기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon SageMaker Canvas를 사용하는 동안 자연어로 Amazon Q Developer와 채팅하여 생성형 AI를 활용하고 문제를 해결할 수 있습니다. Q Developer는 목표를 기계 학습(ML) 작업으로 변환하고 ML 워크플로의 각 단계를 설명하는 데 도움이 되는 어시스턴트입니다. Q Developer는 Canvas 사용자가 ML을 활용하고 조직을 위해 데이터 기반 결정을 내리는 데 필요한 시간, 노력 및 데이터 과학 전문 지식을 줄일 수 있도록 지원합니다.
Q Developer와의 대화를 통해 Canvas에서 데이터 준비, ML 모델 구축, 예측, 모델 배포와 같은 작업을 시작할 수 있습니다. Q Developer는 다음 단계를 제안하고 각 단계를 완료할 때 컨텍스트를 제공합니다. 또한 결과를 알려줍니다. 예를 들어 Canvas는 모범 사례에 따라 데이터 세트를 변환할 수 있으며 Q Developer는 사용된 변환과 그 이유를 나열할 수 있습니다.
Amazon Q Developer는 Amazon Q Developer Pro 티어 및 프리 티어 사용자 모두에게 추가 비용 없이 SageMaker Canvas에서 사용할 수 있습니다. 그러나 SageMaker Canvas 워크스페이스 인스턴스와 같은 리소스와 모델 구축 또는 배포에 사용되는 모든 리소스에는 표준 요금이 적용됩니다. 요금에 대한 자세한 내용은 Amazon SageMaker Canvas 요금을
Amazon Q의 사용은 MIT의 0 라이선스
작동 방법
Amazon Q Developer는 자연어를 사용하여 쿼리할 수 있는 SageMaker Canvas에서 사용할 수 있는 생성형 AI 기반 어시스턴트입니다. Q Developer는 기계 학습 워크플로의 각 단계에 대해 개념을 설명하고 필요에 따라 옵션과 자세한 정보를 제공하여 제안을 합니다. Q Developer를 사용하여 회귀, 바이너리 분류 및 다중 클래스 분류 사용 사례에 도움을 받을 수 있습니다.
예를 들어 고객 이탈을 예측하려면 Q Developer를 통해 과거 고객 이탈 정보 데이터 세트를 Canvas에 업로드합니다. Q Developer는 데이터 세트 문제를 수정하고, 모델을 빌드하고, 예측하기 위한 적절한 ML 모델 유형 및 단계를 제안합니다.
중요
Amazon Q Developer는 SageMaker Canvas 내의 기계 학습 문제에 대한 대화를 위한 것입니다. Canvas 작업을 안내하고 선택적으로에 대한 질문에 답변합니다 AWS 서비스. Q Developer는 모델 입력을 영어로만 처리합니다. Q Developer를 사용하는 방법에 대한 자세한 내용은 Amazon Q Developer 사용 설명서의 Amazon Q Developer 기능을 참조하세요.
지원되는 리전
Amazon Q Developer는 AWS 리전 SageMaker Canvas 내에서 다음에서 사용할 수 있습니다.
미국 동부(버지니아 북부)
미국 동부(오하이오)
미국 서부(오레곤)
아시아 태평양(뭄바이)
아시아 태평양(서울)
아시아 태평양(싱가포르)
아시아 태평양(시드니)
아시아 태평양(도쿄)
유럽(프랑크푸르트)
유럽(아일랜드)
유럽(파리)
Canvas에서 사용 가능한 Amazon Q Developer 기능
다음 목록에는 Q Developer가 지원할 수 있는 Canvas 작업이 요약되어 있습니다.
-
목표 설명 - Q Developer는 문제를 해결하기 위해 ML 모델 유형과 일반적인 접근 방식을 제안할 수 있습니다.
-
데이터 세트 가져오기 및 분석 - 데이터 세트가 저장된 위치를 Q Developer에 알리거나 파일을 업로드하여 Canvas 데이터 세트로 저장합니다. Q Developer에 이상치 또는 누락된 값과 같은 데이터 세트의 문제를 식별하도록 요청합니다. Q Developer는 데이터 세트에 대한 요약 통계를 제공하고 식별된 문제를 나열합니다.
Q Developer는 개별 열에 대해 다음 통계에 대한 쿼리를 지원합니다.
숫자 열 -
number of valid values,feature type,mean,median,minimum,maximum,standard deviation,25th percentile,75th percentile,number of outliers범주형 열 -
number of missing values,number of valid values,feature type,most frequent,most frequent category,most frequent category count,least frequent,least frequent category,least frequent category count,categories
-
데이터 세트 문제 해결 - Q Developer에게 Canvas의 데이터 변환 기능을 사용하여 데이터 세트의 수정된 버전을 생성하도록 요청합니다. Canvas는 Data Wrangler 데이터 흐름을 생성하고 데이터 과학 모범 사례에 따라 변환을 적용합니다. 자세한 내용은 데이터 준비 단원을 참조하십시오.
