기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
에서 적합한 데이터 준비 도구를 선택하기 위한 권장 사항 SageMaker
기계 학습에서의 데이터 준비는 원시 데이터를 수집, 전처리 및 구성하여 분석 및 모델링에 적합하게 만드는 프로세스를 말합니다. 이 단계를 통해 데이터가 기계 학습 알고리즘이 효과적으로 학습할 수 있는 형식으로 작성됩니다. 데이터 준비 작업에는 누락된 값 처리, 이상값 제거, 특징 크기 조정, 범주형 변수 인코딩, 잠재적 편향 평가 및 편향 완화 조치 취하기, 데이터를 학습 및 테스트 세트로 분할, 레이블 지정, 후속 기계 학습 작업을 위해 데이터의 품질과 유용성을 최적화하는 데 필요한 기타 변환 등이 포함될 수 있습니다.
기능을 선택하세요.
Amazon을 통한 데이터 준비에는 세 가지 주요 사용 사례가 SageMaker 있습니다. 요구 사항에 맞는 사용 사례를 선택한 다음 해당하는 권장 기능을 참조하십시오.
사용 사례
다음은 Machine Learning을 위한 데이터 준비를 수행할 때의 주요 사용 사례입니다.
-
사용 사례 1: 시각적 인터페이스를 선호하는 사용자를 위해 point-and-click 환경을 통해 모델 학습용 기능을 탐색, 준비 및 엔지니어링할 수 있는 방법을 SageMaker 제공합니다.
-
사용 사례 2: 코딩에 익숙하고 데이터 준비에 대한 유연성과 제어력을 높이려는 사용자를 위해 탐색, 변환 및 기능 엔지니어링을 위한 도구를 코딩 환경에 SageMaker 통합합니다.
-
사용 사례 3: 확장 가능한 데이터 준비에 중점을 둔 사용자를 위해 빅 데이터의 분산 처리를 위해 Hadoop/Spark 에코시스템을 활용하는 서버리스 기능을 SageMaker 제공합니다.
권장 기능
다음 표에는 기계 학습을 위한 각 데이터 준비 사용 사례와 관련된 SageMaker 기능에 대한 주요 고려 사항 및 장단점이 요약되어 있습니다. 시작하려면 요구 사항에 맞는 사용 사례를 식별하고 권장 기능을 탐색하세요. SageMaker
사용 사례 1 | 사용 사례 2 | 사용 사례 3 | |
---|---|---|---|
SageMaker 기능 | Amazon Canvas의 데이터 랭글러 SageMaker | Studio에서 데이터를 준비하세요. SQL | EMR서버리스를 사용하여 데이터를 준비하십시오.스튜디오 내 애플리케이션 |
설명 | SageMaker Canvas는 머신 러닝 모델을 빌드, 교육 및 배포하기 위한 시각적인 로우코드 환경입니다. SageMaker 통합된 데이터 랭글러 도구를 사용하면 상호 작용을 통해 데이터 세트를 결합, 변환 및 정리할 수 있습니다. point-and-click | Studio의 SQL 확장 프로그램을 사용하면 Amazon Redshift, Snowflake, Athena 및 Amazon S3에 연결하여 임시 쿼리를 작성하고 노트북에서 결과를 SQL 미리 볼 수 있습니다. JupyterLab 이러한 쿼리의 출력은 다음을 사용하여 조작할 수 있습니다.Python 그리고 Pandas 추가 처리, 시각화 및 기계 학습 모델 개발에 사용할 수 있는 형식으로 변환할 수 있습니다. | EMR서버리스와 Amazon SageMaker Studio의 통합은 Apache Spark 및 Apache Hive와 같은 오픈 소스 프레임워크를 사용하여 기계 학습을 위한 대규모 데이터 준비를 위한 확장 가능한 서버리스 환경을 제공합니다. 사용자는 스튜디오 노트북에서 EMR 서버리스 애플리케이션 및 데이터에 직접 액세스하여 대규모로 데이터 준비 작업을 수행할 수 있습니다. |
다음에 최적화되었습니다. | 다음을 수행할 수 있는 시각적 인터페이스 사용
누락된 값 처리, 범주형 변수 인코딩, 데이터 변환 적용과 같은 표 형식 데이터 작업에 최적화되었습니다. |
Amazon Redshift, Snowflake, Athena 또는 Amazon S3에 있는 데이터를 보유하고 탐색적 데이터와 결합하려는 사용자에게 적합합니다. SQL Python 배울 필요 없이 데이터 분석 및 준비를 할 수 있습니다.Spark. | 의 기계 학습 기능을 활용하면서 Apache Spark를 중심으로 실행되는 단기 또는 간헐적 대화형 워크로드를 확장하기 위해 자동 리소스 프로비저닝 및 종료 기능이 있는 서버리스 환경을 선호하는 사용자에게 적합합니다. SageMaker |
고려 사항 |
|
|
|
권장 환경 | SageMaker 캔버스 사용 시작하기 | Studio 시작 | Studio 시작 |
추가 옵션
SageMaker 머신러닝 모델에 사용할 데이터를 준비하기 위한 다음과 같은 추가 옵션을 제공합니다.
