Amazon SageMaker Studio Lab 미리보기 – 무료 기계 학습 학습 및 실습용 공개 서비스

AWS의 사명은 기계 학습(ML)을 보다 쉽게 이용할 수 있도록 하는 것입니다. 지난 몇 년간 많은 대화를 통해 많은 기계 학습 초보자가 직면하는 장벽에 대해 배웠습니다. 기존 기계 학습 환경은 초보자에게는 너무 복잡하거나 최신 기계 학습 실험을 지원하기에는 너무 제한적인 경우가 많습니다. 초보자는 빠르게 학습을 시작하기를 원하며, 인프라 가동, 서비스 구성 또는 예산 초과를 피하기 위한 결제 경보 구현 등에 대해 걱정하지 않으려 합니다. 또한 가입 시 결제 및 신용카드 정보를 제공해야 한다는 큰 장벽이 여러 사람들에게 제기됩니다.

Jupyter 노트북을 호스팅하기 위해 예측 가능한 통제된 환경을 구축해서 실수로 큰 비용이 청구될 위험이 없도록 하면 어떨까요? 가입할 때 결제 및 신용카드 정보가 필요하지 않다면 어떨까요?

오늘 저는 Amazon SageMaker Studio Lab의 퍼블릭 평가판을 발표하게 되어 매우 기쁩니다. Amazon SageMaker Studio Lab은 AWS 계정, 신용카드 또는 클라우드 구성 관련 지식 없이도 누구나 기계 학습을 배우고 실험할 수 있는 무료 서비스입니다.

AWS에서 우리는 기술이 세계에서 가장 시급한 문제를 해결할 수 있는 힘을 가지고 있다고 믿습니다. 또한 우리는 고객들이 이러한 기술을 사용하는 방식을 새롭게 변화시켜 사회적 영향을 끼칠 수 있다는 점을 자랑스럽게 생각합니다.

이것이 바로 Amazon SageMaker Studio Lab을 사용하는 AWS 재해 대처 해커톤의 실시를 기쁘게 발표하는 이유입니다. 오늘부터 2022년 2월 7일까지 진행되는 해커톤은 세계를 위해 좋은 일을 하면서 기계 학습을 배우기 시작할 수 있는 좋은 방법입니다. 게시물 마지막 부분에서 참여 방법에 대한 자세한 내용을 알려 드리겠습니다.

Amazon SageMaker Studio Lab 시작하기
Studio Lab은 오픈 소스 JupyterLab을 기반으로 하며 AWS 컴퓨팅 리소스에 대한 무료 액세스를 제공하여 기계 학습에 대한 학습 및 실험을 빠르게 시작할 수 있습니다. Studio Lab을 설정하는 작업도 간단합니다. 클릭 한 번으로 프로젝트에 CPU 인스턴스가 필요한지 또는 GPU 인스턴스가 필요한지 여부를 선택하기만 하면 구성이 끝납니다. 직접 확인해 봅시다.

첫 번째 단계는 여기에서 무료 Studio Lab 계정을 요청하는 것입니다.

계정 요청이 승인되면 Studio Lab 계정 등록 페이지로 연결되는 링크가 포함된 이메일이 전송됩니다. 이제 승인된 이메일 주소로 계정을 생성하고 암호와 사용자 이름을 설정할 수 있습니다. 이 계정은 AWS 계정과 별개이므로 결제 정보를 제공할 필요가 없습니다.

계정을 생성하고 이메일 주소를 검증했으면 Studio Lab에 로그인할 수 있습니다. 이제 프로젝트의 컴퓨팅 유형을 선택할 수 있습니다. 사용자 세션당 12시간의 CPU 또는 4시간의 GPU 중에서 선택할 수 있으며, 사용자 세션 수는 무제한입니다. 또한 프로젝트당 최소 15GB의 영구 스토리지를 사용할 수 있습니다. 사용자 세션이 만료되면 Studio Lab에서 사용자 환경의 스냅샷이 생성됩니다. 이렇게 하면 중단한 곳에서 바로 시작할 수 있습니다. 이 데모에서는 CPU를 선택하고 런타임 시작(Start runtime)을 선택해 보겠습니다.

인스턴스가 실행되면 프로젝트 열기(Open project)를 선택하여 무료 Studio Lab 환경으로 이동하여 구축을 시작합니다. 추가 구성이 필요하지 않습니다.

환경의 사용자 지정
Studio Lab에는 시작하는 데 필요한 Python 기본 이미지가 함께 제공됩니다. 이 이미지에는 실제로 필요한 프레임워크와 라이브러리에 사용할 공간을 절약하기 위해 몇 개의 라이브러리만 사전 설치되어 있습니다.

