CloudML Pipeline
(클라우드ML 파이프라인)

상품 신청 바로 가기

AI 분석 모델의 학습 및 실행 이력을 파이프라인 형태로 관리하는 서비스

클라우드ML 파이프라인은 AI 모델 라이프 사이클의 전체 워크플로우를 직관적인 파이프라인 형태로 분석하여 학습 및 실행 이력을 한눈에 확인할 수 있는 서비스입니다. 파이프라인 각 단계별 분석과 학습 실행이 가능하며, 실시간으로 관리 및 추적이 가능합니다. 삼성 클라우드 플랫폼 (Samsung Cloud Platform, SCP)의 웹 기반 콘솔을 통해 쉽고 편리하게 설치하여 사용할 수 있습니다.

클라우드ML 파이프라인 서비스 특징

  • 손쉬운 라이프사이클 분석

    주피터 노트북과 Workflow Modeler를 스텝으로 등록 가능한 파이프라인을 제공합니다. 클라우드ML 파이프라인은 AI 모델 개발자(분석가) 의도에 맞게 파이프라인 스텝 구성이 가능하여, AI 모델 별 각 라이프 사이클에 맞는 최적의 분석 작업이 가능합니다.

  • 효과적인 학습 실행

    각 스텝별 리소스 설정 및 학습 실행을 위한 Arguments를 정의할 수 있습니다. 이를 통해 AI 모델 별 조건에 맞는 실행 옵션을 설정하여 다양한 학습 실행이 가능합니다. 또한 파이프라인의 형태 분석을 통해 데이터가 변환되는 각 스텝의 이해도를 높여주고, 학습 실행 결과 예측의 정확성을 향상할 수 있습니다.

  • 실시간 모니터링 제공

    AI 모델 학습 수행 중 실시간으로 Log 모니터링 현황을 제공하여, 각 스텝별 실험 지표의 세부 내용을 한눈에 파악하고 학습 이력을 추적할 수 있습니다.

01

04

클라우드ML 파이프라인 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
  • Data Scientist → ML 모델 개발/튜닝, 학습, 추론 결과 분석 → 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 → CloudML Studio ↔ 연동(Container Image Registry)
  • Data Scientist → ML 모델 개발/튜닝, 학습, 추론 결과 분석 → CloudML Pipeline ↔ 연동(IDP(Identity Provider*))
  • Data Scientist → ML 모델 개발/튜닝, 학습, 추론 결과 분석 → CloudML Experiments ↔ 연동(DevOps Tool* (Nexus, GitHub)
  • Data Scientist → ML 모델 개발/튜닝, 학습, 추론 결과 분석 → Kubernetes Engine ↔ Data Set, 모델 저장/활용(Object Storage*)
  • MLOps Engineer → 자동화된 ML 시스템 구성(ML Pipeline 등) → CloudML Notebook ↔ Kubernetes Service 활용 ( Kubernetes Service (DNS, VPC, Virtual Server, NAS, Security Group, Cloud Monitoring)
  • MLOps Engineer → 자동화된 ML 시스템 구성(ML Pipeline 등) → CloudML Studio ↔ 연동(Container Image Registry)
  • MLOps Engineer → 자동화된 ML 시스템 구성(ML Pipeline 등) → CloudML Pipeline ↔ 연동(IDP(Identity Provider*))
  • MLOps Engineer → 자동화된 ML 시스템 구성(ML Pipeline 등) → CloudML Experiments ↔ 연동(DevOps Tool* (Nexus, GitHub)
  • MLOps Engineer → 자동화된 ML 시스템 구성(ML Pipeline 등) → Kubernetes Engine ↔ Data Set, 모델 저장/활용(Object Storage*)
*추후 제공 예정

클라우드ML 파이프라인 주요 기능

  • 파이프라인 관리 및 추적

    - 실행 이력 모니터링 : Step 별 수행이력 및 상태 확인
    - 실시간 실행 로그 모니터링 : Step 실행 중 누적 로그 파일 실시간 모니터링
    - 실시간 실험 지표 모니터링 : 주요 실험 지표(Accuracy, Loss 등)의 시각화 및 실시간 모니터링

    ※ 실시간 모니터링은 CloudML Experiments 상품 신청 시 적용

  • UI 기반 워크플로우 모델 통합 관리

    - Python 모델 통합 기능
    - 파이프라인 각 실행 스텝 정의 : 생성, 분석/스텝 구성, Option/Argument
    - Step 별 자원 할당 및 실행 Image 선택 기능 제공

클라우드ML 파이프라인 요금 기준

    • 과금
    • 클라우드ML 파이프라인이 점유하는 쿠버네티스 엔진의 컨테이너 Pod 사용시간 (vCore/hr)
무엇이든 물어보세요

비즈니스 성공에 필요한 핵심 기능을 제공하는 삼성SDS 클라우드를 살펴보고, 클라우드 전문가와 상담해 보세요.

공유하기