본문 바로가기
IT 공부/AWS AI Practioner(완)

AWS AI Practitioner 25 Sagemaker 3

by 랜턴K 2024. 10. 23.
반응형

ML Governance 

- SageMaker Model Cards ; 주요한 모델 정보 / 의도된 목적, 리스크 레이팅, 트레이닝 상세

- SageMaker Model Dashboard ; 중앙화된 레포지토리 / 모든 모델에 대한 정보 

- SageMaker Role Manager ; 사람들의 역할 정의 

 

SageMaker Model Registry 

- 중앙화된 레포지토리 / 트랙 매니지 버전 등을 관리

- 모델을 카탈로그함 / 

- 승인 상태를 확인 가능함 / 모델 전개 및 공유를 자동화 할 수 있음 

 

SageMaker Pipelines 

- 워크플로우를 보여줌 

- CI CD 서비스 

- 빌드와 트레인을 쉽게 하고 / 100개 이상의 전개를 자동화 

- 시작을 가속 / 에러 감소 (수동 스텝 삭제) / 작업의 반복가능화 등 

- Processing ; 데이터 프로세싱 

- Training ; 트레이닝 

- Tuning ; 하이퍼파라미터 튜닝 

- AutoML ; 트레이닝 자동화 

- Model ; 생성 또는 등록 SageMaker 모델을

- ClarifyCheck ; 베이스라인 기준의 드리프트 체크 (바이어스 / 모델 설명성 등)

- QualityCheck ; 베이스라인 기준의 드리프트 체크 (바이어스 / 모델 품질 등)

 

SageMaker JumpStart 

-ML 허브 ; 프리-트레인드 FM 을 사용 가능

- 전부 커스터마이즈 가능

- 세이지메이커에서 바로 전개도 가능

- 프리빌트 ML 솔루션도 제공함

 

SageMaker Canvas 

- 노코딩 비주얼 인터페이스로 빌드 가능하게 함 

- 배드락 또는 점프스타트를 이용할 수 있음

- SageMaker Autopilot을 사용하여 AutoML을 커스텀할 수도 있음

- Part of SageMaker Studio

 

MLFlow 

- 오픈소스 툴 - ML팀이 전체 ML 라이프사이클을 관리하게 도와줌 

- MLFlow 트래킹 서버 (SageMaker Studio의 기능 중 일부)

 

 

반응형