Amazon SageMaker 출시 – 기계 학습 가속화
게시된 날짜:
2023년 10월 19일
오늘 AWS 시크릿 리전에서 Amazon SageMaker를 출시했습니다. Amazon SageMaker는 데이터 과학자, 개발자, 기계 학습 전문가가 대규모 기계 학습 모델을 빠르게 구축, 훈련, 배포할 수 있도록 지원하는 엔드 투 엔드 완전관리형 기계 학습 서비스입니다. 이 서비스를 사용하면 모든 기계 학습 작업의 속도를 비약적으로 높이고 프로덕션 애플리케이션에 기계 학습을 빠르게 적용할 수 있습니다.
이번 출시에서는 Amazon SageMaker의 5가지 주요 구성 요소를 제공합니다.
- 작성: 데이터 탐색, 정리, 사전 처리를 위한 Jupyter Notebook IDE를 설정 없이 바로 사용할 수 있습니다. 일반 인스턴스 유형 또는 GPU 기반 인스턴스에서 실행할 수 있습니다.
- 모델 훈련: 분산 모델 구축, 훈련, 검증 서비스입니다. 기본 제공되는 일반적인 지도 및 비지도 학습 알고리즘과 프레임워크를 사용하거나 Docker 컨테이너를 사용해 자체적인 훈련을 생성할 수 있습니다. 훈련은 수십 개의 인스턴스로 확장하여 더 빠르게 모델을 구축하도록 지원할 수 있습니다. S3에서 훈련 데이터를 읽어오고 모델 아티팩트는 S3에 저장됩니다. 모델 아티팩트는 모델에서 추론을 가능하게 하는 코드가 아니라, 데이터 종속 모델 파라미터입니다. 이러한 문제 분리를 통해 Amazon SageMaker로 훈련된 모델을 다른 플랫폼에 손쉽게 배포할 수 있습니다.
- 모델 호스팅: HTTPS 엔드포인트 기반 모델 호스팅 서비스로, 모델을 호출하여 실시간 추론을 확보할 수 있습니다. 이 엔드포인트는 트래픽에 맞춰 확장될 수 있으며, 여러 모델을 동시에 A/B 테스트할 수 있습니다. 다시 말하지만, 기본 제공 SDK를 사용해 이러한 엔드포인트를 구성하거나 Docker 이미지를 사용해 자체 구성을 제공할 수 있습니다. Amazon SageMaker Neo: 모델을 한번 훈련시키고 어디서든 실행할 수 있으며 최대 7배 향상된 성능을 제공합니다. 엣지에 연결된 디바이스에서 실행되는 애플리케이션은 machine learning 모델의 성능에 특히 민감합니다. 이들은 지연 시간이 짧은 의사 결정을 필요로 하며 종종 다양한 하드웨어 플랫폼에 배포됩니다.
- Amazon SageMaker Neo는 특정 하드웨어 플랫폼에 맞게 모델을 컴파일하고 성능을 자동으로 최적화하여 정확도 손실 없이 성능을 최대 7배까지 높일 수 있습니다. 그 결과 개발자는 더 이상 각 하드웨어 플랫폼에 대해 교육된 모델을 수동 튜닝할 필요가 없습니다 (시간과 비용 절감). SageMaker Neo는 NVIDIA, Intel, Xilinx, Cadence 및 Arm의 하드웨어 플랫폼과 Tensorflow, Apache MXNet 및 PyTorch와 같이 인기있는 프레임워크를 지원합니다.
- Amazon SageMaker Ground Truth: 자체 데이터 레이블링 워크플로 및 인력을 구축하고 관리할 수 있는 유연성을 원한다면 SageMaker Ground Truth를 사용할 수 있습니다. SageMaker Ground Truth는 손쉽게 데이터에 레이블을 지정하고 서드 파티 벤더 또는 자체 인력을 사용할 수 있는 옵션을 제공하는 데이터 레이블링 서비스입니다. 또한 실제 데이터를 수동으로 수집하거나 레이블링하지 않고도 레이블링된 가상 데이터를 생성할 수 있습니다. SageMaker Ground Truth는 사용자를 대신하여 자동 레이블링되는 수십만 개의 가상 이미지를 생성할 수 있습니다.
이 게시물의 내용은 정보 제공의 목적으로만 사용됩니다. AWS Secret Cloud의 Amazon SageMaker에 대한 자세한 내용은 당사에 문의해 주시기 바랍니다.