模块说明
帮助数据科学家、MLOps 工程师和业务分析师紧密配合，快速部署众多模型，并与开源功能进行集成。
确保高效模型治理和信息透明。
作为面向各类模型和分析资产的集中式、可搜索储存库，能让您全面了解分析流程，确保可追溯性和高效治理。解决方案通过版本控制来简化模型管理。您可以 跟踪模型管理流程每个步骤的项目历史记录，并统一查看每个模型的状态、定义和价值。使用开放的 REST API 访问模型，模型评分组件可简化 IT 工作。
借助轻松的模型验证，确保高质量预测。
使用我们的开源包 sasctl，为基于 Python 的模型自动生成可执行评分代码。通过简单易用的无代码界面方便地对模型进行测试，在模型投入生产之前验证模型评分逻辑。
一次构建，随处部署，无需重新编码。
将您的分析模型从创新实验室高效地迁移到选定的生产环境中。无论要将模型部署到数据库中，对数据进行批量评分，托管实时 REST API 评分端点，在 Docker、Azure、GCP 或 AWS 上将模型推送到注册表托管的容器中，还是直接部署到 Azure 机器学习中，SAS Model Manager 都能满足您的需求。
自动监控模型性能，确保按预期运行。
无论使用哪种语言创建模型，SAS Model Manager 都可以自动监控模型性能（涵盖模型启动、使用到停用的整个过程）。性能基准报告可以显示模型的评分表现，以及文档是否符合要求的标准。通过生成警报来指示模型衰减情况。由于模型在不同部门中使用，该解决方案可生成广泛的跟踪、验证和审计报告，并标记最佳模型以便用于其他应用。持续监控能帮您了解模型何时需要优化或淘汰。
调整模型以反映内部或外部变化，大幅提高效率。
持续进行模型更新，以适应不断变化的市场和业务状况。您可以根据新数据重新训练现有模型，也可以使用特征工程或新数据元素修改模型。模型重新训练与模型管道处理环境相结合，有效提高效率。
使用 CI/CD 方法自动管理模型生命周期，节省时间和资源。
SAS Model Manager 能让您使用开放的 REST API 集成多种环境、工具和应用程序。您可以创建与业务需求和流程相匹配的自定义工作流，以便对分析生命周期进行自动管理。