Estoy buscando una solución que me permita alojar mi modelo Sklearn entrenado (con el que estoy satisfecho) en SageMaker sin tener que volver a entrenarlo antes de implementarlo en un punto final.

Por un lado, he visto ejemplos específicos para traer su propio modelo scikit que implican contener el modelo entrenado, pero estas guías pasan por el paso de entrenamiento y no muestran específicamente cómo puede evitar volver a entrenar el modelo y simplemente implementarlo. ( https://github.com/awslabs/amazon-sagemaker-examples/blob/27d3aeb9166a4d4dbbb0721d381329e41d431078/advanced_functionity/scikit_bring_your_own/scikit_bring_your_own.ipynb )

Por otro lado, hay guías que le muestran cómo BYOM solo para la implementación, pero son específicas para los marcos MXNet y TensorFlow. Me di cuenta de que la forma en que exportas los artefactos de tu modelo entre marcos difiere. Necesito algo específico para Sklearn y cómo llegar a un buen punto donde tengo artefactos modelo en el formato correcto que Sagemaker espera ( https://github.com/awslabs/amazon-sagemaker-examples/tree/27d3aeb9166a4d4dbbb0721d381329e41d431078/advanced_functionity/mxnet_mnist_byom )

La guía más cercana que he visto que podría funcionar es esta: https://aws.amazon.com/blogs/machine-learning/bring-your-own-pre-trained-mxnet-or-tensorflow-models-into-amazon -sabio/

Sin embargo, no sé qué incluye mi sklearn "artefactos modelo". Creo que necesito una comprensión clara de cómo se ven los artefactos del modelo sklearn y qué incluye.

Cualquier ayuda es apreciada. El objetivo es evitar el entrenamiento en Sagemaker y solo implementar mi modelo scikit ya entrenado en un punto final.