기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Pipelines
Amazon SageMaker Pipelines은 기계 학습(ML) 개발을 자동화하기 위해 특별히 설계된 워크플로 오케스트레이션 서비스입니다.
파이프라인은 다른 AWS 워크플로 제품에 비해 다음과 같은 이점을 제공합니다.
서버리스 인프라 오토 스케일링 Pipelines을 실행하기 위해 기본 오케스트레이션 인프라를 관리할 필요가 없으므로 핵심 ML 작업에 집중할 수 있습니다. SageMaker AI는 ML 워크로드 요구 사항에 따라 파이프라인 오케스트레이션 컴퓨팅 리소스를 자동으로 프로비저닝, 확장 및 종료합니다.
직관적인 사용자 경험 Pipelines은 시각적 편집기, SDK, API 또는 JSON 중 원하는 인터페이스를 통해 만들고 관리할 수 있습니다. 다양한 ML 단계를 드래그 앤 드롭하여 Amazon SageMaker Studio 시각적 인터페이스에서 파이프라인을 작성할 수 있습니다. 다음 스크린샷은 파이프라인용 Studio 시각적 편집기를 보여줍니다.
프로그래밍 방식으로 ML 워크플로를 관리하려는 경우 SageMaker Python SDK는 고급 오케스트레이션 기능을 제공합니다. 자세한 내용은 SageMaker Python SDK 설명서의 Amazon SageMaker Pipelines
AWS 통합 파이프라인은 모든 SageMaker AI 기능 및 기타 AWS 서비스와 원활하게 통합되어 데이터 처리, 모델 훈련, 미세 조정, 평가, 배포 및 모니터링 작업을 자동화합니다. Pipelines에 SageMaker AI 기능을 통합하고 딥 링크를 사용하여 이를 탐색하여 대규모로 ML 워크플로를 생성, 모니터링 및 디버깅할 수 있습니다.
비용 절감 파이프라인을 사용하면 SageMaker Studio 환경과 파이프라인에서 오케스트레이션한 기본 작업(예: SageMaker 훈련, SageMaker 처리, SageMaker AI 추론 및 Amazon S3 데이터 스토리지)에 대해서만 비용을 지불합니다.
감사 가능성 및 계보 추적 Pipelines을 사용하면 파이프라인 실행 내에서 데이터 기록을 추적할 수 있습니다. Amazon SageMaker ML Lineage Tracking을 사용하면 엔드투엔드 ML 개발 수명 주기에서 데이터 소스 및 데이터 소비자를 분석할 수 있습니다.
