Amazon SageMaker Unified Studio, 신규 원클릭 온보딩과 내장 AI 에이전트 노트북 출시

오늘은 Amazon SageMaker Unified Studio에서 기존 AWS 데이터세트를 빠르게 시작할 수 있는 방법을 발표합니다. 이제 기존 AWS Identity and Access Management (IAM) 역할 및 권한을 사용하여 AI 에이전트가 내장된 새 서버리스 노트북에서 액세스할 수 있는 모든 데이터에 대한 작업을 시작할 수 있습니다.

새 업데이트에는 다음이 포함됩니다.

• 원클릭 온보딩 – Amazon SageMaker는 이제 AWS Glue Data Catalog, AWS Lake Formation 및 Amazon Simple Storage Service(Amazon S3)의 모든 기존 데이터 권한을 사용하여 Unified Studio에서 프로젝트를 자동으로 생성할 수 있습니다.
• 직접 통합 – Amazon SageMaker, Amazon Athena, Amazon Redshift 및 Amazon S3 Tables 콘솔 페이지에서 SageMaker Unified Studio를 직접 시작하여 분석 및 AI 워크로드로 빠르게 이동할 수 있습니다.
• AI 에이전트가 내장된 노트북 – AI 에이전트가 내장된 새로운 서버리스 노트북을 사용할 수 있습니다. AI 에이전트는 SQL, Python, Spark 또는 자연어를 지원합니다. 이를 통해 데이터 엔지니어, 분석가 및 데이터 과학자는 SQL 쿼리와 코드를 한 곳에서 개발하고 실행할 수 있습니다

또한 SQL 분석을 위한 Query Editor, JupyterLab 통합 개발자 환경(IDE), Visual ETL 및 워크플로, 기계 학습(ML) 기능과 같은 다른 도구에 액세스할 수 있습니다.

원클릭 온보딩을 체험하고 Amazon SageMaker Unified Studio에 연결해 보세요
시작하려면 SageMaker 콘솔로 이동하여 시작하기 버튼을 선택합니다.

데이터 및 컴퓨팅에 액세스할 수 있는 기존 AWS Identity and Access Management(AWS IAM) 역할을 선택하거나 새 역할을 생성하라는 메시지가 표시됩니다.

설정을 선택합니다. 환경을 완료하는 데 몇 분 정도 걸립니다. 이 역할에 액세스 권한이 부여되면 SageMaker Unified Studio 랜딩 페이지로 이동하게 되며, 여기서 AWS Glue Data Catalog에서 액세스할 수 있는 데이터세트와 함께 사용할 수 있는 다양한 분석 및 AI 도구를 볼 수 있습니다.

이 환경에서는 다음과 같은 서버리스 컴퓨팅을 자동으로 생성합니다. Amazon Athena Spark, Amazon Athena SQL, AWS Glue Spark 및 Amazon Managed Workflows for Apache Airflow(MWAA) 서버리스가 해당됩니다. 이는 프로비저닝 과정을 완전히 건너뛰고, 즉시 사용할 수 있는 JIT(Just-in-Time) 컴퓨팅 리소스로 바로 작업을 시작할 수 있음을 의미합니다. 작업이 완료되면 자동으로 리소스가 축소되어 비용 절감에도 도움이 됩니다.

또한 Amazon Athena, Amazon Redshift 및 Amazon S3 Tables의 특정 테이블에 대한 작업을 시작할 수 있습니다. 예를 들어 Amazon SageMaker Unified Studio에서 데이터 쿼리를 선택한 다음 Amazon Athena 콘솔에서 시작을 선택할 수 있습니다.

이러한 콘솔에서 시작하면 보고 있던 데이터에 이미 액세스할 수 있고 이전 쿼리 컨텍스트가 보존된 상태로 Query Editor에 직접 연결됩니다. 이 컨텍스트 인식 라우팅을 사용하면 불필요한 탐색 없이 SageMaker Unified Studio 내에서 즉시 쿼리를 실행할 수 있습니다.

AI 에이전트가 내장된 노트북 시작하기
Amazon SageMaker는 데이터 및 AI 팀에 분석 및 ML 작업을 위한 고성능 서버리스 프로그래밍 환경을 제공하는 새로운 노트북 환경을 도입합니다. 새로운 노트북 환경에는 Amazon SageMaker Data Agent가 포함됩니다. 이 내장 AI 에이전트는 자연어 프롬프트로부터 코드와 SQL 문을 생성해 개발을 가속하고, 사용자가 작업을 수행하는 동안 안내 역할을 합니다.

새 노트북을 시작하려면 왼쪽 탐색 창에서 노트북 메뉴를 선택하여 SQL 쿼리, Python 코드 및 자연어를 실행하고 데이터에 대한 인사이트를 검색, 변환, 분석, 시각화 및 공유하세요. 고객 분석 및 소매 판매 예측과 같은 샘플 데이터로 시작할 수 있습니다.

고객 사용 분석을 위한 샘플 프로젝트를 선택하면 샘플 노트북을 열어 통신 데이터세트의 고객 사용 패턴 및 행동을 살펴볼 수 있습니다.

앞서 언급했듯이 노트북에는 자연어 프롬프트를 통해 데이터와 상호 작용하는 데 도움이 되는 AI 에이전트가 내장되어 있습니다. 예를 들어 다음과 같은 프롬프트를 사용하여 데이터 탐색을 시작할 수 있습니다.

고객 이탈 데이터세트에 대한 인사이트와 시각화를 보여주세요.

관련 테이블을 식별한 후 특정 분석을 요청하여 Spark SQL을 생성할 수 있습니다. AI 에이전트는 데이터 변환을 위한 초기 코드와 시각화를 위한 Python 코드를 사용하여 단계별 계획을 생성합니다. 생성된 코드를 실행하는 동안 오류 메시지가 표시되면 AI로 수정을 선택하여 문제 해결에 도움을 받으세요. 다음은 샘플 결과입니다.

ML 워크플로의 경우 다음과 같은 특정 프롬프트를 사용하세요.

구매 빈도, 평균 거래 금액, 마지막 구매 이후 일수를 특성으로 사용하여, 이탈 예측을 위한 XGBoost 분류 모델을 churn 테이블 기반으로 구축하세요.

이 프롬프트를 사용하면 SageMaker AI 기능을 사용한 단계별 계획, 데이터 로드, 특성 엔지니어링, 모델 훈련 코드 및 평가 지표가 포함된 구조화된 응답을 받을 수 있습니다. SageMaker Data Agent는 특정 프롬프트에서 가장 잘 작동하며 Apache Spark용 Athena 및 SageMaker AI를 비롯한 AWS 데이터 처리 서비스에 최적화되어 있습니다.

새로운 노트북 환경에 대해 자세히 알아보려면 Amazon SageMaker Unified Studio 사용 설명서를 참조하세요.

지금 이용 가능
Amazon SageMaker Unified Studio의 원클릭 온보딩 기능과 새로운 노트북 환경을 이제 미국 동부(오하이오), 미국 동부(버지니아 북부), 미국 서부(오리건), 아시아 태평양(뭄바이), 아시아 태평양(싱가포르), 아시아 태평양(시드니), 아시아 태평양(도쿄), 유럽(프랑크푸르트), 유럽(아일랜드) 리전에서 이용할 수 있습니다. 자세히 알아보려면 SageMaker Unified Studio 제품 페이지를 방문하세요.

SageMaker 콘솔에서 사용해 보고 SageMaker Unified Studio용 AWS re:Post 또는 통상적인 AWS Support 담당자를 통해 피드백을 보내세요.

— Channy