Amazon SageMaker Projects ha introducido una innovadora funcionalidad que permite a los científicos de datos gestionar de manera autónoma herramientas e infraestructura de Amazon Web Services (AWS), facilitando así la organización del ciclo de vida del aprendizaje automático (ML). Este avance tiene como objetivo ayudar a las organizaciones a estandarizar y limitar los recursos disponibles para sus equipos mediante plantillas preconfiguradas.
No obstante, surge un desafío para los usuarios de AWS que emplean Terraform para la gestión de su infraestructura como código (IaC). La práctica recomendada para activar Amazon SageMaker Projects requiere el uso de AWS CloudFormation, lo que resulta problemático para empresas con políticas de TI que restringen el uso de herramientas específicas de ciertos proveedores, impidiéndoles aprovechar Terraform Cloud.
Un reciente artículo ofrece una solución para superar esta limitación, detallando cómo habilitar SageMaker Projects con Terraform Cloud y así eliminar la dependencia de CloudFormation. Este método se basa en la asignación de SageMaker Projects a productos del AWS Service Catalog. Para evitar CloudFormation, estos productos son designados como productos de Terraform, usando el AWS Service Catalog Engine para Terraform Cloud, un módulo activamente mantenido por Hashicorp.
Para implementar esta integración, se requiere que los usuarios tengan una cuenta de AWS con los permisos necesarios para crear y gestionar proyectos de SageMaker, junto con un dominio habilitado para SageMaker Studio. Además, se necesita un terminal Unix con AWS CLI y Terraform instalados, así como una cuenta en Terraform Cloud con los permisos pertinentes.
Las etapas de implementación incluyen clonar un repositorio específico de GitHub, iniciar sesión en Terraform Cloud, recuperar el Amazon Resource Name (ARN) del rol del usuario de SageMaker y configurar los parámetros necesarios en un archivo de variables. Una vez inicializado y aplicado el espacio de trabajo en Terraform Cloud, los usuarios pueden acceder a la consola de SageMaker y crear proyectos directamente desde allí, garantizando así un flujo de trabajo más eficiente y con menor dependencia de herramientas exteriores.
Este nuevo método no solo simplifica el proceso, sino que también ofrece mayor personalización al permitir la inclusión de código Terraform personalizado en las plantillas de proyecto de SageMaker. De esta manera, las empresas pueden gestionar y desplegar sus proyectos de ML de forma más eficaz dentro de su infraestructura de Terraform Enterprise.
