Amazon Web Services 한국 블로그
Amazon SageMaker Studio, Amazon Q Developer를 통한 ML 워크플로 간소화
오늘 기계 학습(ML) 개발 수명 주기를 간소화하고 가속화하는 Amazon SageMaker Studio의 새로운 기능을 발표합니다. SageMaker Studio의 Amazon Q Developer는 SageMaker JupyterLab 환경에 기본적으로 내장된 생성형 AI 기반 어시스턴트입니다. 이 어시스턴트는 자연어 입력을 사용하며 각 태스크에 가장 적합한 도구를 추천하고, 단계별 지침을 제공하고, 시작하기 위한 코드를 생성하고, 오류 발생 시 문제 해결을 지원함으로써 ML 개발 수명 주기에 맞는 맞춤형 실행 계획을 수립합니다. 또한 복잡한 ML 문제를 소규모 태스크로 변환하거나 문서에서 관련 정보를 검색하는 등의 어려운 문제에 직면할 때도 도움이 됩니다.
여러분은 생성형 인공 지능(생성형 AI) 또는 기존 ML 사용 사례에서 Amazon SagaMaker를 평가한 처음 사용자일 수도 있고, SageMaker를 사용하는 방법을 알고 있지만 생산성을 더욱 개선하고 인사이트 확보 시간을 단축하려는 기존 사용자일 수도 있습니다. SageMaker Studio의 Amazon Q Developer를 사용하면 문서 페이지와 온라인 포럼에서 샘플 노트북, 코드 조각, 지침을 검색하기 위해 SageMaker Studio를 떠나지 않고도 ML 모델을 구축, 훈련, 배포할 수 있습니다.
이제 SageMaker Studio의 Amazon Q Developer의 다양한 기능을 소개하겠습니다.
SageMaker Studio에서 Amazon Q Developer 시작하기
Amazon SageMaker 콘솔에서 Admin configurations 아래의 Domains로 이동하고 도메인 설정에서 Amazon Q Developer를 활성화합니다. Amazon SageMaker를 처음 사용하는 경우 Amazon SageMaker 도메인 개요 설명서를 참조하세요. mytestuser의 Launch 드롭다운에서 Studio를 선택하여 Amazon SageMaker Studio를 시작합니다.
환경이 준비되면 Applications 아래의 JupyterLab을 선택하고 Open JupyterLab을 선택하여 Jupyter Notebook을 엽니다.
Jupyter Notebook 옆에는 생성형 AI 기반 어시스턴트 Amazon Q Developer가 있습니다. 이제 시작할 때 사용할 수 있는 내장 명령이 있습니다.
자연어로 ML 문제를 설명하여 Amazon Q Developer와 즉시 대화를 시작할 수 있습니다. 이 어시스턴트는 도구 및 해당 기능을 사용하는 방법을 연구하는 데 시간을 들이지 않고도 SageMaker를 사용할 수 있도록 도와줍니다. 다음 프롬프트를 사용합니다.
I have data in my S3 bucket. I want to use that data and train an XGBoost algorithm for prediction. Can you list down the steps with sample code.(S3 버킷에 데이터가 있습니다. 이 데이터를 사용하여 예측을 위한 XGBoost 알고리즘을 훈련하고 싶습니다. 샘플 코드로 단계를 나열할 수 있나요?)
Amazon Q Developer는 단계별 지침을 제공하고 예측을 위한 XGBoost 알고리즘을 훈련하기 위한 코드를 생성합니다. 권장 단계에 따라 필요한 셀을 노트북에 쉽게 추가할 수 있습니다.
또 다른 프롬프트를 사용하여 S3에서 데이터세트를 다운로드하고 Pandas를 사용하여 읽기 위한 코드를 생성하는 작업을 시도해 보겠습니다. 모델을 빌드하거나 훈련하는 데 이 코드를 사용할 수 있습니다. 이는 반복적인 태스크를 처리하고 수동 작업을 줄임으로써 코딩 프로세스를 간소화하는 데 도움이 됩니다. 다음 프롬프트를 사용합니다.
Can you write the code to download a dataset from S3 and read it using Pandas?(S3에서 데이터세트를 다운로드하고 Pandas를 사용하여 읽을 수 있는 코드를 작성할 수 있나요?)
Amazon Q Developer에게 오류 디버깅 및 수정에 대한 지침을 요청할 수도 있습니다. 이 어시스턴트는 자주 발생하는 오류 및 해결 방법을 기반으로 문제를 해결할 수 있도록 도와주기 때문에 시간이 많이 걸리는 온라인 조사 또는 시행 착오를 겪지 않아도 됩니다. 다음 프롬프트를 사용합니다.
How can I resolve the error "Unable to infer schema for JSON. It must be specified manually." when running a merge job for model quality monitoring with batch inference in SageMaker?(SageMaker에서 배치 추론을 사용하여 모델 품질 모니터링을 위한 병합 작업을 실행할 때 “JSON의 스키마를 추론할 수 없습니다. 수동으로 지정해야 합니다.” 오류를 해결하려면 어떻게 해야 하나요?)
마지막 예시로 Amazon Q Developer에게 노트북 작업을 예약하는 방법에 대한 권장 사항을 요청하겠습니다. 다음 프롬프트를 사용하여 답을 얻습니다.
What are the options to schedule a notebook job?(노트북 작업을 예약하는 옵션은 무엇인가요?)
정식 출시
Amazon SageMaker가 정식 출시된 모든 리전에서 Amazon Q Developer를 사용할 수 있습니다.
이 어시스턴트는 모든 Amazon Q Developer Pro 티어 사용자가 사용할 수 있습니다. 요금 정보는 Amazon Q Developer 요금 페이지를 참조하세요.
지금 SageMaker Studio의 Amazon Q Developer를 시작하여 ML 개발 수명의 어느 시점에서든 생성형 AI 기반 어시스턴트에 액세스하세요.