게시된 날짜: Dec 3, 2019
Amazon SageMaker Studio는 기계 학습 모델을 쉽게 구축, 교육, 디버깅, 배포 및 모니터링할 수 있게 지원하는 ML(기계 학습)을 위한 IDE(통합 개발 환경)입니다.
기계 학습 워크플로에는 많은 구성 요소가 있으며 이 중 대부분은 별도로 존재하는 자체 도구 세트와 함께 제공됩니다. 여러 도구와 사용자 인터페이스 사이를 전환하면 생산성이 저하되고 기계 학습 개발 속도가 느려집니다. Amazon SageMaker Studio는 실험에서 프로덕션으로 모델을 이전하고 생산성을 높이는 데 필요한 모든 도구에 대한 통합된 단일 인터페이스를 제공합니다.
AWS SSO에서 지원하는 Single Sign-On을 사용하여 Amazon SageMaker Studio에 쉽게 로그인할 수 있습니다. 그런 다음 Amazon SageMaker Autopilot을 사용하여 자동으로 데이터에서 모델을 생성하거나 새 SageMaker Notebooks(현재 평가판으로 제공)를 스핀업하여 몇 초만에 ML 모델과 알고리즘 구축을 시작할 수 있습니다. SageMaker Studio를 사용하면 노트북에서 쉽게 동료와 협업할 수 있습니다. 한 번의 클릭으로 모든 종속성 및 구성과 함께 캡처되는 노트북의 스냅샷에 대한 링크를 공유하여 분석과 결과를 재현할 수 있습니다. 다양한 모델 파라미터와 입력을 실험해보기 시작할 때 Amazon SageMaker Experiments에 SageMaker Studio의 시각적 인터페이스를 사용하여 쉽게 기계 학습 실험을 찾아보고, 추적하고, 비교하는 방식으로 증분 개선 사항과 가장 적합한 모델을 추적할 수 있습니다. SageMaker Studio는 또한 모델 교육 시 문제를 해결하고, 교육 시간을 최적화하고, 모델 품질을 개선할 수 있도록 Amazon SageMaker Debugger에서 제공하는 실시간 알림에 대한 액세스를 제공합니다. 모델이 배포되면 SageMaker Studio에서 Amazon SageMaker Model Monitor를 통해 감지된 드리프트를 모니터링하고, 시각화하고, 분석하여 예측 품질을 지속적으로 추적하고 개선할 수 있습니다.
Amazon SageMaker Studio는 오늘부터 미국 동부(오하이오) AWS 리전에서 추가 요금 없이 상용 버전으로 사용 가능하며 다른 리전에서도 곧 지원될 예정입니다. SageMaker Studio Notebooks는 평가판으로 제공되어 SageMaker Studio의 시각적 요소에 영향이 있을 수 있습니다. Amazon SageMaker Studio에 대해 자세히 알아보려면 여기에서 블로그를 읽어보시기 바랍니다. 빨리 시작하려면 설명서를 참조하십시오.