Amazon에서 제공하는 기계 학습 환경 SageMaker - Amazon SageMaker

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

Amazon에서 제공하는 기계 학습 환경 SageMaker

중요

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

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

도메인이 2023년 11월 30일 이전에 생성된 경우 Amazon SageMaker Studio Classic이 기본 환경입니다. Amazon Studio Classic이 기본 환경인 경우 SageMaker Studio를 사용하려면 섹션을 참조하세요Amazon SageMaker Studio Classic에서 마이그레이션.

Amazon SageMaker Studio Classic에서 Amazon SageMaker Studio로 마이그레이션해도 기능 가용성이 손실되지 않습니다. Studio Classic은 레거시 기계 학습 워크플로를 실행하는 데 도움이 되는 Amazon SageMaker Studio IDE 내에 로도 존재합니다.

SageMaker 는 다음과 같은 기계 학습 환경을 지원합니다.

  • Amazon SageMaker Studio(권장): 제품군으로 ML 워크플로를 실행하기 위한 최신 웹 기반 환경입니다IDEs. Studio는 다음 애플리케이션을 지원합니다.

    • Amazon SageMaker Studio Classic

    • Code Editor, Code-OSS, Visual Studio Code - 오픈 소스 기반

    • JupyterLab

    • Amazon SageMaker Canvas

    • RStudio

  • Amazon SageMaker Studio Classic : 기계 학습 모델을 빌드, 훈련, 디버깅, 배포 및 모니터링할 수 있습니다.

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

  • Amazon SageMaker Studio Lab : Studio Lab은 오픈 소스 기반 환경에서 AWS 계정 JupyterLab없이 AWS 컴퓨팅 리소스에 액세스할 수 있는 무료 서비스입니다.

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

  • Amazon SageMaker 지리 공간 : 지리 공간 모델을 빌드, 훈련 및 배포할 수 있는 기능을 제공합니다.

  • RStudio Amazon SageMaker의 : RStudio는 콘솔, 직접 코드 실행을 지원하는 구문 강조 편집기, 플로팅, 기록, 디버깅 및 워크스페이스 관리를 위한 도구를 갖춘 RIDE용 입니다. https://aws.amazon.com/blogs/opensource/getting-started-with-r-on-amazon-web-services/

  • SageMaker HyperPod:머신 러닝(ML) 워크로드를 실행하고 대규모 언어 모델(LLMs), 확산 모델 및 파운데이션 모델()과 같은 모델을 개발 state-of-the-art하기 위한 탄력적 클러스터를 프로비저닝할 수 SageMaker HyperPod 있습니다FMs.

이러한 기계 학습 환경을 사용하려면 사용자 또는 조직의 관리자가 Amazon SageMaker 도메인을 생성해야 합니다. 예외는 Studio Lab, SageMaker Notebook Instances 및 입니다 SageMaker HyperPod.

리소스를 수동으로 프로비저닝하고 자신과 사용자의 권한을 관리하는 대신 Amazon DataZone 도메인을 생성할 수 있습니다. Amazon DataZone 도메인을 생성하는 프로세스는 ETL 워크플로에 대해 AWS Glue 또는 Amazon Redshift 데이터베이스를 사용하여 해당 Amazon SageMaker 도메인을 생성합니다. Amazon을 통해 도메인을 설정하면 사용자의 환경을 설정하는 SageMaker 데 걸리는 시간이 DataZone 줄어듭니다. Amazon 내에서 Amazon SageMaker 도메인을 설정하는 방법에 대한 자세한 내용은 섹션을 DataZone참조하세요 SageMaker 자산 설정(관리자 안내서).

Amazon DataZone 도메인 내의 사용자는 모든 Amazon SageMaker 작업에 대한 권한을 갖지만, 해당 권한은 Amazon DataZone 도메인 내의 리소스로 범위가 제한됩니다.

Amazon DataZone 도메인을 생성하면 사용자가 서로 데이터 및 모델을 공유할 수 있는 도메인 생성을 간소화할 수 있습니다. 데이터 및 모델을 공유하는 방법에 대한 자세한 내용은 섹션을 참조하세요Amazon SageMaker Assets를 사용하여 자산에 대한 액세스 제어.

주제