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

# Jupyter 노트북 예제를 사용한 MLflow 자습서
<a name="mlflow-tutorials"></a>

다음 자습서에서는 MLflow 실험을 훈련 워크플로에 통합하는 방법을 보여줍니다. 노트북 자습서에서 생성된 리소스를 정리하는 방법은 [MLflow 리소스 정리](mlflow-cleanup.md)에서 확인하세요.

Studio에서 JupyterLab을 사용하여 SageMaker AI 예시 노트북을 실행할 수 있습니다. JupyterLab에 대한 자세한 내용은 [JupyterLab 사용 설명서](studio-updated-jl-user-guide.md)에서 참조하세요.

다음 예제 노트북을 살펴보세요.
+ [MLflow를 사용한 SageMaker 훈련](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-mlflow/sagemaker_training_mlflow.html) - 스크립트 모드에서 SageMaker AI를 사용하여 Scikit-Learn 모델을 훈련하고 등록합니다. MLflow 실험을 훈련 스크립트에 통합하는 방법을 알아봅니다. 모델 훈련에 대한 자세한 내용은 [Train a Model with Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/how-it-works-training.html)를 참조하세요.
+ [MLflow가 포함된 SageMaker AI HPO](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-mlflow/sagemaker_hpo_mlflow.html) - Amazon SageMaker AI 자동 모델 튜닝(AMT) 및 SageMaker AI Python SDK를 사용하여 MLflow에서 ML 실험을 추적하는 방법을 알아봅니다. 각 훈련 반복은 동일한 실험 내에서 실행으로 기록됩니다. 하이퍼파라미터 최적화(HPO)에 대한 자세한 내용은 [Perform Automatic Model Tuning with Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/automatic-model-tuning.html)를 참조하세요.
+ [MLflow가 포함된 SageMaker 파이프라인 ](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-mlflow/sagemaker_pipelines_mlflow.html)- Amazon SageMaker 파이프라인 및 MLflow를 사용하여 모델을 훈련, 평가 및 등록합니다. 이 노트북은 `@step` 데코레이터를 사용하여 SageMaker AI 파이프라인을 구축합니다. 파이프라인 및 `@step` 데코레이터에 대한 자세한 내용은 [`@step` 데코레이션 함수를 사용하여 파이프라인 생성](https://docs.aws.amazon.com/sagemaker/latest/dg/pipelines-step-decorator-create-pipeline.html)을 참조하세요.
+ [MLflow 모델을 SageMaker AI에 배포](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-mlflow/sagemaker_deployment_mlflow.html) - SciKit-Learn을 사용하여 의사결정 트리 모델을 훈련합니다. 그런 다음 Amazon SageMaker AI `ModelBuilder`를 사용하여 모델을 SageMaker AI 엔드포인트에 배포하고 배포된 모델을 사용하여 추론을 실행합니다. `ModelBuilder`에 대한 자세한 정보는 [`ModelBuilder`를 사용하여 MLflow 모델 배포](mlflow-track-experiments-model-deployment.md) 섹션을 참조하세요.