기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon SageMaker AI를 사용하면 데이터세트를 생성하고, 데이터 변환을 수행하고, 데이터에서 모델을 빌드하고, 추론을 위해 모델을 엔드포인트에 배포할 때 전체 ML 워크플로를 관리할 수 있습니다. 워크플로 단계의 하위 집합을 주기적으로 수행하는 경우 일정에 따라 이러한 단계를 실행하도록 선택할 수도 있습니다. 예를 들어 SageMaker Canvas에서 매시간 새 데이터에 대한 변환을 실행하도록 작업을 예약할 수 있습니다. 또 다른 시나리오에서는 배포된 모델의 모델 드리프트를 모니터링하기 위해 주간 작업을 예약할 수 있습니다. 시간 간격과 관계없이 반복 일정을 지정할 수 있습니다. 초, 분, 일, 주, 월마다 또는 매월 세 번째 금요일 오후 3시에 반복할 수 있습니다.
다음 시나리오에는 사용 사례에 따라 사용할 수 있는 옵션이 요약되어 있습니다.
사용 사례 1: 노코드 환경에서 ML 워크플로를 빌드하고 예약합니다. 초보자 또는 SageMaker AI를 처음 사용하는 사용자의 경우 Amazon SageMaker Canvas를 사용하여 ML 워크플로를 빌드하고 Canvas UI 기반 스케줄러를 사용하여 예약된 실행을 생성할 수 있습니다.
사용 사례 2: 단일 Jupyter Notebook에서 워크플로를 빌드하고 노코드 스케줄러를 사용합니다. 숙련된 ML 실무자는 코드를 사용하여 Jupyter Notebook에서 ML 워크플로를 빌드하고 노트북 작업 위젯에서 사용할 수 있는 노코드 예약 옵션을 사용할 수 있습니다. ML 워크플로가 여러 Jupyter Notebook으로 구성된 경우 사용 사례 3에 설명된 Pipelines Python SDK의 예약 기능을 사용할 수 있습니다.
사용 사례 3: Pipelines을 사용하여 ML 워크플로를 빌드하고 예약합니다. 고급 사용자는 Pipelines에서 사용할 수 있는 Amazon SageMaker Python SDK
또는 Amazon EventBridge 예약 옵션을 사용할 수 있습니다. Amazon EMR과 같은 다양한 SageMaker AI 기능 및 AWS 서비스를 사용하는 작업을 포함하는 단계로 구성된 ML 워크플로를 구축할 수 있습니다.
| 설명자 | 사용 사례 1 | 사용 사례 2 | 사용 사례 3 |
|---|---|---|---|
| SageMaker AI 기능 | Amazon SageMaker Canvas 데이터 처리 및 ML 워크플로 예약 | 노트북 작업 일정 위젯(UI) | Pipelines Python SDK 예약 옵션 |
| 설명 | Amazon SageMaker Canvas를 사용하면 데이터 처리 단계의 자동 실행을 예약할 수 있고 별도의 절차에서 자동 데이터세트 업데이트를 예약할 수 있습니다. 특정 데이터세트가 업데이트될 때마다 배치 예측을 실행하는 구성을 설정하여 전체 ML 워크플로를 간접적으로 예약할 수도 있습니다. 자동 데이터 처리 및 데이터세트 업데이트 모두에 대해 SageMaker Canvas는 시작 시간과 날짜 및 실행 간 시간 간격(또는 데이터 처리 단계를 예약하는 경우 cron 표현식)을 선택하는 기본 양식을 제공합니다. 데이터 처리 단계를 예약하는 방법에 대한 자세한 내용은 새 데이터를 자동으로 처리하는 일정 만들기 섹션을 참조하세요. 데이터세트 및 배치 예측 업데이트를 예약하는 방법에 대한 자세한 내용은 자동화를 관리하는 방법 섹션을 참조하세요. | 단일 Jupyter Notebook에서 데이터 처리 및 파이프라인 워크플로를 빌드한 경우 노트북 작업 위젯을 사용하여 필요에 따라 또는 일정에 따라 노트북을 실행할 수 있습니다. 노트북 작업 위젯에는 컴퓨팅 유형, 실행 일정 및 선택적 사용자 지정 설정을 지정하는 기본 양식이 표시됩니다. 시간 기반 간격을 선택하거나 cron 표현식을 삽입하여 실행 일정을 정의합니다. 위젯은 Studio에 자동으로 설치되거나 추가 설치를 수행하여 로컬 JupyterLab 환경에서 이 기능을 사용할 수 있습니다. 노트북 작업에 대한 자세한 정보는 SageMaker 노트북에서 확인하세요. | Pipelines으로 ML 워크플로를 구현한 경우 SageMaker AI SDK의 예약 기능을 사용할 수 있습니다. 파이프라인에는 미세 조정, 데이터 처리 및 배포와 같은 단계가 포함될 수 있습니다. Pipelines은 파이프라인을 예약하는 두 가지 방법을 지원합니다. Amazon EventBridge 규칙을 생성하거나 SageMaker AI SDK PipelineSchedule |
| 최적화 대상 | SageMaker Canvas ML 워크플로에 대한 예약 옵션을 제공합니다. | Jupyter Notebook 기반 ML 워크플로에 대한 UI 기반 예약 옵션을 제공합니다. | ML 워크플로에 대한 SageMaker AI SDK 또는 EventBridge 예약 옵션을 제공합니다. |
| 고려 사항 | Canvas 노코드 프레임워크를 사용하여 워크플로를 예약할 수 있지만 데이터세트 업데이트 및 배치 변환 업데이트는 최대 5GB의 데이터를 처리할 수 있습니다. | 동일한 작업에서 UI 기반 예약 양식을 사용하여 하나의 노트북을 예약할 수 있지만 여러 노트북을 예약할 수는 없습니다. 여러 노트북을 예약하려면 사용 사례 3에 설명된 Pipelines SDK 코드 기반 솔루션을 사용합니다. | Pipelines에서 제공하는 고급(SDK 기반) 예약 기능을 사용할 수 있지만 UI 기반 옵션 메뉴에서 선택하는 대신 API 설명서를 참조하여 올바른 옵션을 지정해야 합니다. |
| 권장 환경 | Amazon SageMaker Canvas | Studio, 로컬 JupyterLab 환경 | Studio, 로컬 JupyterLab 환경, 코드 편집기 |
추가 리소스
SageMaker AI는 워크플로를 예약하기 위한 다음과 같은 추가 옵션을 제공합니다.
What is Amazon EventBridge Scheduler?. 이 단원에서 설명하는 예약 옵션에는 SageMaker Canvas, Studio 및 SageMaker AI Python SDK에서 사용할 수 있는 사전 빌드된 옵션이 포함됩니다. 모든 옵션은 Amazon EventBridge의 기능을 확장하며 EventBridge를 사용하여 사용자 지정 예약 솔루션을 만들 수도 있습니다.
특성 프로세서 파이프라인의 일정 예약 및 이벤트 기반 실행. Amazon SageMaker 특성 저장소 특성 처리를 사용하면 일정대로 또는 다른 AWS 서비스 이벤트의 결과로 특성 처리 파이프라인을 실행하도록 구성할 수 있습니다.
