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.

프로젝트 리소스 보기

포커스 모드
프로젝트 리소스 보기 - 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.

프로젝트를 만든 후 Amazon SageMaker Studio Classic에서 프로젝트와 관련된 리소스를 확인하세요.

Studio
  1. Launch Amazon SageMaker Studio의 지침에 따라 SageMaker Studio 콘솔을 엽니다.

  2. 왼쪽 탐색 창에서 배포를 선택한 후 프로젝트를 선택합니다.

  3. 세부 정보를 보려는 프로젝트의 이름을 선택합니다. 프로젝트 세부 정보가 있는 페이지가 나타납니다.

프로젝트 세부 정보 페이지에서 다음 엔터티를 볼 수 있습니다. 프로젝트와 연결된 엔터티에 해당하는 다음 탭 중 원하는 것을 열 수 있습니다.

  • 리포지토리: 이 프로젝트와 관련된 코드 리포지토리입니다. 프로젝트를 생성할 때 SageMaker AI 제공 템플릿을 사용하면 AWS CodeCommit 리포지토리 또는 타사 Git 리포지토리가 생성됩니다. CodeCommit에 대한 자세한 내용은 정의 섹션을 참조하세요 AWS CodeCommit.

  • 파이프라인: 데이터 준비, 모델 훈련 및 배포 단계를 정의하는 SageMaker AI ML 파이프라인입니다. SageMaker AI ML 파이프라인에 대한 자세한 내용은 섹션을 참조하세요Pipelines 작업.

  • 실험: 프로젝트와 관련된 하나 이상의 Amazon SageMaker Autopilot 실험입니다. Autopilot에 대한 자세한 내용은 SageMaker Autopilot섹션을 참조하세요.

  • 모델 그룹: 프로젝트에서 파이프라인 실행을 통해 생성된 모델 버전 그룹입니다. 모델 그룹에 대한 자세한 내용은 모델 그룹 생성섹션을 참조하세요.

  • 엔드포인트: 실시간 추론을 위해 배포된 모델을 호스팅하는 SageMaker AI 엔드포인트입니다. 모델 버전이 승인되면 엔드포인트에 배포됩니다.

  • 태그: 프로젝트와 연결된 모든 태그입니다. 태그에 대한 자세한 내용은 AWS 일반 참조Tagging AWS resources를 참조하세요.

  • 메타데이터: 프로젝트와 연결된 메타데이터입니다. 여기에는 사용된 템플릿 및 버전과 템플릿 시작 경로가 포함됩니다.

Studio Classic
  1. Studio Classic에 로그인합니다. 자세한 내용은 Amazon SageMaker AI 도메인 개요 단원을 참조하십시오.

  2. Studio Classic 사이드바에서 아이콘( Black square icon representing a placeholder or empty image. )을 선택합니다.

  3. 메뉴에서 배포를 선택한 다음 프로젝트를 선택합니다.

  4. 세부 정보를 보려는 프로젝트의 이름을 선택합니다.

    프로젝트 세부 정보가 있는 탭이 나타납니다.

프로젝트 세부 정보 탭에서는 프로젝트와 관련된 다음 엔터티를 볼 수 있습니다.

  • 리포지토리: 이 프로젝트와 관련된 코드 리포지토리입니다. 프로젝트를 생성할 때 SageMaker AI 제공 템플릿을 사용하면 AWS CodeCommit 리포지토리 또는 타사 Git 리포지토리가 생성됩니다. CodeCommit에 대한 자세한 내용은 정의 섹션을 참조하세요 AWS CodeCommit.

  • 파이프라인: 데이터 준비, 모델 훈련 및 배포 단계를 정의하는 SageMaker AI ML 파이프라인입니다. SageMaker AI ML 파이프라인에 대한 자세한 내용은 섹션을 참조하세요Pipelines 작업.

  • 실험: 프로젝트와 관련된 하나 이상의 Amazon SageMaker Autopilot 실험입니다. Autopilot에 대한 자세한 내용은 SageMaker Autopilot섹션을 참조하세요.

  • 모델 그룹: 프로젝트에서 파이프라인 실행을 통해 생성된 모델 버전 그룹입니다. 모델 그룹에 대한 자세한 내용은 모델 그룹 생성섹션을 참조하세요.

  • 엔드포인트: 실시간 추론을 위해 배포된 모델을 호스팅하는 SageMaker AI 엔드포인트입니다. 모델 버전이 승인되면 엔드포인트에 배포됩니다.

  • 설정: 프로젝트 설정입니다. 여기에는 프로젝트의 이름과 설명, 프로젝트 템플릿 및 SourceModelPackageGroupName에 대한 정보, 프로젝트에 대한 메타데이터가 포함됩니다.

  1. Launch Amazon SageMaker Studio의 지침에 따라 SageMaker Studio 콘솔을 엽니다.

  2. 왼쪽 탐색 창에서 배포를 선택한 후 프로젝트를 선택합니다.

  3. 세부 정보를 보려는 프로젝트의 이름을 선택합니다. 프로젝트 세부 정보가 있는 페이지가 나타납니다.

프로젝트 세부 정보 페이지에서 다음 엔터티를 볼 수 있습니다. 프로젝트와 연결된 엔터티에 해당하는 다음 탭 중 원하는 것을 열 수 있습니다.

  • 리포지토리: 이 프로젝트와 관련된 코드 리포지토리입니다. 프로젝트를 생성할 때 SageMaker AI 제공 템플릿을 사용하면 AWS CodeCommit 리포지토리 또는 타사 Git 리포지토리가 생성됩니다. CodeCommit에 대한 자세한 내용은 정의 섹션을 참조하세요 AWS CodeCommit.

  • 파이프라인: 데이터 준비, 모델 훈련 및 배포 단계를 정의하는 SageMaker AI ML 파이프라인입니다. SageMaker AI ML 파이프라인에 대한 자세한 내용은 섹션을 참조하세요Pipelines 작업.

  • 실험: 프로젝트와 관련된 하나 이상의 Amazon SageMaker Autopilot 실험입니다. Autopilot에 대한 자세한 내용은 SageMaker Autopilot섹션을 참조하세요.

  • 모델 그룹: 프로젝트에서 파이프라인 실행을 통해 생성된 모델 버전 그룹입니다. 모델 그룹에 대한 자세한 내용은 모델 그룹 생성섹션을 참조하세요.

  • 엔드포인트: 실시간 추론을 위해 배포된 모델을 호스팅하는 SageMaker AI 엔드포인트입니다. 모델 버전이 승인되면 엔드포인트에 배포됩니다.

  • 태그: 프로젝트와 연결된 모든 태그입니다. 태그에 대한 자세한 내용은 AWS 일반 참조Tagging AWS resources를 참조하세요.

  • 메타데이터: 프로젝트와 연결된 메타데이터입니다. 여기에는 사용된 템플릿 및 버전과 템플릿 시작 경로가 포함됩니다.

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