Q Developer를 사용하여 수행할 수 있는 것보다 고급 데이터 분석 또는 데이터 준비 작업을 수행하려면 Data Wrangler 데이터 흐름 인터페이스로 이동하는 것이 좋습니다.
-
모델 훈련 - Q Developer는 문제에 권장되는 ML 모델 유형과 제안된 모델 구축 구성을 알려줍니다. 제안된 기본 설정을 사용하여 빠른 빌드를 수행하거나 구성을 수정하고 표준 빌드를 수행할 수 있습니다. 준비가 되면 Canvas 모델을 빌드하도록 Q Developer에 프롬프트를 표시합니다.
모든 사용자 지정 모델 유형이 지원됩니다. 모델 유형 및 빠른 빌드와 표준 빌드에 대한 자세한 내용은 섹션을 참조하세요사용자 지정 모델 작동 방식.
-
모델 정확도 평가 - 모델을 빌드한 후 Q Developer는 모델이 다양한 지표에서 점수를 매기는 방법에 대한 요약을 제공합니다. 이러한 지표는 모델의 유용성과 정확도를 결정하는 데 도움이 됩니다. Q Developer는 모든 개념 또는 지표를 자세히 설명할 수 있습니다.
전체 세부 정보 및 시각화를 보려면 Canvas의 채팅 또는 내 모델 페이지에서 모델을 엽니다. 자세한 내용은 모델 평가 단원을 참조하십시오.
-
새 데이터에 대한 예측 가져오기 - 새 데이터 세트를 업로드하고 Canvas의 예측 기능을 열 수 있도록 Q Developer에 프롬프트를 표시할 수 있습니다.
Q Developer는 애플리케이션에서 단일 예측을 수행하거나 새 데이터 세트를 사용하여 배치 예측을 수행할 수 있는 새 창을 엽니다. 자세한 내용은 사용자 지정 모델을 사용한 예측 단원을 참조하십시오.
-
모델 배포 - 프로덕션을 위해 모델을 배포하려면 Canvas를 통해 모델을 배포하는 데 도움이 되도록 Q Developer에 문의하세요. Q Developer는 배포를 구성할 수 있는 새 창을 엽니다.
배포 후 1) 모델의 배포 탭에 있는 Canvas의 내 모델 페이지에서 또는 2) 배포 탭에 있는 ML Ops 페이지에서 배포 세부 정보를 확인합니다. 자세한 내용은 엔드포인트에 모델 배포 단원을 참조하십시오.
사전 조건
Amazon Q Developer를 사용하여 SageMaker Canvas에서 ML 모델을 빌드하려면 다음 사전 조건을 완료하세요.
Canvas 애플리케이션 설정
Canvas 애플리케이션이 설정되어 있는지 확인합니다. Canvas 애플리케이션을 설정하는 방법에 대한 자세한 내용은 섹션을 참조하세요Amazon SageMaker Canvas 사용 시작하기.
Q Developer 권한 부여
Canvas를 사용하는 동안 Q Developer에 액세스하려면 SageMaker AI 도메인 또는 사용자 프로필에 사용되는 IAM 역할에 필요한 권한을 AWS 연결해야 합니다. 콘솔을 통해 또는 AWS 관리형 정책을 수동으로 연결하여이 작업을 수행할 수 있습니다.
도메인 수준에서 연결된 권한은 사용자 프로필 수준에서 개별 권한이 부여되거나 취소되지 않는 한 도메인의 모든 사용자 프로필에 적용됩니다.
SageMaker AI 도메인 또는 사용자 프로필 설정을 편집하여 권한을 부여할 수 있습니다.
SageMaker AI 콘솔의 도메인 설정을 통해 권한을 부여하려면 다음을 수행합니다.
-
https://console.aws.amazon.com/sagemaker/
Amazon SageMaker AI 콘솔을 엽니다. -
왼쪽 탐색 창에서 관리자 구성을 선택합니다.
-
관리자 구성에서 도메인을 선택합니다.
-
도메인 목록에서 사용자의 도메인을 선택합니다.
-
도메인 세부 정보 페이지에서 앱 구성 탭을 선택합니다.
-
Canvas 섹션에서 편집을 선택합니다.
-
캔버스 설정 편집 페이지에서 Amazon Q Developer 섹션으로 이동하여 다음을 수행합니다.
