아마존 세이지메이커 AI, 더 빠른 AI 개발을 위한 서버리스 MLflow 기능 발표

Amazon SageMaker AI가 이제 서버리스 MLflow 기능을 제공하여 AI 모델 개발 작업을 지원하기 위해 동적으로 확장됩니다. MLflow를 사용하면 AI 개발자는 인프라 설정이 완료될 때까지 기다리지 않고도 실험을 추적, 비교 및 평가할 수 있습니다. 다양한 산업 분야의 고객들이 AI 개발을 가속화함에 따라, AI 모델, 애플리케이션 및 에이전트의 실험을 추적하고, 동작을 관찰하며, 성능을 평가할 수 있는 기능이 필요합니다. 그러나 MLflow 인프라를 관리하려면 관리자가 추적 서버를 지속적으로 유지 및 확장하고, 복잡한 용량 계획 결정을 내리며, 데이터 격리를 위해 별도의 인스턴스를 배포해야 합니다. 이러한 인프라 부담은 핵심 AI 개발에서 리소스를 전환시키고 팀 생산성 및 비용 효율성에 영향을 미치는 병목 현상을 유발합니다. 이번 업데이트를 통해 MLflow는 이제 까다롭고 예측 불가능한 모델 개발 작업에 대해 빠른 성능을 제공하기 위해 동적으로 확장되고, 유휴 시간에는 축소됩니다. 관리자는 Resource Access Manager(RAM)를 통해 계정 간 액세스를 설정하여 조직 경계를 넘어 협업을 간소화함으로써 생산성을 향상시킬 수도 있습니다. Amazon SageMaker AI의 서버리스 MLflow 기능은 추가 비용 없이 제공되며, SageMaker AI JumpStart, SageMaker Model Registry 및 SageMaker Pipelines와 같은 익숙한 Amazon SageMaker AI 모델 개발 기능과 네이티브로 작동합니다. 고객은 자동 버전 업데이트를 통해 Amazon SageMaker AI에서 최신 버전의 MLflow에 액세스할 수 있습니다. MLflow를 포함한 Amazon SageMaker AI는 현재 일부 AWS 리전에서 사용할 수 있습니다. 자세한 내용은 Amazon SageMaker AI 사용자 가이드 및 AWS 뉴스 블로그를 참조하십시오.