결론

기계 학습이 연구 분야에서 응용 분야로 전환됨에 따라 다양한 산업 분야에서 ML 파이프라인 개발, 배포 및 운영에서 매년 25% 의 성장세를 보였습니다. ML의 비즈니스 가치는 매일 ML 운영 및 파이프라인을 통해 실현되며, 이는 ML 모델 및 알고리즘의 연구 개발을 주도합니다. 그럼에도 불구하고 ML을 프로덕션에 배포하는 것은 데이터 관리, 처리, 분석, 모델링, 검증 및 보안과 같이 상당히 다른 활동과 아티팩트가 서로 얽혀 있기 때문에 수많은 과제를 안고 있습니다. 다양한 AI/ML 계약을 통해AWS데이터 사이언스 팀은 다양한 ML DevOps 활동과 아티팩트를 최적으로 융합하거나 분리하기 위한 템플릿 세트를 제공하는 엔드 투 엔드 워크플로우가 부족하다는 점을 확인했습니다. 이 안내서에서는ML 최대 워크플로이 긴급한 문제를 해결합니다. ML Max는 단계별 지침과 일련의 프로그래밍 템플릿을 제공합니다. 목표는 대화식 모델 개발 단계에서 프로덕션 준비가 된 완전하고 확장 가능한 ML 파이프라인 구성으로 빠르고 비용 효율적으로 전환할 수 있도록 하는 것입니다.