-
자연어 ML에 대해 SageMaker Canvas의 Amazon Q Developer 활성화를 켜서 도메인의 실행 역할에 Canvas의 Q Developer와 채팅할 수 있는 권한을 추가합니다.
-
(선택 사항) Q Developer에 다양한 AWS 질문(예: Athena 작동 방식 설명)을 하고 싶은 경우 일반적인 질문은 Amazon Q Developer 채팅 활성화를 켭니다. AWS 서비스
참고
Q Developer에 대한 일반 AWS 쿼리를 수행할 때 요청은 미국 동부(버지니아 북부)를 통해 라우팅됩니다 AWS 리전. 데이터가 미국 동부(버지니아 북부)를 통해 라우팅되지 않도록 하려면 일반적인 AWS 질문에 대해 Amazon Q Developer 채팅 활성화 토글을 끕니다.
-
(선택 사항) VPC에서 Q Developer에 대한 액세스 구성
퍼블릭 인터넷 액세스 없이 구성된 VPC가 있는 경우 Q Developer용 VPC 엔드포인트를 추가할 수 있습니다. 자세한 내용은 인터넷 액세스 없이 VPC에서 Amazon SageMaker Canvas 구성 단원을 참조하십시오.
시작
Amazon Q Developer를 사용하여 SageMaker Canvas에서 ML 모델을 빌드하려면 다음을 수행합니다.
-
SageMaker Canvas 애플리케이션을 엽니다.
-
왼쪽 탐색 창에서 Amazon Q를 선택합니다.
-
새 대화 시작을 선택하여 새 채팅을 엽니다.
새 채팅을 시작하면 Q Developer에서 문제를 설명하거나 데이터 세트를 제공하라는 메시지를 표시합니다.
데이터를 가져온 후 Q Developer에 데이터 세트에 대한 요약 통계를 제공하도록 요청하거나 특정 열에 대해 질문할 수 있습니다. Q Developer가 지원하는 다양한 통계 목록은 이전 섹션을 참조하세요Canvas에서 사용 가능한 Amazon Q Developer 기능. 다음 스크린샷은 데이터 세트 통계와 제품 범주 열에서 가장 빈번한 범주를 요청하는 예를 보여줍니다.
Q Developer는 변환된 데이터 세트 및 모델과 같이 대화 중에 가져오거나 생성하는 Canvas 아티팩트를 추적합니다. 채팅 또는 기타 Canvas 애플리케이션 탭에서 액세스할 수 있습니다. 예를 들어 Q Developer가 데이터 세트의 문제를 해결하는 경우 다음 위치에서 변환된 새 데이터 세트에 액세스할 수 있습니다.
-
Q Developer 채팅 인터페이스의 아티팩트 사이드바
-
원본 데이터세트와 변환된 데이터세트를 모두 볼 수 있는 Canvas의 데이터세트 페이지입니다. 변환된 데이터 세트에는 Build by Amazon Q 레이블이 추가되었습니다.
-
Canvas의 Data Wrangler 페이지, 여기서 Q Developer는 데이터 세트에 대한 새 데이터 흐름을 생성합니다.
다음 스크린샷은 채팅의 사이드바에 있는 원본 데이터 세트와 변환된 데이터 세트를 보여줍니다.
데이터가 준비되면 Q Developer에 Canvas 모델 구축을 도와 달라고 요청합니다. Q Developer는 몇 가지 필드를 확인하고 빌드 구성을 검토하라는 메시지를 표시할 수 있습니다. 기본 빌드 구성을 사용하는 경우 모델은 빠른 빌드를 사용하여 빌드됩니다. 사용된 알고리즘을 선택하거나 목표 지표를 변경하는 등 빌드 구성의 일부를 사용자 지정하려면 표준 빌드를 사용하여 모델을 빌드합니다.
다음 스크린샷은 몇 가지 프롬프트만으로 Canvas 모델 빌드를 시작하도록 Q Developer에 프롬프트를 표시하는 방법을 보여줍니다. 이 예제에서는 기본 구성을 사용하여 빠른 빌드를 시작합니다.
모델을 빌드한 후 채팅 또는 아티팩트 사이드바 메뉴에서 자연어를 사용하여 추가 작업을 수행할 수 있습니다. 예를 들어 모델 세부 정보 및 지표를 보거나 예측하거나 모델을 배포할 수 있습니다. 다음 스크린샷은 이러한 추가 옵션을 선택할 수 있는 사이드바를 보여줍니다.
Canvas의 내 모델 페이지로 이동하여 모델을 선택하여 이러한 작업을 수행할 수도 있습니다. 모델 페이지에서 분석, 예측 및 배포 탭으로 이동하여 각각 모델 지표 및 시각화를 보고, 예측하고, 배포를 관리할 수 있습니다.
