ML 거버넌스가 필요한 이유
Amazon SageMaker는 ML을 책임감 있게 구현하는 데 유용한 목적별 거버넌스 도구를 제공합니다. 관리자는 Amazon SageMaker Role Manager를 사용하여 최소 권한을 몇 분 만에 정의할 수 있습니다. Amazon SageMaker Model Cards를 사용하면 개념 단계부터 배포 단계에 이르기까지 전체 수명주기에서 용도, 위험 등급 및 훈련 세부 정보와 같은 필수 모델 정보를 보다 손쉽게 캡처하고 검색하고 공유할 수 있습니다. Amazon SageMaker Model Dashboard는 프로덕션 환경에서 모델의 동작에 대한 정보를 한곳에서 제공합니다. Amazon SageMaker와 Amazon DataZone을 통합하면 ML 및 데이터 거버넌스를 더 쉽게 간소화할 수 있습니다.
SageMaker ML 거버넌스의 이점
Amazon DataZone 통합
-
제어 설정 및 프로비저닝
-
자산 검색 및 발견
-
자산 사용
-
자산 게시
-
제어 설정 및 프로비저닝
-
IT 관리자는 Amazon DataZone에서 회사와 사용 사례에 맞는 인프라 제어 및 권한을 정의할 수 있습니다. 그런 다음 몇 번의 클릭만으로 적절한 SageMaker 환경을 만들고 SageMaker Studio 내에서 개발 프로세스를 시작할 수 있습니다.
-
자산 검색 및 발견
-
SageMaker Studio에서 조직의 비즈니스 카탈로그에 있는 데이터 및 ML 자산을 효율적으로 검색하고 검색할 수 있습니다. 프로젝트에 사용해야 하는 자산을 구독하여 해당 자산에 대한 액세스를 요청할 수도 있습니다.
-
자산 사용
-
구독 요청이 승인되면 JupyterLab 및 SageMaker Canvas를 사용하여 SageMaker Studio 내에서 데이터 준비, 모델 훈련, 특성 추출과 같은 ML 작업에 이러한 구독 자산을 사용할 수 있습니다.
-
자산 게시
-
ML 작업을 완료한 후에는 데이터, 모델 및 특성 그룹을 비즈니스 카탈로그에 게시하여 다른 사용자의 거버넌스 및 검색 기능을 지원할 수 있습니다.
권한 정의
ML 활동에 대한 권한 간소화
SageMaker Role Manager는 사전 구축된 AWS Identity and Access Management(IAM) 정책 카탈로그를 통해 ML 활동 및 페르소나에 대한 기본 권한 집합을 제공합니다. ML 활동에는 데이터 준비와 훈련이 포함될 수 있으며, 페르소나에는 ML 엔지니어와 데이터 사이언티스트가 포함될 수 있습니다. 기준 권한을 유지하거나 특정한 요구 사항에 따라 추가로 사용자 지정할 수 있습니다.
IAM 정책 생성 자동화
몇 가지 셀프 구성 화면을 통해 네트워크 액세스 경계, 암호화 키 등 일반적인 거버넌스 구성을 빠르게 입력할 수 있습니다. 그러면 SageMaker Role Manager가 IAM 정책을 자동으로 생성합니다. AWS IAM 콘솔을 통해 생성된 역할과 관련 정책을 검색할 수 있습니다.
관리형 정책 연결
사용 사례에 대한 권한을 추가로 사용자 지정하려면, SageMaker Role Manager에서 생성하는 IAM 역할에 관리형 IAM 정책을 연결합니다. 또한 AWS 서비스 전반에서 역할을 식별하고 구성하는 데 유용한 태그를 추가할 수 있습니다.
문서 간소화
모델 정보 캡처
SageMaker Model Cards는 Amazon SageMaker 콘솔에서 모델 정보를 저장하는 리포지토리로, ML을 책임감 있게 구현할 수 있도록 모델 문서를 중앙 집중화하고 표준화하는 데 도움이 됩니다. 입력 데이터 세트, 훈련 환경 및 훈련 결과와 같은 훈련 세부 정보를 자동으로 채워 문서화 프로세스를 가속화할 수 있습니다. 모델 목적 및 성능 목표와 같은 세부 정보를 추가할 수도 있습니다.
평가 결과 시각화
편향 및 품질 지표와 같은 모델 평가 결과를 모델 카드에 첨부하고, 차트와 같은 시각화 요소를 추가하여 모델 성능에 대한 주요 인사이트를 얻을 수 있습니다.
모델 카드 공유
모델 카드를 PDF 형식으로 내보내 비즈니스 관계자, 내부 팀 또는 고객과 보다 손쉽게 공유할 수 있습니다.