결론 - AWS규범적 지침

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

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.