기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 사용자 지정 모델을 사용한 예측
<a name="canvas-make-predictions"></a>

SageMaker Canvas에서 구축한 사용자 지정 모델을 사용하여 데이터를 예측할 수 있습니다. 다음 섹션에서는 숫자 및 범주형 예측 모델, 시계열 예측, 이미지 예측 모델 및 텍스트 예측 모델에 대한 예측 방법을 보여줍니다.

숫자 및 범주형 예측, 이미지 예측, 텍스트 예측 사용자 지정 모델은 데이터에 대해 다음과 같은 유형의 예측을 지원합니다.
+ **단일 예측** - **단일 예측**은 하나의 예측만 수행하면 되는 경우입니다. 예를 들어 분류하려는 이미지나 텍스트 구절이 하나 있다고 가정해 보겠습니다.
+ **배치 예측** - **배치 예측**은 전체 데이터 집합에 대해 예측을 수행하려는 경우입니다. 1TB 이상의 데이터세트에 대해 배치 예측을 수행할 수 있습니다. 예를 들어 고객 감정을 예측하려는 고객 리뷰가 담긴 CSV 파일이 있거나 분류하려는 이미지 파일이 들어 있는 폴더가 있습니다. 입력 데이터세트와 일치하는 데이터세트로 예측해야 합니다. Canvas는 수동 배치 예측 기능을 제공하며, 사용자가 데이터세트를 업데이트할 때마다 실행되는 자동 배치 예측을 구성할 수 있습니다.

각 예측 또는 예측 세트에 대해 SageMaker Canvas는 다음을 반환합니다.
+ 예측된 값
+ 예측값이 정확할 확률

**시작**

다음 워크플로 중 하나를 선택하여 사용자 지정 모델로 예측하세요.
+ [SageMaker Canvas의 배치 예측](canvas-make-predictions-batch.md)
+ [단일 예측 수행](canvas-make-predictions-single.md)

모델을 사용하여 예측을 생성한 후 다음을 수행할 수도 있습니다.
+ [버전을 추가하여 모델을 업데이트합니다.](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-update-model.html) 모델의 예측 정확도를 향상시키려면 새 버전의 모델을 구축할 수 있습니다. 원래 모델 빌드 구성 및 데이터세트를 복제하거나 구성을 변경하고 다른 데이터세트를 선택할 수 있습니다. 새 버전을 추가한 후 버전을 검토하고 비교하여 가장 적합한 버전을 선택할 수 있습니다.
+ [SageMaker AI 모델 레지스트리에 모델 버전 등록](canvas-register-model.md).모델 버전 및 기계 학습 파이프라인의 상태를 추적하고 관리하는 기능인 SageMaker 모델 레지스트리에 모델 버전을 등록할 수 있습니다. SageMaker 모델 레지스트리에 액세스할 수 있는 데이터 과학자 또는 MLOps 팀 사용자는 모델 버전을 검토하고 모델 버전을 승인하거나 거부한 후 프로덕션에 배포할 수 있습니다.
+ [배치 예측을 Quick로 전송합니다.](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-send-predictions.html) Quick에서 배치 예측 데이터 세트를 사용하여 대시보드를 빌드하고 게시할 수 있습니다. 이를 통해 사용자 지정 모델에서 생성된 결과를 분석하고 공유할 수 있습니다.

# 단일 예측 수행
<a name="canvas-make-predictions-single"></a>

**참고**  
이 섹션에서는 Canvas 애플리케이션 내의 모델에서 단일 예측을 얻는 방법에 대해 설명합니다. 엔드포인트에 모델을 배포하여 프로덕션 환경에서 실시간 호출을 수행하는 방법에 대한 자세한 내용은 [엔드포인트에 모델 배포](canvas-deploy-model.md)을 참조하세요.

단일 데이터 포인트에 대한 예측을 얻으려면 단일 예측을 수행합니다. 이 기능을 사용하여 실시간 예측을 얻거나 개별 값을 변경하여 예측 결과에 어떤 영향을 미치는지 실험할 수 있습니다. 단일 예측은 비동기 추론 엔드포인트에 의존하며, 이 엔드포인트는 유휴 상태(또는 예측 요청을 수신하지 않음)가 2시간 동안 지속되면 종료됩니다.

