게시된 날짜: Aug 4, 2020
이제 AWS Step Functions를 이용하여 생성한 기계 학습 워크플로에 Amazon SageMaker Processing을 추가할 수 있으며 SageMaker 서비스에서 나가지 않고 기계 학습에 데이터 처리 및 컴퓨팅 단계를 구축할 수 있습니다.
AWS Step Functions를 사용하면 Amazon DynamoDB, AWS Lambda, Amazon SageMaker 같은 AWS 서비스를 통해 복원력이 뛰어난 워크플로를 구축할 수 있습니다. Amazon SageMaker는 개발자 및 데이터 사이언티스트가 기계 학습(ML) 모델을 쉽고 빠르게 구축, 훈련 및 배포할 수 있도록 지원합니다. 이제 SageMaker Processing이 Step Functions에 통합되어 데이터 사전 처리, 사후 처리, 기능 엔지니어링, 데이터 검증, Amazon SageMaker에서의 모델 평가를 포함한 엔드투엔드 기계 학습 워크플로 조율이 가능합니다.
이제 Amazon SageMaker Processing과 함께 Step Functions Data Science SDK를 이용하여 엔드투엔드 기계 학습 워크플로를 생성하고 시각화할 수 있습니다. 워크플로는 Python으로 구축할 수 있고 Jupyter Notebooks에서 시각화할 수 있습니다. 데이터 사이언티스트는 기계 학습 파이프라인을 작성 및 반복하여 엔지니어링 팀이 워크플로를 생산에 투입하기 위해 사용할 수 있으며 MLOps 사용 사례를 지원하는 CloudFormation 템플릿을 작성할 수 있습니다.
AWS Step Functions의 Amazon SageMaker Processing 지원은 Step Functions 및 SageMaker Processing이 제공되는 모든 리전에서 이용할 수 있습니다. 자세한 내용은 AWS 리전 표를 참조하십시오. Amazon SageMaker Processing에 대한 자세한 내용은 블로그 게시물을 참조하고 SageMaker 개발자 안내서, Step Functions 개발자 안내서를 읽어주시고 Step Functions 샘플 프로젝트를 사용해보시기 바랍니다.