Amazon에서 제공하는 기계 학습 환경 사용 SageMaker - 아마존 SageMaker

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

Amazon에서 제공하는 기계 학습 환경 사용 SageMaker

중요

Amazon SageMaker Studio와 Amazon SageMaker Studio Classic은 상호 작용하는 데 사용할 수 있는 두 가지 기계 학습 SageMaker 환경입니다.

도메인이 2023년 11월 30일 이후에 생성된 경우 Studio가 기본 환경입니다.

도메인이 2023년 11월 30일 이전에 생성된 경우 Amazon SageMaker 스튜디오 클래식이 기본 환경입니다. Amazon SageMaker Studio Classic이 기본 환경인 경우 Studio를 사용하려면 을 참조하십시오Amazon SageMaker 스튜디오 클래식에서 마이그레이션하기.

Amazon SageMaker Studio Classic에서 Amazon SageMaker Studio로 마이그레이션해도 기능 가용성은 손실되지 않습니다. 또한 Studio Classic은 Amazon SageMaker Studio IDE 내에 있어 기존 기계 학습 워크플로를 실행하는 데 도움이 됩니다.

SageMaker 다음과 같은 기계 학습 환경을 지원합니다.

  • Amazon SageMaker Studio (권장): 제품군을 사용하여 ML 워크플로를 실행하기 위한 최신 웹 기반 환경입니다. IDEs Studio는 다음 애플리케이션을 지원합니다.

    • 아마존 SageMaker 스튜디오 클래식

    • 코드 기반 코드 편집기OSS, 비주얼 스튜디오 코드 - 오픈 소스

    • JupyterLab

    • 아마존 SageMaker 캔버스

    • RStudio

  • Amazon SageMaker Studio Classic: 기계 학습 모델을 구축, 교육, 디버그, 배포 및 모니터링할 수 있습니다.

  • Amazon SageMaker Notebook 인스턴스: Jupyter Notebook 애플리케이션을 실행하는 컴퓨팅 인스턴스에서 데이터를 준비 및 처리하고 기계 학습 모델을 교육 및 배포할 수 있습니다.

  • Amazon SageMaker Studio Lab: 스튜디오 랩은 다음과 같은 액세스를 제공하는 무료 서비스입니다. AWS 오픈 소스 JupyterLab 기반 환경에서 별도의 필요 없이 리소스를 컴퓨팅할 수 있습니다. AWS 계정.

  • Amazon SageMaker Canvas: 코딩할 필요 없이 기계 학습을 사용하여 예측을 생성할 수 있는 기능을 제공합니다.

  • Amazon SageMaker 지리공간: 지리공간 모델을 구축, 교육 및 배포할 수 있는 기능을 제공합니다.

  • RStudioon Amazon SageMaker: RStudio IDE R용 프로그램으로, 콘솔, 코드 직접 실행을 지원하는 구문 강조 편집기, 플로팅, 기록, 디버깅 및 작업 공간 관리를 위한 도구가 포함되어 있습니다.

  • SageMaker HyperPod: SageMaker HyperPod 기계 학습 (ML) 워크로드를 실행하고 대규모 언어 모델 (), 확산 모델, 기반 모델 (LLMs) 과 같은 state-of-the-art 모델을 개발하는 데 사용할 복원력이 뛰어난 클러스터를 프로비저닝할 수 있습니다. FMs

이러한 기계 학습 환경을 사용하려면 사용자 또는 조직의 관리자가 Amazon SageMaker 도메인을 생성해야 합니다. 스튜디오 랩, SageMaker 노트북 인스턴스 등은 예외입니다. SageMaker HyperPod

리소스를 수동으로 프로비저닝하고 자신과 사용자의 권한을 관리하는 대신 Amazon DataZone 도메인을 생성할 수 있습니다. Amazon DataZone 도메인을 생성하는 과정에서 다음과 같은 해당 Amazon SageMaker 도메인이 생성됩니다. AWS Glue 또는 워크플로를 위한 Amazon ETL Redshift 데이터베이스. Amazon을 통해 도메인을 설정하면 사용자를 위한 SageMaker 환경을 설정하는 데 걸리는 시간이 DataZone 줄어듭니다. Amazon 내에서 Amazon SageMaker DataZone 도메인을 설정하는 방법에 대한 자세한 내용은 을 참조하십시오 SageMaker 에셋 설정 (관리자 가이드).

Amazon DataZone 도메인 내의 사용자는 모든 Amazon SageMaker 작업에 대한 권한을 갖지만 사용 권한의 범위는 Amazon DataZone 도메인 내의 리소스로 제한됩니다.

Amazon DataZone 도메인을 생성하면 사용자가 데이터와 모델을 서로 공유할 수 있는 도메인을 쉽게 생성할 수 있습니다. 데이터 및 모델을 공유하는 방법에 대한 자세한 내용은 을 참조하십시오Amazon SageMaker Assets로 자산 생성 및 공유.

주제