Conda 환경을 사용자 지정하고, 노트북 내에서 직접 %conda install <package> 또는 %pip install <package> 명령을 실행해 추가 패키지를 설치할 수 있습니다. 완전히 새로운 사용자 지정 Conda 환경을 생성하거나 오픈 소스 JupyterLab 및 Jupyter 서버 확장을 설치할 수도 있습니다. 자세한 지침은 Studio Lab 설명서를 참조하세요.

GitHub 통합
Studio Lab은 GitHub와 긴밀하게 통합되어 있으며 Git 명령줄을 완벽하게 지원합니다. 이를 통해 프로젝트를 쉽게 복제, 복사 및 저장할 수 있습니다. 또한 퍼블릭 GitHub 리포지토리의 Readme.md 파일 또는 노트북에 Studio Lab에서 열기(Open in Studio Lab) 배지를 추가하여 작업을 다른 사람들과 공유할 수 있습니다.

이렇게 하면 모든 사람이 Studio Lab에서 노트북을 열거나 볼 수 있습니다. Studio Lab 계정이 있는 사용자는 노트북을 실행할 수도 있습니다. Readme.md 파일 또는 노트북 상단에 다음의 마크다운을 추가하여 Studio Lab에서 열기 배지를 추가합니다.

[![Open In Studio Lab](https://studiolab.sagemaker.aws/studiolab.svg)](https://studiolab.sagemaker.aws/import/github/org/repo/blob/master/path/to/notebook.ipynb)

org, repo, path 및 notebook 파일 이름을 사용자의 리포지토리에 해당하는 항목들로 바꿉니다. 그런 다음 Studio Lab에서 열기 배지를 클릭하면 Studio Lab에서 노트북을 미리 볼 수 있습니다. 리포지토리가 GitHub 계정 또는 조직 내에서 비공개이고 다른 사람이 이 리포지토리를 사용하도록 하려면 GitHub 계정 또는 조직 수준에서 Amazon SageMaker GitHub 앱을 추가로 설치해야 합니다.

Studio Lab 계정이 있는 경우 프로젝트에 복사(Copy to project)를 클릭하고, 노트북만 복사하도록 선택하거나 전체 리포지토리를 Studio Lab 계정에 복제하도록 선택할 수 있습니다. 또한 Studio Lab은 리포지토리에 Conda 환경 파일이 포함되어 있는지 확인하고 사용자 정의 Conda 환경을 구축할 수 있습니다.

기계 학습의 기본 사항 알아보기
기계 학습을 처음 사용하는 경우 Studio Lab에서 무료 교육 콘텐츠에 액세스하여 시작할 수 있습니다. Dive into Deep Learning(D2L)은 기계 학습 및 딥 러닝의 이면에 있는 아이디어, 수학 및 코드를 가르치는 무료의 대화형 책입니다. AWS Machine Learning University(MLU)에서는 Amazon 소속 개발자를 기계 학습에 대해 교육하는 데 사용되는 것과 동일한 기계 학습 과정에 액세스할 수 있습니다. Hugging Face는 대규모 오픈 소스 커뮤니티이자 사전 학습된 딥 러닝(DL) 모델을 위한 허브입니다. 여기서는 주로 자연어 처리를 목표로 합니다. 몇 번의 클릭만으로 D2L, MLU 및 Hugging Face에서 관련 노트북을 Studio Lab 환경으로 가져올 수 있습니다.

Amazon SageMaker Studio Lab을 사용해 AWS 재해 대처 해커톤에 참여
자연 재해의 빈도와 심각성이 증가하고 있습니다. 올해에만 미국 서부, 그리스, 터키 같은 국가에서 심각한 산불이 발생하고, 유럽 전역에 대홍수가 일어나고, 루이지애나 해안에 허리케인 아이다가 심각한 영향을 끼치는 것을 목격했습니다. 이에 대응하기 위해 정부, 기업, 비영리 단체 및 국제기구는 그 어느 때보다 재난 대비 및 대응에 더 중점을 두고 있습니다.

총 54,000 USD의 상금을 제공하는 AWS 재해 대처 해커톤을 통해, 자연 재해 대비 및 대응과 관련된 긴급한 문제를 해결하기 위해 기계 학습을 적용하는 다양한 방법을 모색하게 되기를 바랍니다.

오늘 해커톤에 참여하여 구축을 시작하고 2022년 2월 7일 이전에 프로젝트를 제출하는 것을 잊지 마세요. 이 해커톤은 또한 “최대 기계 학습 경쟁”이라는 기네스 세계 기록을 세우려는 시도이기도 합니다.

평가판 이용해 보기
오늘부터 Amazon SageMaker Studio Lab 계정을 무료로 요청할 수 있습니다. 모든 고객에게 높은 수준의 경험을 제공하기 위해 신규 계정 등록 횟수가 제한됩니다. Studio Lab GitHub 리포지토리에서 샘플 노트북을 확인할 수 있습니다. 시도해보고 의견을 보내주세요.

무료 Amazon SageMaker Studio Lab 계정을 요청하세요.

– Antje