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

# Amazon SageMaker AI Canvas를 사용한 코드 없는 기계 학습
<a name="no-code-machine-learning"></a>

[Amazon SageMaker AI Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html)를 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. 콘텐츠 생성, 텍스트 추출 및 텍스트 요약을 위해 Amazon SageMaker AI JumpStart에서 퍼블릭 FM에 액세스하여 생성형 AI 솔루션을 지원할 수도 있습니다.

## SageMaker AI Canvas를 사용하여 코드 없는 ML 모델을 빌드하는 방법
<a name="w2aac21b9b5"></a>

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 Quick의 기본 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 코드 없는 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
<a name="sagemaker-domain"></a>

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](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-getting-started.html) 및 *Amazon SageMaker AI 개발자 안내서*에 위치한 [인터넷 액세스 없이 VPC에서 Amazon SageMaker AI Canvas 구성](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-vpc.html)을 참조하여 Amazon DocumentDB 클러스터에 연결할 SageMaker AI 도메인을 생성합니다.

## Amazon DocumentDB 및 SageMaker AI Canvas에 대한 IAM 액세스 권한 구성
<a name="iam-access-canvas"></a>

연결된 역할 및 자격 증명에 `AmazonDocDBConsoleFullAccess`가 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
<a name="w2aac21b9c11"></a>

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 `createUser`를 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_user`가 생성됩니다. Canvas 분석가는 이 자격 증명을 사용하여 Amazon DocumentDB 클러스터의 데이터에 액세스할 수 있습니다. 자세한 내용은 [역할 기반 액세스 제어를 사용한 데이터베이스 액세스](role_based_access_control.md) 섹션을 참조하세요.

## 사용 가능한 리전
<a name="available-regions"></a>

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 안내서*의 [Amazon SageMaker AI Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html)를 참조하세요.