게시된 날짜: Nov 28, 2018
이제 Amazon Sagemaker는 추론 파이프라인 배포를 지원하여 사용자는 원시 입력 데이터를 건너뛰고 실시간 및 배치 추론 요청에서 사전 처리, 예측 및 사후 처리를 수행할 수 있습니다. 또한, SageMaker는 Scikit-learn 및 Spark ML의 새로운 두 가지 machine learning 프레임워크도 지원합니다. 이를 통해 Amazon SageMaker의 새로운 SparkML 및 scikit-learn 프레임워크 컨테이너에서 사용할 수 있는 피처 변환기 제품군을 활용하여 편리하게 피처 사전 처리 파이프라인을 개발 및 배포할 수 있습니다. 또한, 이러한 새로운 기능으로 SparkML 및 Scikit-learn 코드를 1회 작성한 후 학습 및 추론에서 재활용할 수 있게 되어 사전 처리 단계에서의 일관성이 제공되고 machine learning 프로세스를 편리하게 관리할 수 있습니다.
일반적으로 데이터 정리 및 준비에 상당한 시간을 투자한 후 machine learning 모델의 학습이 시작됩니다. 추론의 경우에도 동일한 단계가 적용되어야 합니다. 이전에는 추론 요청을 위한 입력 데이터가 클라이언트 애플리케이션에서 필수 데이터 처리 및 피처 엔지니어링을 수행하도록 요청한 후 Amazon SageMaker로 전송되어 예측하거나 추론 컨테이너에 포함되었습니다. 새로운 추론 파이프라인을 활용하면 학습에서 사용되는 사전 처리 및 사후 처리 단계를 번들화하여 내보내고 추론 파이프라인의 일부로 배포하는 것이 가능합니다. 추론 엔진은 모든 machine learning 프레임워크, 내장 알고리즘 또는 Amazon SageMaker에서 사용할 수 있는 사용자 지정 컨테이너로 구성될 수 있습니다.
이러한 모든 개선 사항은 현재 Amazon SageMaker가 제공되는 모든 AWS 리전에서 사용할 수 있습니다. 자세한 내용은 설명서를 참조하십시오.