데이터 과학을 위한 Posit의 통합 개발 환경(IDE)인 Positron이 이제 Amazon SageMaker AI에서 작동합니다. 이는 데이터 팀이 데이터 접근, R 또는 Python에서의 분석, 배포, 애플리케이션 개발 및 보고를 위한 개별 도구 작업을 피할 수 있게 합니다. SageMaker AI에서 Positron을 사용하면 Space 실행 역할로 작동하기 때문에 자격 증명 관리 없이 데이터에 접근할 수 있는 이점이 있습니다. 이는 IDE에서 Amazon Athena, AWS Glue Data Catalog 및 Amazon S3에 직접 쿼리를 수행할 수 있게 하며, 키를 저장하거나 업데이트할 필요 없이 역할 권한을 따릅니다. 또한 요청 시 사용할 수 있는 컴퓨팅 파워가 제공됩니다. 사용자는 필요한 인스턴스 크기로 Space를 실행할 수 있으며, 팀은 실행 중인 학습을 위한 SageMaker AI 학습 계획을 통해 파워를 예약할 수 있습니다. 이 외에도 Posit의 AI 어시스턴트인 Posit Assistant는 Amazon Bedrock을 모델 제공자로 사용할 수 있어 자체 AWS 계정 내에서의 안전한 실행을 보장합니다.
작업 흐름의 일환으로 Amazon S3에 저장되고 AWS Glue Data Catalog에 등록된 50,000개의 대출로 구성된 합성 포트폴리오의 사용이 시연되었습니다. Amazon Athena는 데이터에 대한 쿼리를 수행하고, R에서의 분석은 특징을 검증하며, Python은 XGBoost 분류기 학습을 목표로 합니다. 생성된 결과는 기록되어 Positron에서 배포된 애플리케이션의 일부가 됩니다. 작업 흐름은 또한 50,000개의 대출 중 1,500개의 기록이 소득 데이터가 없고, 1,015건의 디폴트가 총 디폴트율 2.03%를 초래했음을 보여주었습니다. 논의된 결과는 최종 평가된 분류기의 ROC 곡선 아래 영역(AUC)이 0.834였으며, 상위 10% 대출자의 최대 위험이 12.3%임을 나타냈습니다.
작업 흐름의 최종 결과로 InService 채널을 통해 사용할 수 있는 모델 배포가 포함됩니다. 그러나 이 작업 흐름은 모델의 공정성, 보정, 대출 적합성, 생산 지연 또는 규제 준수를 설정하지 않았음을 유의해야 합니다. 이러한 점들은 도출된 결론이 단일 세션에만 해당되며 성능이나 비용의 일반적인 지표로 사용되지 않음을 강조합니다. 따라서 SageMaker AI에서의 Positron 작업은 데이터 과학, 분석 모델링 및 애플리케이션 배포의 통합 가능성을 보여주었으며, 높은 상호작용성과 데이터 접근성을 제공합니다.
관련 도움말