모델 유형에 따라 다음 절차 중 하나를 선택합니다.

## 숫자 및 범주형 예측 모델을 사용하여 단일 예측 수행
<a name="canvas-make-predictions-numeric-categorical"></a>

숫 또는 범주형 예측 모델에 대해 단일 예측을 수행하려면 다음을 수행하세요.

1. Canvas 애플리케이션의 왼쪽 탐색 창에서 **내 모델**을 선택합니다.

1. **내 모델** 페이지에서 모델을 선택합니다.

1. 모델을 연 후 **예측** 탭을 선택합니다.

1. **예측 실행** 페이지에서 **단일 예측**을 선택합니다.

1. 입력 데이터의 열을 나타내는 각 **열** 필드에 대해 **값**을 변경할 수 있습니다. 변경하려는 **값의** 드롭다운 메뉴를 선택합니다. 숫자 필드의 경우 새 숫자를 입력할 수 있습니다. 레이블이 있는 필드의 경우 다른 레이블을 선택할 수 있습니다.

1. 예측을 생성할 준비가 되면 오른쪽 **예측** 패널에서 **업데이트**를 선택합니다.

오른쪽 **예측** 패널에는 예측 결과가 표시됩니다. 예측 결과 차트를 **복사**하거나 **다운로드**를 선택하여 예측 결과 차트를 이미지로 다운로드하거나 값과 예측을 CSV 파일로 다운로드할 수 있습니다.

## 시계열 예측 모델을 사용하여 단일 예측 수행
<a name="canvas-make-predictions-forecast"></a>

시계열 예측 모델에 대해 단일 예측을 수행하려면 다음을 수행합니다.

1. Canvas 애플리케이션의 왼쪽 탐색 창에서 **내 모델**을 선택합니다.

1. **내 모델** 페이지에서 모델을 선택합니다.

1. 모델을 연 후 **예측** 탭을 선택합니다.

1. **단일 예측**을 선택합니다.

1. **항목**에서 값을 예측할 항목을 선택합니다.

1. 열을 기준으로 그룹을 사용하여 모델을 훈련한 경우 항목의 범주별로 그룹을 선택합니다.

예측 결과는 아래 창에 로드되어 각 분위수에 대한 예측이 포함된 차트를 보여줍니다. **스키마 보기**를 선택하여 숫자 예측 값을 확인합니다. **다운로드**를 선택하여 예측 결과를 이미지 또는 CSV 파일로 다운로드할 수도 있습니다.

## 이미지 예측 모델을 사용하여 단일 예측 수행
<a name="canvas-make-predictions-image"></a>

단일 레이블 이미지 예측 모델에 대해 단일 예측을 수행하려면 다음을 수행하세요.

1. Canvas 애플리케이션의 왼쪽 탐색 창에서 **내 모델**을 선택합니다.

1. **내 모델** 페이지에서 모델을 선택합니다.

1. 모델을 연 후 **예측** 탭을 선택합니다.

1. **예측 실행** 페이지에서 **단일 예측**을 선택합니다.

1. **이미지 가져오기**를 선택합니다.

1. 이미지를 업로드하라는 메시지가 표시됩니다. 로컬 컴퓨터나 Amazon S3 버킷에서 이미지를 업로드할 수 있습니다.

1. **가져오기**를 선택하여 이미지를 가져오고 예측을 생성합니다.

오른쪽 **예측 결과** 창에서 모델은 이미지에 사용할 수 있는 레이블을 각 레이블의 **확신** 점수와 함께 나열합니다. 예를 들어 모델은 96%의 확신 점수로 이미지의 **바다**라는 레이블을 예측할 수 있습니다. 모델은 4%에 불과한 확신 점수로 해당 이미지를 **빙하**로 예측했을 수 있습니다. 따라서 모델이 바다 이미지를 예측하는 데 상당히 자신감이 있다고 판단할 수 있습니다.

## 텍스트 예측 모델을 사용하여 단일 예측 수행
<a name="canvas-make-predictions-text"></a>

다중 카테고리 텍스트 예측 모델에 대해 단일 예측을 수행하려면 다음을 수행하세요.

