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.

계보 추적 엔터티

포커스 모드
계보 추적 엔터티 - 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.

추적 엔터티는 엔드 투 엔드 기계 학습 워크플로의 모든 요소를 나타냅니다. 이 표현을 사용하여 모델 거버넌스를 설정하고, 워크플로를 재현하고, 작업 기록을 유지할 수 있습니다.

Amazon SageMaker AI는 처리 작업, 훈련 작업, 배치 변환 작업과 같은 SageMaker AI 작업을 생성할 때 시도 구성 요소 및 관련 시도 및 실험에 대한 추적 엔터티를 자동으로 생성합니다. 자동 추적 외에도 추적 엔터티 수동 생성을 통해 워크플로의 사용자 지정 단계를 모델링할 수 있습니다. 자세한 내용은 Studio Classic의 Amazon SageMaker Experiments 단원을 참조하십시오.

또한 SageMaker AI는 워크플로의 다른 단계에 대한 추적 엔터티를 자동으로 생성하므로 워크플로를 처음부터 끝까지 추적할 수 있습니다. 자세한 내용은 Amazon SageMaker AI 생성 추적 엔터티 단원을 참조하십시오.

추가 엔터티를 생성하여 SageMaker AI에서 생성한 엔터티를 보완할 수 있습니다. 자세한 내용은 추적 엔터티 수동 생성 단원을 참조하십시오.

SageMaker AI는 새 엔터티를 생성하는 대신 기존 엔터티를 재사용합니다. 예를 들어 고유한 SourceUri가 있는 아티팩트는 하나일 수 있습니다.

계보 쿼리의 주요 개념
  • 계보 - ML 워크플로의 다양한 엔터티 간 관계를 추적하는 메타데이터입니다.

  • 계보 쿼리 - 계보를 검사하고 엔터티 간 관계를 발견하는 작업입니다.

  • 계보 엔터티 - 계보를 구성하는 메타데이터 요소입니다.

  • 교차 계정 계보 - ML 워크플로는 두 개 이상의 계정에 걸쳐 있을 수 있습니다. 교차 계정 계보를 사용하면 공유 엔터티 리소스 간에 계보 연결을 자동으로 생성하도록 여러 계정을 구성할 수 있습니다. 그러면 계보 쿼리는 이러한 공유 계정에서도 엔터티를 반환할 수 있습니다.

다음과 같은 추적 엔터티가 정의됩니다.

실험 엔터티
  • 시험 구성 요소 - 기계 학습 시험의 한 단계입니다. 처리 작업, 훈련 작업 및 배치 변환 작업이 포함됩니다.

  • 시험 - 일반적으로 모델을 생성하는 시험 구성 요소의 조합입니다.

  • 실험 - 일반적으로 특정 사용 사례를 해결하는 데 초점을 맞춘 시험 그룹입니다.

계보 엔터티
  • 시험 구성 요소 - 계보의 처리, 훈련 및 변환 작업을 나타냅니다. 또한 실험 관리의 일부이기도 합니다.

  • 컨텍스트 - 다른 추적 또는 실험 엔터티를 논리적으로 그룹화합니다. 개념적으로 보면 실험과 시험은 컨텍스트입니다. 엔드포인트와 모델 패키지를 예로 들 수 있습니다.

  • 작업 - 작업 또는 활동을 나타냅니다. 일반적으로 작업에는 하나 이상의 입력 아티팩트 또는 출력 아티팩트가 포함됩니다. 몇 가지 예로는 워크플로 단계와 모델 배포가 있습니다.

  • 아티팩트 - URI 주소 지정이 가능한 객체 또는 데이터를 나타냅니다. 아티팩트는 일반적으로 시험 구성 요소나 작업에 대한 입력 또는 출력입니다. 일부 예시로는 데이터세트(S3 버킷 URI) 또는 이미지(Amazon ECR 레지스트리 경로)가 있습니다.

  • 연결 - 다른 추적 또는 실험 엔터티(예: 훈련 데이터 위치와 훈련 작업 간의 연결)를 연결합니다.

    연결에는 선택적 AssociationType속성이 있습니다. 각 유형의 권장 용도와 함께 다음 값을 사용할 수 있습니다. SageMaker AI는 사용에 제한을 두지 않습니다.

    • ContributedTo - 소스가 대상에 기여했거나 대상을 활성화하는 데 기여했습니다. 예를 들어, 훈련 데이터가 훈련 작업에 기여했습니다.

    • AssociatedWith - 소스가 대상에 연결되어 있습니다. 예를 들어, 승인 워크플로는 모델 배포와 연결됩니다.

    • DerivedFrom - 대상은 소스 수정입니다. 예를 들어, 처리 작업에 대한 채널 입력의 다이제스트 출력은 원래 입력에서 파생됩니다.

    • Produced - 소스가 대상을 생성했습니다. 예를 들어, 훈련 작업에서 모델 아티팩트가 생성되었습니다.

    • SameAs - 동일한 계보 엔터티가 서로 다른 계정에서 사용된 경우입니다.

공통 속성

  • 유형 속성

    작업, 아티팩트 및 컨텍스트 엔터티에는 각각 유형 속성, ActionType, ArtifactType, ContextType이 있습니다. 이 속성은 의미 있는 정보를 엔터티와 연결하고 List API에서 필터로 사용할 수 있는 사용자 지정 문자열입니다.

  • 소스 속성

    작업, 아티팩트 및 컨텍스트 엔터티에는 Source속성이 있습니다. 이 속성은 엔터티가 나타내는 기본 URI를 제공합니다. 다음은 몇 가지 예시입니다.

    • 소스가 EndpointArnUpdateEndpoint작업입니다.

    • 소스가 ImageUri인 처리 작업의 이미지 아티팩트입니다.

    • 소스가 EndpointArnEndpoint컨텍스트입니다.

  • 메타데이터 속성

    작업 및 아티팩트 엔터티에는 다음 정보를 제공할 수 있는 선택적 Metadata속성이 있습니다.

    • ProjectId - 예를 들어 모델이 속한 SageMaker AI MLOps 프로젝트의 ID입니다.

    • GeneratedBy - 모델 패키지 버전을 등록한 SageMaker AI 파이프라인 실행을 예로 들 수 있습니다.

    • Repository - 알고리즘이 포함된 리포지토리를 예로 들 수 있습니다.

    • CommitId - 알고리즘 버전의 커밋 ID를 예로 들 수 있습니다.

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