Amazon SageMaker Studio

기계 학습을 위한 최초의 완전한 IDE(통합 개발 환경)

Amazon SageMaker Studio는 모든 ML 개발 단계를 수행할 수 있는 웹 기반의 단일 시각적 인터페이스를 제공하여, 데이터 사이언스 팀의 생산성을 10배까지 높입니다. SageMaker Studio는 모델을 구축, 훈련 및 배포하는 데 필요한 액세스 권한, 제어 및 가시성을 각 단계별로 완벽하게 제공합니다. 신속하게 데이터를 업로드하고, 새로운 노트북을 생성하며, 모델을 훈련 및 튜닝하고, 단계를 앞뒤로 이동하며 실험을 조정하고, 결과를 비교하며, 모델을 프로덕션에 배포하여 한 곳에서 생산성을 크게 높일 수 있습니다. 노트북, 실험 관리, 자동 모델 생성, 디버깅, 모델 및 데이터 드리프트 탐지를 포함한 모든 ML 개발 활동은 SageMaker Studio 내에서 수행할 수 있습니다.

주요 기능

탄력적이고 공유 가능한 노트북

노트북을 보고 실행하거나 공유하기 위해 컴퓨팅 인스턴스를 관리하는 것은 지루한 작업입니다. Amazon SageMaker Studio 노트북은 클릭 한 번으로 작동하는 Jupyter 노트북으로, 빠르게 작업을 시작할 수 있습니다. 기본 컴퓨팅 리소스는 완전히 탄력적이므로 사용 가능한 리소스를 쉽게 확장하거나 축소할 수 있으며 변경 작업이 백그라운드에서 자동으로 진행되므로 작업에 방해가 되지 않습니다. 클릭 몇 번으로 다른 사람과 노트북을 공유할 수도 있습니다. 그리고 같은 장소에 저장된 정확하게 동일한 노트북을 사용합니다.

신규 출시!

노트북을 사용하는 확장 가능한 데이터 준비

SageMaker Studio 노트북에서 클릭 몇 번으로 Amazon EMR에서 실행되는 Apache Spark 데이터 처리 환경을 시각적으로 찾아보고 검색하고 연결할 수 있습니다. 연결된 후에는 대화형으로 데이터를 쿼리, 탐색 및 시각화하고 선택한 언어(SQL, Python 및 Scala)로 Spark 작업을 실행하여 엔드 투 엔드 데이터 준비 및 기계 학습 워크플로를 구축할 수 있습니다.

확장 가능한 실험

모델을 미세 조정하기 위해 입력의 다양한 조합을 실험하는 한편, 노트북과 함께 실험 리더 보드를 시작할 수 있습니다. 리더 보드는 모든 실험을 자동으로 추적하고 정렬하고 실험의 순위를 지정합니다. 성능이 가장 우수한 모델을 한눈에 쉽게 비교하고 식별할 수 있습니다.

빠른 시작

Amazon SageMaker Studio에는 150개 이상의 인기 있는 오픈 소스 모델과 이탈 예측 및 사기 탐지 등 일반적인 사용 사례를 위한 15개 이상의 사전 구축된 솔루션이 포함된 기계 학습 시작 관리자가 포함되어 있으므로, 단 몇 분 만에 첫 번째 모델을 구축할 수 있습니다. 또한 Amazon SageMaker AutoPilot을 사용하여 클릭 몇 번 만으로 자체 데이터를 통해 ML 모델을 생성할 수 있습니다.

자체 컨테이너 가져오기

Amazon SageMaker Studio Notebooks는 Tensorflow, MXNet, PyTorch, 노트북 실행을 위한 컴퓨팅 옵션 등의 딥 러닝 프레임워크 및 인기 있는 데이터 사이언스를 위한 기본 제공 이미지 세트를 제공합니다. 또한 사용자 지정 기본 제공 이미지 및 커널을 등록할 수 있으며, SageMaker Studio 도메인을 공유하는 모든 사용자가 이를 사용할 수 있습니다. 사용자 지정 이미지를 사용하면 인기 있는 딥 러닝 프레임워크의 특정 버전을 사용하여 노트북을 스핀업할 수 있습니다.

딥 러닝

Amazon SageMaker Studio는 TensorFlow, Apache MXNet, PyTorch 등의 딥 러닝을 위해 널리 사용되는 많은 프레임워크를 지원합니다. 이러한 프레임워크는 고성능을 위해 자동으로 구성 및 최적화됩니다.

Amazon SageMaker Studio