1. Canvas 애플리케이션의 왼쪽 탐색 창에서 **내 모델**을 선택합니다.

1. **내 모델** 페이지에서 모델을 선택합니다.

1. 모델을 연 후 **예측** 탭을 선택합니다.

1. **예측 실행** 페이지에서 **단일 예측**을 선택합니다.

1. **텍스트 필드**에 예측을 얻으려는 텍스트를 입력합니다.

1. 예측을 얻으려면 **예측 결과 생성**을 선택합니다.

오른쪽 **예측 결과** 창에는 가능한 각 레이블에 대한 **확신** 점수와 함께 텍스트에 대한 분석이 표시됩니다. 예를 들어 상품에 대한 좋은 리뷰를 입력한 경우 확신 점수 85%로 **긍정적인** 결과를 얻을 수 있으나 **보통**의 경우 확신 점수는 10%, **부정적**의 경우 확신 점수는 5%에 불과할 수 있습니다.

# SageMaker Canvas의 배치 예측
<a name="canvas-make-predictions-batch"></a>

예측을 생성하려는 전체 데이터세트가 있는 경우 배치 예측을 수행합니다. Amazon SageMaker Canvas는 최대 PB 단위에 대한 배치 예측을 지원합니다.

다음과 같이 2가지 유형의 배치 예측을 수행할 수 있습니다.
+ [수동](canvas-make-predictions-batch-manual.md) 배치 예측은 일회성 예측을 수행하려는 데이터세트가 있는 경우입니다.
+ [자동](canvas-make-predictions-batch-auto.md) 배치 예측은 특정 데이터세트가 업데이트될 때마다 실행하는 구성을 설정하는 것입니다. 예를 들어 인벤토리 데이터의 SageMaker Canvas 데이터세트에 주간 업데이트를 구성한 경우 데이터세트를 업데이트할 때마다 실행되는 자동 배치 예측을 설정할 수 있습니다. 자동화된 배치 예측 워크플로를 설정한 후 구성 세부 정보 보기 및 편집에 대한 자세한 내용은 [자동화를 관리하는 방법](canvas-manage-automations.md)을 참조하세요. 자동 데이터세트 업데이트 설정에 대한 자세한 내용은 [데이터세트 자동 업데이트 구성](canvas-update-dataset-auto.md)을 참조하세요.

**참고**  
시계열 예측 모델은 자동 배치 예측을 지원하지 않습니다.  
로컬 업로드 또는 Amazon S3를 통해 가져온 데이터세트에 대해서만 자동 배치 예측을 설정할 수 있습니다. 또한 자동 배치 예측은 Canvas 애플리케이션에 로그인한 상태에서만 실행할 수 있습니다. Canvas에서 로그아웃하면 다시 로그인할 때 자동 배치 예측 작업이 다시 시작됩니다.

시작하려면 [배치 예측 데이터세트 요구 사항](canvas-make-predictions-batch-preqreqs.md) 섹션을 검토한 후 다음 수동 또는 자동 배치 예측 워크플로 중 하나를 선택하세요.

**Topics**
+ [배치 예측 데이터세트 요구 사항](canvas-make-predictions-batch-preqreqs.md)
+ [수동으로 배치 예측 수행](canvas-make-predictions-batch-manual.md)
+ [자동 배치 예측 수행](canvas-make-predictions-batch-auto.md)
+ [자동 배치 예측 구성 편집](canvas-make-predictions-batch-auto-edit.md)
+ [자동 배치 예측 구성 삭제](canvas-make-predictions-batch-auto-delete.md)
+ [배치 예측 작업 보기](canvas-make-predictions-batch-auto-view.md)

# 배치 예측 데이터세트 요구 사항
<a name="canvas-make-predictions-batch-preqreqs"></a>

배치 예측의 경우 데이터세트가 [데이터세트 생성](canvas-import-dataset.md)에 설명된 요구 사항을 충족하는지 확인하세요. 데이터세트가 5GB보다 큰 경우 Canvas는 Amazon EMR Serverless를 사용하여 데이터를 처리하고 더 작은 배치로 분할합니다. 데이터가 분할되면 Canvas는 SageMaker AI 배치 변환을 사용하여 예측합니다. 배치 예측을 실행한 후 두 서비스 모두에서 요금이 표시될 수 있습니다. 자세한 내용은 [Canvas 요금](https://aws.amazon.com/sagemaker/canvas/pricing/)을 참조하세요.

