Amazon SageMaker이란 무엇입니까? - Amazon SageMaker

문서의 영문과 번역 사이에 충돌이 있는 경우에는 영문 버전을 따릅니다. 번역 버전은 기계 번역을 사용하여 제공합니다.

Amazon SageMaker이란 무엇입니까?

Amazon SageMaker는 종합 관리형 기계 학습 서비스입니다. SageMaker를 통해 데이터 과학자와 개발자들은 기계 학습 모델을 빠르고 쉽게 구축하고 훈련시킬 수 있으며, 그리고 나서 이들 모델을 프로덕션 지원 호스팅 환경에 직접 배포할 수 있습니다. 탐색 및 분석에 필요한 데이터 원본에 대한 쉬운 액세스를 위해 내장형 Jupyter 작성 노트북 인스턴스를 제공하기 때문에 서버를 관리할 필요가 없습니다. 또한 분산된 환경 내 대규모 데이터를 효율적으로 실행하는 데 최적화된 일반 기계 학습 알고리즘 또한 제공합니다. BYOM(Bring-Your-Own-Algorithm) 및 프레임워크 기본 지원을 통해 SageMaker는 특정 워크플로에 맞춘 유연한 분산형 훈련 옵션을 제공합니다. SageMaker Studio 또는 SageMaker 콘솔에서 클릭 몇 번으로 모델을 시작하고 안전하고 확장 가능한 환경으로 배포합니다. 훈련 및 호스팅은 사용한 분 단위로 요금이 부과되고, 최소 요금 및 선수금이 없습니다.

이 안내서에는 SageMaker 기능에 대한 정보 및 자습서가 포함되어 있습니다. 를 사용하여 모델을 구축, 교육 및 배포하는 방법을 학습합니다. SageMaker, 참조 Amazon SageMaker 개발자 리소스.

Amazon SageMaker 기능

Amazon SageMaker에는 다음 기능이 포함됩니다.

Amazon SageMaker 스튜디오

동일한 애플리케이션에서 모델을 모두 빌드, 훈련, 배포 및 분석할 수 있는 통합 기계 학습 환경입니다.

Amazon SageMaker Ground Truth

기계 학습과 함께 작업자를 사용하여 레이블이 지정된 데이터 세트를 생성하는 고품질 훈련 데이터 세트입니다.

Amazon Augmented AI

HITL(Human-in-the-Loop) 리뷰

Amazon SageMaker Studio Notebooks

SSO 통합, 빠른 시작 시간 및 단일 클릭 공유 등의 기능을 포함하고 있는 차세대 SageMaker 노트북입니다.

사전 처리

데이터를 분석 및 사전 처리하고, 기능 엔지니어링 문제를 해결하며, 모델을 평가합니다.

Amazon SageMaker 실험

실험 관리 및 추적. 추적된 데이터를 사용하여 실험을 재구성하고, 동료들이 수행한 실험을 기반으로 점진적으로 빌드를 수행하며,, 규정 준수 및 감사 검증을 위해 모델 계통을 추적할 수 있습니다.

Amazon SageMaker Debugger

훈련 프로세스 전반에 걸쳐 훈련 파라미터 및 데이터를 검사합니다. 파라미터 값이 너무 크거나 작아지는 등 일반적으로 발생하는 오류를 자동으로 감지하여 사용자에게 알립니다.

Amazon SageMaker Autopilot

기계 학습 지식이 없는 사용자도 분류 및 회귀 모델을 신속하게 구축할 수 있습니다.

강화 학습

행동의 결과로 에이전트가 받게 되는 장기 보상을 극대화하는 것입니다.

배치 변환

데이터 세트를 사전 처리하고, 영구 엔드포인트가 필요하지 않을 때 추론을 실행하며, 결과 해석을 지원하기 위해 입력 레코드를 추론과 연관시킵니다.

Amazon SageMaker Model Monitor

프로덕션 단계(엔드포인트)의 모델을 모니터링 및 분석하여 모델 품질의 데이터 드리프트 및 편차를 감지합니다.

Amazon SageMaker 네오

기계 학습 모델을 한 번 교육한 다음, 클라우드와 에지 어디에서나 실행합니다.

Amazon SageMaker Elastic Inference

처리 속도를 높이고 실시간 추론 결과를 가져오는 대기 시간을 줄입니다.

Amazon SageMaker 요금

다른 AWS 제품과 마찬가지로 Amazon SageMaker에도 사용 계약이나 최소 약정이 없습니다. SageMaker 사용 비용에 대한 자세한 내용은 Amazon SageMaker 가격을 참조하십시오.

Amazon SageMaker를 처음 사용하십니까?

SageMaker를 처음 사용할 경우 다음을 수행하는 것이 좋습니다.

  1. Amazon SageMaker의 작동 방식 읽기 – 이 단원은 SageMaker의 개요를 제공하고, 핵심 개념을 설명하며, SageMaker를 사용한 AI 솔루션 구축에 포함된 핵심 구성 요소를 설명합니다. 이 주제를 표시된 순서대로 읽는 것이 좋습니다.

  2. Amazon SageMaker 설정 – 이 단원에서는 AWS 계정을 설정하고 SageMaker Studio에 온보딩하는 방법에 대해 설명합니다.

  3. Amazon SageMaker Autopilot은 기계 학습 태스크를 자동화하여 기계 학습 환경을 단순화합니다. SageMaker를 처음 사용하는 경우 가장 쉬운 학습 경로가 제공됩니다. 또한 자동화된 ML 태스크 각각에 대해 생성된 노트북을 사용하여 코드에 대한 가시성을 제공하는 훌륭한 ML 학습 도구 역할을 합니다. 해당 기능에 대한 소개는 로 모델 개발 자동화 Amazon SageMaker Autopilot 단원을 참조하십시오. 기계 학습 모델 구축, 훈련 및 배포를 시작하기 위해 Autopilot는 다음을 제공합니다.

  4. Amazon SageMaker 시작하기 – 이 단원에서는 SageMaker Studio 또는 SageMaker 콘솔 및 SageMaker API를 사용하여 첫 번째 모델을 교육하는 방법을 안내합니다. SageMaker에서 제공된 훈련 알고리즘을 사용합니다.

  5. 기타 주제 알아보기 – 필요에 따라 다음을 수행하십시오.

  6. API 참조 보기 – 이 단원에서는 Amazon SageMaker API 작업에 대해 설명합니다.

Amazon SageMaker의 작동 방식

SageMaker는 기계 학습 모델을 애플리케이션에 간편하게 통합할 수 있도록 하는 완전 관리형 서비스입니다. 이 단원에서는 기계 학습의 개요를 제공하고 SageMaker의 작동 방법을 설명합니다. SageMaker를 처음 사용하는 경우, 먼저 다음 단원을 순서대로 읽어보십시오.