게시된 날짜: Oct 3, 2019
이제 AWS Step Functions가 Amazon SageMaker와 더 긴밀하게 통합됨에 따라 엔드 투 엔드 기계 학습 워크플로의 확장 및 배포를 자동화할 수 있게 되었습니다.
AWS Step Functions를 사용하면 AWS Glue, AWS Lambda, Amazon SageMaker 같은 AWS 서비스를 통해 복원력이 뛰어난 워크플로를 구축할 수 있습니다. Amazon SageMaker는 개발자 및 데이터 과학자가 기계 학습(ML) 모델을 쉽고 빠르게 구축, 교육 및 배포할 수 있도록 지원합니다. 이제 통합 수준이 향상됨에 따라 Amazon SageMaker 사용자는 서버리스 워크플로를 사용하여 기계 학습을 자동화할 수 있습니다. Step Functions 워크플로의 일부로, 이제 하이퍼파라미터 튜닝 및 사용자 지정 라벨링 작업을 수행하고 ML 모델을 작업에 배포할 수 있습니다. Step Functions를 Amazon SageMaker와 함께 활용하면 데이터 과학 팀의 생산성을 높이는 것은 물론, 프로덕션 환경에서 ML 파이프라인을 대규모로 운영할 수 있습니다.
시작하려면 train-model-transform 및 hyper-parameter 튜닝 워크플로를 구축한 후 첫 번째 ML 워크플로의 구축을 시작하는 방법이 설명된 원클릭 샘플 프로젝트를 참조하십시오.
AWS Step Functions가 제공되는 지역의 전체 목록은 AWS 지역을 참조하십시오. 자세한 내용은 다음을 참조하십시오.
- AWS Step Functions와 Amazon SageMaker 간의 통합을 위해 원클릭 샘플 프로젝트 배포
- AWS Step Functions 개발자 안내서의 Step Functions를 통해 Amazon SageMaker 작업 관리를 참조하십시오.