게시된 날짜: Nov 29, 2023
이번에 새롭게 발표된 도구와 개선 기능을 활용하는 고객은 Amazon SageMaker의 대규모 추론용 파운데이션 모델(FM)을 비롯한 기계 학습(ML) 모델 배포 소요 시간을 며칠에서 몇 시간으로 단축할 수 있습니다. 새롭게 발표된 도구로는 SageMaker에서 ML 모델을 패키징 및 배포하는 프로세스를 7단계에서 1단계로 간소화(로컬 추론 수행 옵션 사용)할 수 있는 신규 Python SDK 라이브러리가 포함됩니다. Amazon SageMaker의 Amazon SageMaker Studio에서는 새로운 대화형 UI 환경도 제공됩니다. 고객은 이 환경에서 클릭 세 번 만으로 성능과 비용이 최적화된 구성을 사용해 훈련시킨 ML 모델이나 FM을 빠르게 배포할 수 있습니다.
새롭게 제공되는 Amazon SageMaker Python SDK 라이브러리를 사용하는 고객은 원하는 모든 프레임워크 모델 아티팩트 또는 퍼블릭 FM을 가져온 후 함수 하나만 호출하여 배포 가능 ML 모델로 쉽게 변환할 수 있습니다. 또한 로컬 IDE 또는 노트북에서 몇 분 내에 ML 모델을 로컬로 검증/최적화한 후 Amazon SageMaker에 배포할 수 있습니다. 고객은 SageMaker Studio의 새로운 대화형 환경에서 배포 가능 ML 모델을 쉽게 생성할 수 있습니다. 원하는 프레임워크 버전을 선택한 후 미리 훈련시킨 모델 아티팩트를 업로드하면 됩니다. 또한 배포 가능 ML 모델이나 FM을 하나 이상 선택한 후 클릭 몇 번 만으로 배포할 수도 있습니다.
Amazon SageMaker Inference를 사용할 수 있는 AWS 리전에 대한 자세한 내용은 AWS 리전 표를 참조하세요.