Amazon SageMaker Pipelines

기계 학습 워크플로를 위한 목적별 서비스
Amazon SageMaker Pipelines 시작하기

Amazon SageMaker Pipelines란 무엇인가요?

Amazon SageMaker Pipelines는 MLOps 및 LLMOps 자동화를 위해 특별히 구축된 서버리스 워크플로 오케스트레이션 서비스입니다. 직관적인 드래그 앤 드롭 UI 또는 Python SDK를 사용하여 반복 가능한 엔드 투 엔드 ML 워크플로를 쉽게 구축, 실행, 모니터링할 수 있습니다. Amazon SageMaker Pipelines는 프로덕션 환경에서 수만 개의 동시 ML 워크플로를 실행하도록 확장할 수 있습니다.

SageMaker Pipelines의 이점

Amazon SageMaker 기능(예: 훈련, 노트북 작업, 추론)과의 원활한 통합과 서버리스 인프라 덕분에 ML 작업 자동화와 관련된 획일적인 작업 부담이 제거됩니다.
드래그 앤 드롭 UI 또는 코드(Python SDK, API)를 사용하여 ML 워크플로 DAG(방향성 비순환 그래프)를 생성, 실행, 모니터링할 수 있습니다.
기존 ML 코드를 리프트 앤 시프트하여 수만 번의 실행을 자동화하세요. MLOps 및 LLMOps 전략에 맞게 조정된 사용자 지정 통합을 구축할 수 있습니다.

GenAI 워크플로 작성, 실행 및 모니터링

Amazon SageMaker Studio의 직관적인 드래그 앤 드롭 시각적 인터페이스를 사용하여 파운데이션 모델 워크플로의 변형을 생성하고 실험하세요. 워크플로를 수동으로 또는 일정에 따라 실행하여 새 데이터가 사용 가능할 때 ML 모델 및 추론 엔드포인트를 자동으로 업데이트할 수 있습니다.

Abalone 모델 훈련 다이어그램

ML 워크플로 실행 감사 및 디버그

워크플로 구조, 성능 및 기타 메타데이터의 세부 기록을 확인하여 과거에 실행된 ML 작업을 감사할 수 있습니다. 엔드 투 엔드 워크플로의 개별 구성 요소를 심층적으로 분석하여 작업 실패를 디버그하고, 시각적 편집기 또는 코드에서 수정하고, 업데이트된 파이프라인을 다시 실행합니다.

모델 자동 추적

기계 학습 코드 리프트 앤 시프트

단일 Python 데코레이터(@step)를 사용하여 SageMaker 파이프라인에서 기존 ML 코드를 재사용하고 실행을 자동화하세요. '코드 실행' 및 '노트북 작업' 단계 유형으로 일련의 Python Notebooks 또는 스크립트를 실행할 수 있습니다.

최고의 모델 선택