Amazon SageMaker AI, 더 빠른 AI 개발을 위한 서버리스 MLflow 기능 발표
Amazon SageMaker AI는 이제 AI 모델 개발 태스크를 지원하도록 동적으로 확장되는 서버리스 MLflow 기능을 제공합니다. MLflow를 통해 AI 개발자는 인프라 설정을 기다리지 않고도 실험을 추적, 비교 및 평가할 수 있습니다.
산업 전반의 고객이 AI 개발을 가속화함에 따라 AI 모델, AI 애플리케이션 및 에이전트의 실험을 추적하고, 행동을 관찰하고, 성능을 평가할 수 있는 기능이 필요합니다. 그러나 MLflow 인프라를 관리하려면 관리자가 추적 서버를 지속적으로 유지 관리 및 확장하고, 복잡한 용량 계획 결정을 내리고, 데이터 격리를 위해 별도의 인스턴스를 배포해야 합니다. 이러한 인프라 부담으로 인해 리소스가 핵심 AI 개발에서 벗어나고 팀 생산성과 비용 효율성에 영향을 미치는 병목 현상이 발생합니다.
이번 업데이트를 통해 MLflow는 이제 동적으로 확장되어 까다롭고 예측할 수 없는 모델 개발 태스크에 빠른 성능을 제공하고, 유휴 시간에는 스케일 다운됩니다. 또한 관리자는 RAM(Resource Access Manager)을 통해 교차 계정 액세스를 설정하여 조직 경계 간 협업을 단순화함으로써 생산성을 향상시킬 수 있습니다.
Amazon SageMaker AI의 서버리스 MLflow 기능은 추가 비용 없이 제공되며 SageMaker AI JumpStart, SageMaker 모델 레지스트리 및 SageMaker 파이프라인과 같은 친숙한 Amazon SageMaker AI 모델 개발 기능과 기본적으로 함께 작동합니다. 고객은 자동 버전 업데이트를 통해 Amazon SageMaker AI에서 최신 버전의 MLflow에 액세스할 수 있습니다.
MLflow가 포함된 Amazon SageMaker AI는 일부 AWS 리전에서 사용할 수 있습니다. 자세히 정보는 Amazon SageMaker AI 사용 설명서와 AWS 뉴스 블로그를 참조하세요.