일부 데이터세트에는 호환되지 않는 *스키마*가 있는 경우 예측이 불가능할 수도 있습니다. *스키마*는 하나의 조직 구조입니다. 테이블 형식 데이터세트의 경우 스키마는 열의 이름과 열에 있는 데이터의 데이터 유형입니다. 다음 중 한 가지 이유로 스키마가 호환되지 않을 수 있습니다.
+ 예측을 수행하는 데 사용하는 데이터세트에는 모델을 작성하는 데 사용하는 데이터세트보다 열 수가 적습니다.
+ 데이터세트를 만드는 데 사용한 열의 데이터 유형은 예측에 사용하는 데이터세트의 데이터 유형과 다를 수 있습니다.
+ 예측에 사용하는 데이터세트와 모델을 만드는 데 사용한 데이터세트의 열 이름이 일치하지 않습니다. 열 이름은 대/소문자를 구분합니다.`Column1`은 `column1`와 같지 않습니다.

배치 예측을 성공적으로 생성하려면 배치 예측 데이터세트의 스키마를 모델 훈련에 사용한 데이터세트와 일치시키세요.

**참고**  
배치 예측의 경우 모델을 구축할 때 열을 삭제한 경우 Canvas는 삭제된 열을 예측 결과에 다시 추가합니다. 하지만 Canvas는 시계열 모델의 배치 예측에 삭제된 열을 추가하지 않습니다.

# 수동으로 배치 예측 수행
<a name="canvas-make-predictions-batch-manual"></a>

모델 유형에 따라 수동 배치 예측을 수행하려면 다음 절차 중 하나를 선택합니다.

## 숫자, 범주형 및 시계열 예측 모델을 사용하여 수동 배치 예측 수행
<a name="canvas-make-predictions-batch-numeric-categorical"></a>

숫자, 범주형 및 시계열 예측 모델 유형으로 수동 배치 예측을 하려면 다음을 수행합니다.

1. Canvas 애플리케이션의 왼쪽 탐색 창에서 **내 모델**을 선택합니다.

1. **내 모델** 페이지에서 모델을 선택합니다.

1. 모델을 연 후 **예측** 탭을 선택합니다.

1. **예측 실행** 페이지에서 **배치 예측**을 선택합니다.

1. **데이터세트 선택**을 선택하여 예측을 생성할 데이터세트를 선택합니다.

1. 사용 가능한 데이터세트 목록에서 데이터세트를 선택하고 **예측 시작**을 선택하여 예측을 가져옵니다.

예측 작업 실행이 완료되면 **예측** 섹션의 동일한 페이지에 출력 데이터세트가 나열됩니다. 이 데이터 세트에는 결과가 포함되며 **추가 옵션** 아이콘(![\[Vertical ellipsis icon representing a menu or more options.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))을 선택한 경우 **미리보기**를 선택하여 출력 데이터를 미리 볼 수 있습니다. 예측과 일치하는 입력 데이터와 예측이 정확할 확률을 확인할 수 있습니다. 그런 다음 **예측 다운로드**를 선택하여 결과를 파일로 다운로드할 수 있습니다.

## 이미지 예측 모델을 사용하여 수동 배치 예측 수행
<a name="canvas-make-predictions-batch-image"></a>

단일 레이블 이미지 예측 모델에 대한 수동 배치 예측을 수행하려면 다음을 수행세요.

1. Canvas 애플리케이션의 왼쪽 탐색 창에서 **내 모델**을 선택합니다.

1. **내 모델** 페이지에서 모델을 선택합니다.

1. 모델을 연 후 **예측** 탭을 선택합니다.

1. **예측 실행** 페이지에서 **배치 예측**을 선택합니다.

1. 데이터 세트를 이미 가져온 경우 **데이터 세트** 선택을 선택합니다. 그렇지 않은 경우 **새 데이터 세트 가져오기**를 선택하면 데이터 가져오기 워크플로를 안내받게 됩니다.

1. 사용 가능한 데이터 세트 목록에서 데이터 세트를 선택하고 **예측 생성**을 선택하여 예측을 가져옵니다.

