Amazon SageMaker AI Canvas를 사용한 코드 없는 기계 학습 - Amazon DocumentDB
SageMaker AI Canvas를 사용하여 코드 없는 ML 모델을 빌드하는 방법SageMaker AI 도메인 및 사용자 프로필 구성Amazon DocumentDB 및 SageMaker AI Canvas에 대한 IAM 액세스 권한 구성SageMaker AI Canvas에 대한 데이터베이스 사용자 및 역할 생성사용 가능한 리전

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

Amazon SageMaker AI Canvas를 사용한 코드 없는 기계 학습

Amazon SageMaker AI Canvas를 사용하면 한 줄의 코드를 작성하지 않고도 자체 AI/ML 모델을 구축할 수 있습니다. 회귀 및 예측과 같은 일반적인 사용 사례를 위한 ML 모델을 구축하고 Amazon Bedrock에서 파운데이션 모델(FM) 액세스하고 평가할 수 있습니다. 생성형 AI 솔루션을 지원하기 위해 콘텐츠 생성, 텍스트 추출 및 텍스트 요약을 위해 Amazon SageMaker AI JumpStart에서 퍼블릭 FMs에 액세스할 수도 있습니다.

SageMaker AI Canvas를 사용하여 코드 없는 ML 모델을 빌드하는 방법

Amazon DocumentDB는 이제 Amazon SageMaker AI Canvas와 통합되어 Amazon DocumentDB에 저장된 데이터와 함께 코드 없는 기계 학습(ML)을 활성화합니다. 이제 회귀 및 예측 요구 사항을 위한 ML 모델을 구축하고 단일 코드 줄을 작성하지 않고도 Amazon DocumentDB에 저장된 데이터를 사용하여 콘텐츠 요약 및 생성을 위한 파운데이션 모델을 사용할 수 있습니다.

SageMaker AI Canvas는 Amazon DocumentDB 고객이 AI/ML 전문 지식 없이 예측을 생성하거나 단일 코드 줄을 작성할 수 있는 시각적 인터페이스를 제공합니다. 이제 고객은에서 SageMaker AI Canvas 워크스페이스를 시작하고 데이터 준비 및 모델 훈련을 위해 Amazon DocumentDB 데이터를 AWS Management Console가져오고 조인할 수 있습니다. 이제 SageMaker AI Canvas에서 Amazon DocumentDB의 데이터를 사용하여 모델을 구축 및 보강하여 고객 이탈을 예측하고, 사기를 감지하고, 유지 관리 실패를 예측하고, 비즈니스 지표를 예측하고, 콘텐츠를 생성할 수 있습니다. 이제 고객은 SageMaker AI Canvas와 Amazon QuickSight의 네이티브 통합을 사용하여 팀 간에 ML 기반 인사이트를 게시하고 공유할 수 있습니다. SageMaker AI Canvas의 데이터 수집 파이프라인은 기본적으로 Amazon DocumentDB 보조 인스턴스에서 실행되므로 애플리케이션 및 SageMaker AI Canvas 수집 워크로드의 성능이 저하되지 않습니다.

Amazon DocumentDB 고객은 새 Amazon DocumentDB No-Code ML 콘솔 페이지로 이동하여 새 SageMaker AI Canvas 워크스페이스 또는 사용 가능한 SageMaker AI Canvas 워크스페이스에 연결하여 SageMaker AI Canvas를 시작할 수 있습니다.

SageMaker AI 도메인 및 사용자 프로필 구성

VPC 전용 모드에서 실행 중인 SageMaker AI 도메인에서 Amazon DocumentDB 클러스터에 연결할 수 있습니다. VPC에서 SageMaker AI 도메인을 시작하면 SageMaker AI Studio 및 Canvas 환경에서 데이터 흐름을 제어할 수 있습니다. 이를 통해 인터넷 액세스를 제한하고, 표준 AWS 네트워킹 및 보안 기능을 사용하여 트래픽을 모니터링 및 검사하고, VPC 엔드포인트를 통해 다른 AWS 리소스에 연결할 수 있습니다. Amazon SageMaker AI Canvas 시작하기 및 Amazon SageMaker AI 개발자 안내서에 있는 인터넷 액세스 없이 VPC에서 Amazon SageMaker AI Canvas 구성을 참조하여 Amazon DocumentDB 클러스터에 연결할 SageMaker AI 도메인을 생성하세요. Amazon SageMaker

Amazon DocumentDB 및 SageMaker AI Canvas에 대한 IAM 액세스 권한 구성

연결된 역할 및 자격 증명에 AmazonDocDBConsoleFullAccess가 연결된 Amazon DocumentDB 사용자는 AWS Management Console에 액세스할 수 있습니다. 앞서 언급한 역할 또는 자격 증명에 다음 작업을 추가하여 Amazon SageMaker AI Canvas를 사용한 코드 없는 기계 학습에 대한 액세스를 제공합니다.

"sagemaker:CreatePresignedDomainUrl",
"sagemaker:DescribeDomain",
"sagemaker:ListDomains",
"sagemaker:ListUserProfiles"

SageMaker AI Canvas에 대한 데이터베이스 사용자 및 역할 생성

Amazon DocumentDB의 역할 기반 액세스 제어(RBAC)를 사용하여 데이터베이스에서 사용자가 수행할 수 있는 작업에 대한 액세스를 제한할 수 있습니다. RBAC는 사용자에게 하나 이상의 역할을 부여하여 작동합니다. 이러한 역할은 사용자가 데이터베이스 리소스에서 수행할 수 있는 작업을 결정합니다.

Canvas 사용자는 사용자 이름과 암호 자격 증명을 사용하여 Amazon DocumentDB 데이터베이스에 연결합니다. Amazon DocumentDB RBAC 기능을 사용하여 특정 데이터베이스에 대한 읽기 액세스 권한이 있는 Canvas 사용자의 데이터베이스 사용자/역할을 생성할 수 있습니다.

예를 들어 createUser를 사용합니다.

db.createUser({
user: "canvas_user", 
pwd: "<insert-password>", 
roles: [{role: "read", db: "sample-database-1"}]
})

이렇게 하면 sample-database-1 데이터베이스에 대한 읽기 권한이 있는 canvas_user가 생성됩니다. Canvas 분석가는 이 자격 증명을 사용하여 Amazon DocumentDB 클러스터의 데이터에 액세스할 수 있습니다. 자세한 내용은 역할 기반 액세스 제어를 사용한 데이터베이스 액세스 섹션을 참조하세요.

사용 가능한 리전

코드 없는 통합은 Amazon DocumentDB와 Amazon SageMaker AI Canvas가 모두 지원되는 리전에서 사용할 수 있습니다. 리전은 다음과 같습니다.

  • us-east-1(버지니아 북부)

  • us-east-2(오하이오)

  • us-west-2(오리건)

  • ap-northeast-1(도쿄)

  • ap-northeast-2(서울)

  • ap-south-1(뭄바이)

  • ap-southeast-1(싱가포르)

  • ap-southeast-2(시드니)

  • eu-central-1(프랑크푸르트)

  • eu-west-1(아일랜드)

최신 리전 가용성은 Amazon SageMaker AI 개발자 안내서의 Amazon SageMaker AI Canvas를 참조하세요. Amazon SageMaker