기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

SageMaker Studio 관리 모범 사례

게시 날짜: 2023년 4월 25일 (문서 수정)

요약

Amazon SageMaker AI Studio는 모든 기계 학습(ML) 개발 단계를 수행할 수 있는 단일 웹 기반 시각적 인터페이스를 제공하여 데이터 과학 팀 생산성을 향상시킵니다. SageMaker AI Studio는 모델을 빌드, 훈련 및 평가하는 데 필요한 각 단계에 대한 완전한 액세스, 제어 및 가시성을 제공합니다.

이 백서에서는 운영 모델, 도메인 관리, 자격 증명 관리, 권한 관리, 네트워크 관리, 로깅, 모니터링 및 사용자 지정을 포함한 여러 주제의 모범 사례를 설명합니다. 여기에서 설명하는 모범 사례는 다중 테넌트 배포를 포함한 엔터프라이즈 SageMaker AI Studio 배포를 위한 것입니다. 이 문서는 ML 플랫폼 관리자, ML 엔지니어 및 ML 아키텍트를 대상으로 합니다.

귀사는 Well-Architected입니까?

AWS Well-Architected 프레임워크는 클라우드에서 시스템을 구축할 때 내리는 결정의 장단점을 이해하는 데 도움이 됩니다. 이 프레임워크를 사용하여 클라우드에서 안정적이고 안전하며 효율적이고 비용 효율적인 시스템을 설계하고 운영하기 위한 아키텍처 모범 사례를 살펴볼 수 있습니다. AWS Management Console에서 무료로 제공되는 AWS Well-Architected Tool를 사용하면 각 요소에 대한 일련의 질문에 답하여, 이러한 모범 사례와 비교하여 워크로드를 검토할 수 있습니다.

Machine Learning Lens에서는, AWS 클라우드에서 기계 학습 워크로드를 설계, 배포 및 구축하는 방법에 중점을 둡니다. 이 Lens는 Well-Architected Framework에 설명된 모범 사례에 추가됩니다.

소개

SageMaker AI Studio를 ML 플랫폼으로 관리할 때는 워크로드가 증가함에 따라 ML 플랫폼을 확장하는 데 도움이 되는 정보에 입각한 결정을 내리기 위한 모범 사례 지침이 필요합니다. ML 플랫폼을 프로비저닝, 운영 및 확장하려면 다음 사항을 고려하세요.