evitar el uso de CloudFormation, estos productos deben ser designados como productos de Terraform, utilizando el AWS Service Catalog Engine para Terraform Cloud, un módulo que es mantenido activamente por Hashicorp.
Los usuarios que deseen llevar a cabo esta integración deben cumplir con varios requisitos fundamentales. Entre ellos, tener una cuenta de AWS con permisos para crear y gestionar proyectos de SageMaker, así como un dominio de Amazon SageMaker Studio habilitado para estos proyectos. También se requiere contar con un terminal Unix que tenga instalada la interfaz de línea de comandos de AWS (AWS CLI) y Terraform, además de una cuenta de Terraform Cloud con los permisos apropiados.
Las etapas de implementación son claras: primero, se debe clonar un repositorio específico de GitHub y luego iniciar sesión en Terraform Cloud. A continuación, es necesario recuperar el Amazon Resource Name (ARN) del rol del usuario de SageMaker y configurar los parámetros necesarios en un archivo de variables. Después de inicializar y aplicar el espacio de trabajo de Terraform Cloud, los usuarios podrán acceder a la consola de SageMaker y crear proyectos directamente desde allí, lo que asegura un flujo de trabajo más eficiente y una menor dependencia de herramientas externas.
Este nuevo enfoque no solo simplifica el proceso de implementación, sino que también proporciona una mayor personalización al permitir incluir código Terraform personalizado en las plantillas de proyecto de SageMaker. De esta manera, las empresas tienen la capacidad de gestionar y desplegar sus proyectos de ML de forma más efectiva dentro de su infraestructura de Terraform Enterprise.
