게시된 날짜: May 25, 2021
기계 학습(ML)을 위한 최초의 특수 목적용 CI/CD(Continuous Integration and Continuous Delivery) 서비스인 Amazon SageMaker Pipelines는 이제 고객이 ML 실험을 구성, 추적, 비교 및 평가할 수 있는 기능인 SageMaker Experiments와 통합되었습니다. 이제 고객은 ML 모델 훈련 실험의 여러 시행에서 이러한 지표를 비교하는 것만큼 쉽게 SageMaker Pipelines의 여러 실행에서 모델 훈련 정확도와 같은 지표를 비교할 수 있습니다. SageMaker Pipelines는 자동으로 파이프라인 이름의 실험 및 파이프라인의 모든 실행에 대한 실험 시행을 생성합니다. 파이프라인의 실험 생성과 모든 파이프라인 실행의 시행 생성이 기본적으로 설정되어 있습니다. 자동 생성을 옵트 아웃할 수 있습니다.
또한 고객은 이제 SageMaker Experiments Python SDK를 사용하여 Receiver Operating Characteristic(ROC) 지표, Precision-recall(PR) 지표, 혼동 행렬 및 표 형식 데이터를 SageMaker 훈련 작업에 기록할 수 있습니다. 이제 ROC 곡선, PR 곡선 및 혼동 행렬의 해당 플롯을 SageMaker Pipeline 노드 검사기에서 볼 수 있습니다.
이 기능은 Amazon SageMaker가 제공되는 모든 AWS 리전에서 사용 가능합니다. 자세한 내용은 설명서 페이지를 참조하세요.