SageMaker AI 관리형 MLflow: 점수를 비교하기 전 검증 스냅샷을 맞추자
가상 소포 분류로 다른 담당자가 같은 데이터의 실행만 비교할 수 있는지 확인한다.
Goze에 실린 Amazon SageMaker는 더 넓은 플랫폼이다. 여기서는 모델 개발 기능인 SageMaker AI만 다룬다. AWS는 2024년 관리형 MLflow를 출시했으며 실행별 매개변수, 지표, 태그 및 산출물 위치를 기록할 수 있다. 기록이 잘 남아도 검증 데이터가 달라지면 점수 비교가 성립하지 않을 수 있다.

그림 1. 직접 만든 검수 그림이며 콘솔이 아니다. 먼저 두 실행의 잣대를 맞춘다.
소포 크기 분류를 인수인계 문제로 삼는다
가상의 소포 치수와 작은 상자·큰 상자 라벨로 오프라인 모의 검수를 한다. A와 B에 동결한 검증 스냅샷 V1과 같은 분할, 지표, 단위를 쓰고 기록만으로 비교를 재구성한다. B를 V2로 바꾸면 점수가 높더라도 직접 비교 불가로 표시한다. 실행마다 스냅샷 ID 또는 해시, 분할, 스크립트 버전, 지표 정의 및 산출물 위치를 남긴다. 팀이 기록할 항목이지 AWS가 모든 입력을 자동으로 고정한다는 뜻이 아니다.
동료가 기록만 보고 비교할 두 실행을 찾고 스크립트와 스냅샷을 되찾을 수 있는지 본다. 로컬 MLflow나 버전을 관리하는 실험표로도 해 본다. 혼자 소수의 실험을 하고 인계가 된다면 로컬을 유지한다. 여러 명이 맥락을 자주 잃을 때만 관리형 추적 및 유지비를 비교한다. 실제 검토 시 추적·산출물 저장·계산 비용을 나누고, 이 예에서는 클라우드 자원을 만들지 않는다.
콘텐츠 안내:이 글은 공개 자료를 바탕으로 정리한 도구 선택 참고 자료입니다. 제품 기능, 가격 및 관련 정책은 수시로 변경될 수 있으니 최신 공식 정보를 확인해 주세요.
원문 출처:docs.aws.amazon.com