SageMaker Autopilot

Amazon SageMaker Autopilot은 기계 학습 모델(AutoML)을 구축하고 배포하는 프로세스를 자동화하여 기계 학습 워크플로의 다양한 단계를 간소화하고 가속화하는 기능 세트입니다. 다음 페이지에서는 Amazon SageMaker Autopilot에 대한 주요 정보를 설명합니다.

Autopilot은 Autopilot에서 또는 다양한 수준의 인적 지침에 따라 사용할 수 있는 다음과 같은 주요 작업을 수행합니다.

Autopilot은 최대 수백 개의 대규모 데이터 세트에서 기계 학습 모델 구축을 지원합니다GBs.

다음 다이어그램은 Autopilot에서 관리하는 이 AutoML 프로세스의 작업을 간략하게 설명합니다.

기계 학습 프로세스에 대한 숙련도 및 코딩 경험에 따라 Autopilot을 다음과 같이 다양한 방식으로 사용할 수 있습니다.

Autopilot은 현재 다음의 문제 유형을 지원합니다.

또한 Autopilot은 각 개별 기능의 중요성을 보여주는 보고서를 자동 생성하여, 사용자가 모델의 예측 수행 방식을 이해할 수 있도록 도와 줍니다. 이로써 예측에 영향을 미치는 요인에 대한 명료성과 통찰력을 얻을 수 있습니다. 이러한 명료성과 통찰력은 위험 팀 및 규정 준수 팀과 외부 규제 기관에서 사용할 수 있습니다. 뿐만 아니라 Autopilot은 평가 지표 요약, 혼동 행렬, 다양한 시각화(예: 수신기 작동 특성 곡선, 정밀 재현률 곡선 등)를 포함하는 모델 성능 보고서도 제공합니다. 각 보고서의 구체적인 내용은 Autopilot 실험의 문제 유형에 따라 달라집니다.

Autopilot 실험에서 최상의 모델 후보에 대한 설명 가능성 및 성능 보고서는 텍스트, 이미지 및 테이블 형식의 데이터 분류 문제 유형에 사용할 수 있습니다.

회귀 또는 분류와 같은 표 형식의 데이터 사용 사례의 경우 Autopilot은 데이터를 탐색하고 가장 성능이 좋은 모델을 찾는 데 사용되는 코드가 포함된 노트북을 생성하여 데이터가 어떻게 랭글링되고 모델 후보가 어떻게 선택, 훈련 및 조정되었는지에 대한 추가 가시성을 제공합니다. 이 노트북들은 다양한 입력의 영향이나 여러 실험에서 이루어진 균형을 파악하는 데 도움이 될 대화형 탐색 환경을 제공합니다. Autopilot에서 제공하는 데이터 탐색 노트북 및 후보 정의 노트북을 직접 수정하여 더 우수한 성능의 모델 후보를 계속 실험해 볼 수 있습니다.

Amazon 에서는 사용한 금액만 SageMaker지불합니다. 사용량에 따라 SageMaker 또는 기타 AWS 서비스 내의 기본 컴퓨팅 및 스토리지 리소스에 대한 비용을 지불합니다. 사용 비용에 대한 자세한 내용은 Amazon SageMaker 요금 섹션을 SageMaker참조하세요.