Amazon SageMaker Studio

엔드 투 엔드 ML 개발을 위한 단일 웹 기반 인터페이스
SageMaker Studio

SageMaker Studio를 선택해야하는 이유

Amazon SageMaker Studio는 데이터 준비부터 ML 모델 구축, 훈련, 배포 및 관리에 이르기까지 모든 기계 학습(ML) 개발 단계를 수행할 수 있는 다양한 전용 도구를 제공합니다. 선호하는 IDE를 사용하여 데이터를 빠르게 업로드하고 모델을 구축할 수 있습니다. ML 팀 협업을 간소화하고, AI 기반 코딩 컴패니언을 사용하여 효율적으로 코딩하고, 모델을 조정 및 디버그하고, 프로덕션 환경에서 모델을 배포 및 관리하고, 워크플로를 자동화하는 모든 작업을 하나의 통합된 웹 기반 인터페이스에서 수행할 수 있습니다.

작동 방식

Amazon SageMaker Studio의 작동 방식

작동 방식

Amazon SageMaker Studio의 작동 방식

SageMaker Studio의 이점

Amazon SageMaker Studio는 JupyterLab, Code-OSS 기반 코드 편집기(Visual Studio Code - 오픈 소스), RStudio 등 ML 개발을 위한 다양한 완전관리형 통합 개발 환경(IDE)을 제공합니다. 선호하는 IDE를 빠르게 시작하고 기본 컴퓨팅을 즉시 스케일 업/다운합니다.
데이터 준비부터 ML 모델 구축, 훈련, 배포 및 관리에 이르기까지, ML 개발의 각 단계를 지원하는 가장 포괄적인 도구 세트를 이용할 수 있습니다. 단계 간을 빠르게 이동하면서 모델을 미세 조정하고, 훈련 실험을 재생하고, JupyterLab, 코드 편집기 또는 RStudio on Amazon SageMaker에서 바로 분산 훈련으로 확장합니다.
Amazon SageMaker JumpStart를 통해 일반에 공개된 수백 개의 인기 모델과 15개 이상의 사전 구축된 솔루션에 액세스하여 생성형 AI 애플리케이션을 구축합니다. AI21 Labs, LightOn, Stability AI, Hugging Face, Alexa, Meta AI 등의 주요 모델 제공업체의 모델에 액세스할 수 있습니다. 그런 다음 정확성, 견고성, 유해성과 같은 사전 정의된 지표를 기준으로 사용 사례에 가장 적합한 파운데이션 모델(FM)을 신속하게 평가, 비교, 선택합니다. 독창성, 스타일 등 주관적으로 평가해야 하는 차원에서는 인적 평가를 진행할 수 있습니다.
IDE에서 AI 기반 개발자 도구를 사용하여 ML 개발을 안전하게 가속화하고 생산성을 높입니다. Amazon CodeWhisperer를 사용하여 소스 코드를 생성, 디버깅 및 설명하고, Amazon CodeGuru를 사용하여 보안 및 코드 품질 검사를 수행합니다.
웹 브라우저를 사용하여 모든 디바이스에서 SageMaker Studio를 사용할 수 있습니다. 코드와 데이터 모두 안전한 클라우드 환경 내에 보관되므로 민감한 ML 아티팩트를 로컬 머신에 다운로드할 필요가 없습니다.

사용 사례

일반에 공개된 다양한 FM, 모델 평가 도구, 고성능 가속 컴퓨팅을 기반으로 한 IDE, 그리고 SageMaker Studio에서 직접 FM을 미세 조정 및 대규모로 배포할 수 있는 기능을 활용하여 생성형 AI 애플리케이션을 더 빠르게 구축합니다.

가장 포괄적인 ML 도구를 모두 한곳에서 제공하는 SageMaker Studio를 기반으로 전반적인 ML 개발을 통합합니다. SageMaker는 ML 워크플로와 거버넌스 도구를 자동화 및 표준화하여 조직 전체의 투명성과 감사 능력을 지원하는 고성능 MLOps 도구를 제공합니다.

SageMaker Studio는 모든 데이터 분석 및 ML 워크플로를 수행할 수 있는 통합 환경을 제공합니다. Amazon EMR 클러스터를 생성하고 찾아보고 연결합니다. Amazon Glue 대화형 세션을 통해 대화형 데이터 준비 및 분석 애플리케이션을 구축, 테스트 및 실행합니다. SageMaker Studio에서 바로 사용할 수 있는 Spark UI와 같은 익숙한 도구를 사용하여 Spark 작업을 모니터링하고 디버깅합니다.