CloudML Experiments
(클라우드ML 익스페리먼트)
AI 모델 학습의 실험 정보를 기록, 비교하여 챔피언 모델을 관리하기 위한 서비스
클라우드ML 익스페리먼트는 클라우드ML 노트북과 클라우드ML 스튜디오를 사용해 개발한 AI 모델을 실행하여 모델 학습이 제대로 이루어지는지 실험 및 검증 결과를 관리해 주는 서비스입니다. 대시보드를 통해 모델 별 실행 내역 및 상태를 한눈에 확인할 수 있어 편리하게 모델별 실험 결과를 비교하고 관리할 수 있습니다.
클라우드ML 익스페리먼트 서비스 특징
-
편리한 실험 상태 조회
데이터 분석가가 모델을 학습하는 과정에서 생성되는 실험 정보들을 기록하고 그에 따른 챔피언 모델을 선정합니다. 대시보드를 통해 전체 수행 중인 실험들의 상태 및 이력을 한눈에 파악하고 관리할 수 있습니다.
-
손쉬운 모델 비교
Model Tracker 와 Model Verification 기능을 통해 모델별 실험 결과 관리, 비교 및 검증, 버전 관리, 모니터링까지 AI 모델의 라이프사이클 전체를 손쉽게 관리할 수 있습니다.
-
중앙 특성 저장소
완전 관리형 목적별 리포지토리를 사용하여 훈련 및 추론을 위한 기계 학습 모델의 특성을 저장하여 공유할 수 있습니다. 저장해 놓은 특성은 훈련 및 추론 중에 재활용할 수 있어서 수개월의 개발 작업 시간을 줄일 수 있습니다.
01
04
클라우드ML 익스페리먼트 서비스 구성도
- SCP CloudML
- CloudML Notebook: 모델 개발 및 학습, 파라미터 튜닝
- CloudML Studio: 워크플로우 개발, 리포트 및 Analytics App 개발
- CloudML Pipeline: 컴포넌트별 자원 할당, 모델 라이프사이클 관리, 파이프라인 실행
- CloudML Experiments: 실험 저장 및 관리, Model Registry, Model Verification
- Kubernetes Engine
- Data Scientist → ML 모델 개발/튜닝, 학습, 추론 결과 분석 → SCP CloudML(CloudML Notebook) ← Kubernetes Service 활용 → Kubernetes Service (DNS, VPC, Virtual Server, NAS, Security Group, Cloud Monitoring)
- Data Scientist → ML 모델 개발/튜닝, 학습, 추론 결과 분석 → SCP CloudML(CloudML Studio) ← 연동 → Container Image Regi
- Data Scientist → ML 모델 개발/튜닝, 학습, 추론 결과 분석 → SCP CloudML(CloudML Pipeline) ← 연동 → IDP(Identity Provider)*
- MLOps Engineer → ML 모델 개발/튜닝, 학습, 추론 결과 분석 → SCP CloudML(CloudML Experiments) ← 연동 → DevOps Tool* (Nexus, GitHub)
- MLOps Engineer → ML 모델 개발/튜닝, 학습, 추론 결과 분석 → SCP CloudML
클라우드ML 익스페리먼트 주요 기능
-
실행 대시보드 제공
- 실험 수행 리스트 및 현재 상태 조회 : Running, Finished, Failed
- 프로젝트 메타정보 조회 : 프로젝트 ID, User ID, Image
- 전체 실험 목록 및 세부 모델 내역 -
MLflow 기반 실험 관리 및 비교
- 전체 실험 관리 및 모델별 세부 정보 조회
- 실험 관리를 위한 모델의 과거 실험 이력 비교 분석
- 모델 검증을 위한 Model Verification 기능
- 모델 형상 관리 및 배포를 위한 Model Registry 제공
클라우드ML 익스페리먼트 요금 기준
-
- 과금
- 클라우드ML 익스페리먼트가 점유하는 쿠버네티스 엔진의 컨테이너 Pod 사용시간 (vCore/hr)
무엇이든 물어보세요
비즈니스 성공에 필요한 핵심 기능을 제공하는 삼성SDS 클라우드를 살펴보고, 클라우드 전문가와 상담해 보세요.