Amazon SageMaker Projects ha incorporado una nueva funcionalidad que permite a los científicos de datos acceder de forma autónoma a herramientas e infraestructura de Amazon Web Services (AWS). Esta actualización busca facilitar la organización de los elementos del ciclo de vida del aprendizaje automático (ML), permitiendo a las organizaciones estandarizar y limitar recursos mediante plantillas preconfiguradas.
A pesar de los beneficios, los usuarios de AWS que gestionan su infraestructura con Terraform se enfrentan a un desafío. La habilitación de SageMaker Projects tradicionalmente requiere AWS CloudFormation, lo que limita a aquellas empresas cuyas políticas tecnológicas restringen el uso de herramientas de proveedores específicos.
Para abordar este problema, un reciente artículo detalla cómo integrar SageMaker Projects usando Terraform Cloud, eliminando así la dependencia de CloudFormation. Este método aprovecha el AWS Service Catalog para asignar directamente los proyectos de SageMaker como productos de Terraform, utilizando el AWS Service Catalog Engine compatible con Terraform Cloud, un módulo activamente mantenido por Hashicorp.
La implementación requiere que los usuarios posean una cuenta de AWS con los permisos adecuados para gestionar proyectos de SageMaker y un dominio habilitado para Amazon SageMaker Studio. Adicionalmente, se necesita un sistema Unix con la CLI de AWS y Terraform instalados, así como una cuenta en Terraform Cloud con los permisos necesarios.
Los pasos de ejecución comprenden clonar un repositorio específico de GitHub y configurar los parámetros requeridos en un archivo de variables tras iniciar sesión en Terraform Cloud. Una vez inicializado y aplicado el espacio de trabajo, los usuarios pueden acceder directamente a la consola de SageMaker para crear proyectos, optimizando el flujo de trabajo y minimizando la dependencia de herramientas externas.
Este enfoque no solo simplifica el proceso, sino que también permite mayor personalización al incluir código Terraform personalizado en las plantillas de proyectos de SageMaker. De esta manera, las empresas pueden gestionar y desplegar sus proyectos de ML de manera más efectiva dentro de su infraestructura de Terraform Enterprise, maximizando así la eficiencia y control sobre sus recursos tecnológicos.
