기계 학습 아키텍처 모범 사례

로그인

주요 주제: ML 운영(MLOps)

시작하기
학습 및 설계
구축 및 테스트
배포
감사 및 최적화

AWS Well-Architected ML 렌즈

AWS는 클라우드 및 기술 유형과 관계없이 사용할 수 있는 기계 학습 워크로드에 대한 모범 사례와 지침을 제공합니다.

카테고리 심층 분석: 기계 학습

애플리케이션에 인텔리전스를 추가하고 기계 학습 모델을 대규모로 신속하게 구축, 훈련 및 배포하는 방법을 알아봅니다.

MLOps를 사용해야 하는 이유는 무엇인가요?

ML 운영(MLOps) 분야가 AI/ML을 사용하여 대규모 비즈니스를 혁신하는 데 어떤 도움이 되는지 설명합니다.
아키텍처를 설계합시다! 기계 학습용 아키텍처 설계

AWS CDK로 아키텍처를 구축하고, MLOps용 시스템을 설계하며, A/B 테스트용 솔루션 배포를 자동화하는 방법을 알려드립니다.

Amazon SageMaker를 사용한 엔터프라이즈용 MLOps 기반 로드맵

MLOps 기반을 구축할 때의 주요 단계, 이 기반에서 여러 페르소나가 함께 작업하는 방법과 특별히 제작된 도구를 보여드립니다.

AWS에서 안전한 엔터프라이즈 기계 학습 플랫폼 구축

AWS에서 엔터프라이즈 ML 플랫폼을 구축하기 위한 아키텍처 패턴, 코드 샘플 및 모범 사례를 제공합니다.
SageMaker Projects로 MLOps 자동화

Amazon SageMaker Projects로 MLOP를 자동화하여 ML 프로젝트의 거버넌스 사례를 표준화하는 방법을 보여드립니다.

기계 학습 워크플로 자동화

Amazon SageMaker를 사용하여 엔드 투 엔드 기계 학습 워크플로를 생성하고 자동화하는 방법을 안내합니다.

SageMaker MLOps 프로젝트 실습

Amazon SageMaker MLOps 프로젝트를 사용하여 모델을 구축, 훈련 및 배포하는 CI/CD 시스템을 만드는 방법을 시연합니다.
MLOps Workload Orchestrator

기계 학습 모델 생산을 위해 아키텍처 모범 사례를 간소화하고 적용하는 데 도움이 되는 솔루션을 배포합니다.

AWS Lambda에서 모델 엔드포인트를 호스팅하는 MLOps 솔루션 배포

사용 사례에 맞게 조정할 수 있는 완전한 CI/CD 기반 기계 학습 접근 방식인 솔루션을 시작합니다.

Improving Forecast Accuracy with Machine Learning

Amazon QuickSight 또는 Amazon SageMaker Jupyter Notebook을 위한 예측 및 시각화 대시보드를 생성하는 솔루션을 배포합니다.
Amazon SageMaker의 오토 스케일링을 사용하여 ML 배포를 최적화할 수 있습니다.

ML 기반 애플리케이션에 적합한 오토 스케일링 구성을 도출하기 위한 설계 패턴을 알려드립니다.

데이터 및 모델 품질, 바이어스 및 설명 가능성에 대한 모델 모니터링

프로덕션 환경에서 Amazon SageMaker 기계 학습 모델의 품질에 대한 지속적 모니터링을 설정하는 방법을 알아봅니다.

SageMaker 모델 레지스트리를 사용하여 크로스 계정 MLOps 워크플로 구축

모델 그룹을 공유 및 관리하고 모델 버전을 관리할 수 있는 Amazon SageMaker 크로스 계정 기능에 대해 설명합니다.

필터링 기준:

모든 필터 지우기

결과를 찾을 수 없습니다.
다른 기준을 선택하거나 맞춤법을 확인하거나 다른 키워드를 사용하세요.

1 …

…

기계 학습 블로그 게시물

선택한 기준과 일치하는 블로그 게시물을 찾을 수 없습니다.

더 보기…

이 페이지의 내용이 도움이 되었습니까?

피드백