Amazon SageMaker Model Registry, 이제 기계 학습 모델 수명 주기 단계 정의 지원
AWS는 오늘 Amazon SageMaker Model Registry가 이제 사용자 지정 기계 학습(ML) 모델 수명 주기 단계를 지원한다는 소식을 발표하게 되었습니다. 이 기능은 데이터 사이언티스트와 ML 엔지니어가 개발에서 생산에 이르는 다양한 단계에서 모델의 진행을 정의하고 제어할 수 있도록 하여 모델 거버넌스를 더욱 개선합니다.
고객은 Amazon SageMaker Model Registry를 기계 학습 모델의 전체 수명 주기를 관리하기 위한 목적별 메타데이터 스토어로 사용할 수 있습니다. 이번 출시로 데이터 사이언티스트와 ML 엔지니어는 이제 모델 레지스트리에서 ML 모델의 개발, 테스트, 생산과 같은 사용자 지정 단계를 정의할 수 있습니다. 따라서 학습에서 추론에 이르기까지 모델 수명 주기의 여러 단계로 전환되는 모델을 쉽게 추적하고 관리할 수 있습니다. 또한 승인 대기 중, 승인됨, 거부됨과 같은 단계 승인 상태를 추적하여 모델이 다음 단계로 넘어갈 준비가 되었는지 확인할 수 있습니다. 이러한 사용자 지정 단계 및 승인 상태는 데이터 사이언티스트와 ML 엔지니어가 모델 승인 워크플로를 정의하고 시행하여 모델이 다음 단계로 넘어가기 전에 특정 기준을 충족하는지 확인하는 데 도움이 됩니다. 고객은 이러한 사용자 지정 단계 및 승인 프로세스를 구현함으로써 조직 전체에서 모델 거버넌스 관행을 표준화하고, 모델 진행을 더 잘 감독하고, 승인된 모델만 생산 환경에 적용되도록 할 수 있습니다.
이 기능은 GovCloud 리전을 제외하고 현재 Amazon SageMaker Model Registry를 사용할 수 있는 모든 AWS 리전에서 사용할 수 있습니다. 자세한 내용은 모델 수명 주기의 스테이징 구문을 참조하세요.