Amazon SageMaker Catalog
데이터 및 AI를 안전하게 검색, 관리 및 협업
개요
차세대 Amazon SageMaker는 정형/비정형 데이터, AI 모델, 비즈니스 인텔리전스 대시보드, 애플리케이션 전반에서 데이터 및 AI에 대한 검색, 거버넌스, 협업을 간소화합니다. Amazon SageMaker Catalog를 사용하면 생성형 AI가 생성한 메타데이터를 사용하는 시맨틱 검색으로 승인된 데이터 및 모델을 안전하게 검색하고 액세스할 수 있습니다. 아니면 그냥 Amazon Q Developer에 자연어로 질문하여 원하는 데이터를 찾을 수도 있습니다. 사용자는 Amazon SageMaker Unified Studio에서 중앙 집중식으로 세분화된 액세스 제어가 포함된 단일 권한 모델을 사용하여 액세스 정책을 일관되게 정의하고 적용할 수 있습니다. 간편한 게시/구독 워크플로를 통해 데이터 및 AI 자산을 원활하게 공유하고 협업합니다. 데이터 품질 모니터링, 데이터 분류, 데이터 및 기계 학습(ML) 계보를 통해 조직 전체에 신뢰를 구축합니다.
Amazon SageMaker Catalog의 실제 사례 보기

장점
데이터 및 AI 검색 및 협업 가속화
신뢰 구축 및 투명성 제고
데이터 및 AI 보안 및 보호
비즈니스 위험을 줄이고 규정 준수를 개선
기능
컨텍스트 및 검색 가능성을 위해 큐레이션된 데이터
자동 메타데이터 추천
모든 애플리케이션에 일관된 수준의 AI 안전 제공
모델을 빠르게 감사 및 추적할 수 있습니다.
데이터 품질
데이터 및 ML 계보
시간 경과에 따른 데이터 및 모델의 이동을 이해합니다. 계보는 데이터 소비자가 데이터의 출처, 변경 사항, 사용을 파악하는 데 도움을 주어 조직의 데이터 및 AI 리터러시를 향상시키고 신뢰를 높일 수 있습니다. 데이터 및 AI 자산과 자산 관계 매핑, 파이프라인 문제 해결 및 개발, 데이터 및 AI 거버넌스 사례 적용에 소요되는 시간을 줄일 수 있습니다.
고객
Natera, Inc.
“Amazon QuickSight를 Amazon SageMaker와 통합함으로써 이제 실험실 운영 팀과 과학자들이 모든 현장에서 실시간으로 임상 테스트 성능을 모니터링할 수 있습니다. 처리량, 품질 관리 지표 및 처리 시간을 통합하는 통합 대시보드를 개발하여 상세한 추세 분석과 지속적인 성능 최적화가 가능합니다. 과학자들은 이제 탐색적 검토부터 모델 개발에 이르기까지 포괄적인 데이터 분석을 단일 통합 환경에서 모두 수행할 수 있습니다.”
Mirko Buholzer, Natera, Inc. VP of Software Engineering
Cisco
"우리는 데이터를 검색하고, 공유하고, 관리해야 합니다. 데이터 메시 또는 데이터 패브릭으로 불리는 이 데이터라는 것이 여러 팀의 여러 사일로에 존재하므로, 하나로 통합해야 합니다. Amazon SageMaker Catalog는 데이터 생산자와 소비자를 연결하므로 생산자는 내장된 제어 및 데이터 계약을 통해 데이터를 공유할 수 있는 동시에, 소비자가 원하는 도구를 사용하여 데이터에 액세스할 수 있습니다."
Shaja Arul Selvamani, Cisco AI/ML 디렉터, 시스코

NatWest
"저희 데이터 플랫폼 엔지니어링 팀은 데이터 엔지니어링, ML, SQL, 생성형 AI 태스크를 위한 최종 사용자 도구를 여럿 배포해 왔습니다. 은행 전반의 프로세스를 단순화하기 위해 사용자 인증 및 데이터 액세스 권한 부여를 간소화하는 방안을 모색하고 있습니다. Amazon SageMaker는 바로 사용 가능한 사용자 경험을 제공하여 조직 전체에 단일 환경을 배포하여 데이터 사용자가 새 도구에 액세스하는 데 필요한 시간을 약 50% 단축합니다."
Zachery Anderson, NatWest Group CDAO

Amazon SageMaker Catalog 시작하기
오늘 원하는 내용을 찾으셨나요?
페이지의 콘텐츠 품질을 개선할 수 있도록 피드백을 보내주십시오.