CloudML Experiments
(클라우드ML 익스페리먼트)
AI모델 학습의 실험 정보를 기록, 비교하여 챔피언 모델을 관리하기 위한 서비스
클라우드ML 익스페리먼트는 클라우드ML 노트북과 클라우드ML 스튜디오를 사용해 개발한 AI모델을 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 수행중인 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 재활용 할 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 → ML모델 개발/튜닝, 학습, 추론결과 분석 → SCP CloudML(CloudML Notebook) ← Kubernetes Service 활용 → Kubernetes Service (DNS, VPC, Virtual Server, NAS, Security Group, Cloud Monitoring)
- Data Scientist → ML모델 개발/튜닝, 학습, 추론결과 분석 → SCP CloudML(CloudML Studio) ← 연동 → Container Image Registry
- Data Scientist → ML모델 개발/튜닝, 학습, 추론결과 분석 → SCP CloudML(CloudML Pipeline) ← 연동 → IDP(Identity Provider)*
- MLOps Engineer → ML모델 개발/튜닝, 학습, 추론결과 분석 → SCP CloudML(CloudML Experiments) ← 연동 → DevOps Tool* (Nexus, GitHub)
- MLOps Engineer → ML모델 개발/튜닝, 학습, 추론결과 분석 → SCP CloudML(Kubernetes Engine) ← Data Set, 모델 저장/활용 → Object Storage*
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 -
MLflow기반 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 상담해보세요.