쿠키 기본 설정 선택

당사는 사이트와 서비스를 제공하는 데 필요한 필수 쿠키 및 유사한 도구를 사용합니다. 고객이 사이트를 어떻게 사용하는지 파악하고 개선할 수 있도록 성능 쿠키를 사용해 익명의 통계를 수집합니다. 필수 쿠키는 비활성화할 수 없지만 '사용자 지정' 또는 ‘거부’를 클릭하여 성능 쿠키를 거부할 수 있습니다.

사용자가 동의하는 경우 AWS와 승인된 제3자도 쿠키를 사용하여 유용한 사이트 기능을 제공하고, 사용자의 기본 설정을 기억하고, 관련 광고를 비롯한 관련 콘텐츠를 표시합니다. 필수가 아닌 모든 쿠키를 수락하거나 거부하려면 ‘수락’ 또는 ‘거부’를 클릭하세요. 더 자세한 내용을 선택하려면 ‘사용자 정의’를 클릭하세요.

Amazon SageMaker AI의 데이터 프라이버시

포커스 모드
Amazon SageMaker AI의 데이터 프라이버시 - Amazon SageMaker AI

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

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

Amazon SageMaker AI는 훈련 중에 사용되는 AWS소유 및 오픈 소스 라이브러리 사용에 대한 집계 정보를 수집합니다. SageMaker AI는이 집계 메타데이터를 사용하여 서비스와 고객 경험을 개선합니다.

다음 섹션에서는 SageMaker AI가 수집하는 메타데이터 유형과 메타데이터 수집을 옵트아웃하는 방법에 대한 설명을 제공합니다.

수집되는 정보의 유형

사용 정보

분산 훈련, 컴파일 및 양자화에 사용되는 라이브러리와 같이 SageMaker 훈련에 사용되는 AWS소유 및 오픈 소스 라이브러리의 메타데이터입니다.

오류

SageMaker 훈련 플랫폼과의 상호 작용으로 인한 장애, 충돌, 캐스케이드를 포함한 예상치 못한 동작으로 인한 오류입니다.

메타데이터 수집을 옵트아웃하는 방법

CreateTrainingJob API를 사용하여 훈련 작업을 만들 때 집계된 메타데이터를 SageMaker 훈련과 공유하지 않도록 옵트아웃할 수 있습니다. 콘솔을 사용하여 훈련 작업을 만드는 경우 메타데이터 수집은 기본적으로 비활성화됩니다.

중요

제출하는 각 훈련 작업에 대한 메타데이터 수집을 옵트아웃하도록 선택해야 합니다. 또한 다음 예시와 같이 API 직접 호출에서 옵트아웃하도록 선택해야 합니다. 훈련 스크립트 내에서는 옵트아웃을 선택할 수 없습니다.

다음 섹션에서는 AWS CLI AWS SDK for Python (Boto3), 또는 SageMaker Python SDK를 사용하여 메타데이터 수집을 옵트아웃하는 방법을 보여줍니다.

AWS Command Line Interface (AWS CLI)를 사용하여 메타데이터 수집 옵트아웃

를 사용하여 메타데이터 수집을 옵트아웃하려면 다음 코드 예제와 같이 환경 변수를 create-training-job API1에서 OPT_OUT_TRACKING로 AWS CLI설정합니다.

aws sagemaker create-training-job \ --training-job-name your_job_name \ --algorithm-specification AlgorithmName=your_algorithm_name\ --output-data-config S3OutputPath=s3://bucket-name/key-name-prefix \ --resource-config InstanceType=ml.c5.xlarge, InstanceCount=1 \ --stopping-condition MaxRuntimeInSeconds=100 \ --environment OPT_OUT_TRACKING=1

를 사용하여 메타데이터 수집 옵트아웃 AWS SDK for Python (Boto3)

SDK for Python(Boto3)을 사용하여 메타데이터 수집을 옵트아웃하려면 다음 코드 예시와 같이 create_training_job API에서 환경 변수 OPT_OUT_TRACKING1로 설정합니다.

boto3.client('sagemaker').create_training_job( TrainingJobName='your_training_job', AlgorithmSpecification={ 'AlgorithmName': 'your_algorithm_name', 'TrainingInputMode': 'File', }, RoleArn='your_arn', OutputDataConfig={ 'S3OutputPath': 's3://bucket-name/key-name-prefix', }, ResourceConfig={ 'InstanceType': 'ml.m4.xlarge', 'InstanceCount': 1, 'VolumeSizeInGB': 123, }, StoppingCondition={ 'MaxRuntimeInSeconds': 123, }, Environment={ 'OPT_OUT_TRACKING': '1' }, )

SageMaker Python SDK를 사용하여 메타데이터 수집 옵트아웃

SageMaker Python SDK를 사용하여 메타데이터 수집을 옵트아웃하려면 다음 코드 예제와 같이 환경 변수를 SageMaker AI 예측기 OPT_OUT_TRACKING 1 내부로 설정합니다.

sagemaker.estimator( image_uri='path_to_container', role='rolearn', instance_count=1, instance_type='ml.c5.xlarge', environment={ 'OPT_OUT_TRACKING': '1' }, )

계정 전체에서 메타데이터 수집 옵트아웃

여러 계정을 메타데이터 수집을 옵트아웃하려면 계정 전체 추적에서 옵트아웃하도록 환경 변수를 설정할 수 있습니다. 계정 수준에서 메타데이터 수집을 옵트아웃하려면 SageMaker AI Python SDK를 사용해야 합니다.

다음 코드 예시는 계정 전체 추적을 옵트아웃하는 방법을 보여줍니다.

SchemaVersion: '1.0' SageMaker: TrainingJob: Environment: 'OPT_OUT_TRACKING': '1'

계정 전체 추적을 옵트아웃하는 방법에 대한 자세한 내용은 Configuring and using defaults with the SageMaker Python SDK를 참조하세요.

추가 정보

다운스트림 서비스가 SageMaker AI 훈련에 의존하는 경우

SageMaker 훈련에 의존하는 서비스를 운영하는 경우 고객에게 SageMaker 훈련 플랫폼의 집계 메타데이터 수집에 대해 알리고 옵트아웃할 수 있는 선택권을 제시하는 것이 좋습니다. 또는 고객을 대신하여 메타데이터 수집을 옵트아웃할 수 있습니다.

SageMaker AI 훈련을 사용하는 서비스의 클라이언트 또는 고객인 경우

SageMaker 훈련을 사용하는 서비스의 클라이언트 또는 고객인 경우 이전 섹션에서 선호하는 방법을 사용하여 메타데이터 수집을 옵트아웃합니다.

이 페이지에서

프라이버시사이트 이용 약관쿠키 기본 설정
© 2025, Amazon Web Services, Inc. 또는 계열사. All rights reserved.