-
Amazon EMR 클러스터를 사용하여 데이터 준비: 장기간 실행되고 계산 집약적인 대규모 데이터 처리 작업의 경우 Studio의 Amazon EMR 클러스터를 사용하는 것이 좋습니다. SageMaker Amazon EMR 클러스터는 대규모 병렬화를 처리하도록 설계되었으며 수백 또는 수천 개의 노드로 확장할 수 있으므로 Apache Spark, Hadoop, Hive 및 Presto와 같은 프레임워크가 필요한 빅 데이터 워크로드에 적합합니다. EMRAmazon과 SageMaker Studio를 통합하면 Amazon의 확장성과 성능을 활용하는 동시에 전체 ML 실험EMR, 모델 교육 및 배포를 Studio 환경 내에서 중앙 집중화하고 관리할 수 있습니다. SageMaker
-
글루 인터랙티브 세션을 사용하여 데이터 준비: 다음과 같은 Apache Spark 기반 서버리스 엔진을 사용할 수 있습니다. AWS Glue 대화형 세션을 통해 Studio에서 여러 소스의 데이터를 집계, 변환 및 준비할 수 있습니다. SageMaker
-
Amazon SageMaker Clarify 처리 작업을 사용하여 교육 데이터의 편향 식별: SageMaker Clarify는 데이터를 분석하고 여러 측면에서 잠재적 편향을 감지합니다. 예를 들어 Clarify API in Studio를 사용하여 교육 데이터에 성별, 인종, 연령과 같은 그룹 간의 불균형한 표현이나 레이블 지정 편향이 포함되어 있는지 탐지할 수 있습니다. Clarify를 사용하면 모델을 학습시키기 전에 이러한 편향을 식별하여 편향이 모델 예측에 전파되지 않도록 할 수 있습니다.
-
기능 생성, 저장 및 공유: Amazon SageMaker Feature Store는 기계 학습을 위해 큐레이션된 기능의 검색 및 재사용을 최적화합니다. 모델 학습을 위해 검색 및 검색할 수 있는 기능 데이터를 저장하는 중앙 집중식 리포지토리를 제공합니다. 기능을 표준화된 형식으로 저장하면 ML 프로젝트 전반에서 재사용할 수 있습니다. Feature Store는 확장 가능하고 관리되는 머신 러닝 기능 엔지니어링을 위한 계보 추적, 통계, 감사 추적 등 기능의 전체 라이프사이클을 관리합니다.
-
human-in-the-loop다음을 사용하여 데이터에 레이블을 지정합니다. SageMaker Ground Truth를 사용하여 교육 데이터세트의 데이터 레이블 지정 워크플로를 관리할 수 있습니다.
-
SageMaker 처리 사용 API: 탐색적 데이터 분석을 수행하고 데이터 변환 단계를 만든 후에는 SageMaker처리 작업을 사용하여 변환 코드를 생산하고 모델 구축 파이프라인을 사용하여 준비 워크플로를 자동화할 수 있습니다. SageMaker