게시된 날짜: Jun 3, 2021
AWS 솔루션은 파이프라인 배포 프로세스를 간소화하고 기계 학습(ML) 모델 생산화를 위한 아키텍처 모범 사례를 적용하는 AWS 솔루션 구현인, AWS MLOps Framework를 업데이트하였습니다. 이 솔루션은 고객이 여러 기계 학습 워크플로 자동화 도구를 채택할 때 직면하는 일반적인 운영 문제를 해결해 줍니다.
이 업데이트로 다중 계정 기능이 추가되어, 고객은 서로 다른 계정에서 여러 환경(예: 개발, 스테이징 및 프로덕션)을 프로비저닝할 수 있습니다. 이를 통해 기계 학습 워크로드 개발의 거버넌스 및 보안을 개선하면서 적절한 제어 수단으로 프로덕션 데이터를 보호할 수 있습니다. 이 새 버전에는 Amazon SageMaker 엔드포인트에서 모델 배포에 사용할 사용자 지정 알고리즘을 위한 Docker 이미지를 구축하고 등록할 새 파이프라인도 포함되었습니다.
이 솔루션에서 제공하는 주요 기능은 다음과 같습니다.
- API 호출 또는 Git 리포지토리를 통해 사전 구성된 파이프라인을 시작
- 훈련된 모형을 자동으로 배포하고 추론 엔드포인트를 제공
- 배포된 기계 학습 모형의 지속적인 모니터링 및 품질 편차 감지
- 자체 통합 테스트 실행을 지원하여 배포된 모형이 기대치를 충족하는지 확인
- 여러 환경을 프로비저닝할 수 있어 기계 학습 모델의 수명 주기를 지원
- 자체 모델 및 모델 모니터 파이프라인을 가져오기 위한 다중 계정을 지원합니다.
- 고객은 Amazon SageMaker 엔드포인트에서 모델 배포에 사용할 사용자 지정 알고리즘을 위한 Docker 이미지를 구축하고 등록할 수 있습니다.
추가 AWS 솔루션은 AWS 솔루션 구현 웹 페이지에서 확인할 수 있습니다. 여기서 특정 비즈니스 요구 사항에 따라 제품 카테고리 또는 산업별로 솔루션을 검색하여 AWS의 검토를 거친 자동화된 턴키 참조 구현을 찾아볼 수 있습니다.