예측 작업 실행이 끝나면 **예측 실행** 페이지에서 **예측** 아래에 출력 데이터 세트가 나열되는 것을 볼 수 있습니다. 이 데이터세트에는 결과가 포함되며 **추가 옵션** 아이콘(![\[Vertical ellipsis icon representing a menu or more options.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))을 선택한 경우 **예측 결과 보기를** 선택하여 출력 데이터를 볼 수 있습니다. 예측된 레이블 및 확신 점수와 함께 이미지를 볼 수 있습니다. 그런 다음 **예측 다운로드**를 선택하여 결과를 CSV 또는 ZIP 파일로 다운로드할 수 있습니다.

## 텍스트 예측 모델을 사용하여 수동 배치 예측 수행
<a name="canvas-make-predictions-batch-text"></a>

다중 카테고리 텍스트 예측 모델에 대한 수동 배치 예측을 수행하려면 다음을 수행하세요.

1. Canvas 애플리케이션의 왼쪽 탐색 창에서 **내 모델**을 선택합니다.

1. **내 모델** 페이지에서 모델을 선택합니다.

1. 모델을 연 후 **예측** 탭을 선택합니다.

1. **예측 실행** 페이지에서 **배치 예측**을 선택합니다.

1. 데이터 세트를 이미 가져온 경우 **데이터 세트** 선택을 선택합니다. 그렇지 않은 경우 **새 데이터 세트 가져오기**를 선택하면 데이터 가져오기 워크플로를 안내받게 됩니다. 선택한 데이터세트에는 모델을 만드는 데 사용한 데이터세트와 동일한 소스 열이 있어야 합니다.

1. 사용 가능한 데이터 세트 목록에서 데이터 세트를 선택하고 **예측 생성**을 선택하여 예측을 가져옵니다.

예측 작업 실행이 끝나면 **예측 실행** 페이지에서 **예측** 아래에 출력 데이터 세트가 나열되는 것을 볼 수 있습니다. 이 데이터세트에는 결과가 포함되며 **추가 옵션** 아이콘(![\[Vertical ellipsis icon representing a menu or more options.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))을 선택한 경우 **미리보기**를 선택하여 출력 데이터를 볼 수 있습니다. 예측된 레이블 및 확신 점수와 함께 이미지를 볼 수 있습니다. 그런 다음 **예측 다운로드**를 선택하여 결과를 다운로드할 수 있습니다.

# 자동 배치 예측 수행
<a name="canvas-make-predictions-batch-auto"></a>

**참고**  
시계열 예측 모델은 자동 배치 예측을 지원하지 않습니다.

자동 배치 예측에 대한 일정을 설정하려면 다음을 수행합니다.

1. Canvas의 왼쪽 탐색 창에서 **내 모델**을 선택합니다.

1. 모델을 선택합니다.

1. **예측** 탭을 선택합니다.

1. **배치 예측**을 선택합니다.

1. **예측 생성**에서 **자동**을 선택합니다.

1. **배치 예측 자동화** 대화 상자가 나타납니다. **데이터세트 선택**을 선택하고 예측을 자동화하려는 데이터세트를 선택합니다. 단, 로컬 업로드 또는 Amazon S3를 통해 가져온 데이터세트만 선택할 수 있습니다.

1. 데이터세트를 선택한 후 **설정**을 선택합니다.

Canvas는 구성을 설정한 후 데이터세트에 대한 배치 예측 작업을 실행합니다. 그러면 수동 또는 자동으로 [데이터세트 업데이트](canvas-update-dataset.md)할 때마다 다른 배치 예측 작업이 실행됩니다.

예측 작업 실행이 끝나면 **예측 실행** 페이지에서 **예측** 아래에 출력 데이터 세트가 나열되는 것을 볼 수 있습니다. 이 데이터 세트에는 결과가 포함되며 **추가 옵션** 아이콘(![\[Vertical ellipsis icon representing a menu or more options.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))을 선택한 경우 **미리보기**를 선택하여 출력 데이터를 미리 볼 수 있습니다. 예측과 일치하는 입력 데이터와 예측이 정확할 확률을 확인할 수 있습니다. 그런 다음 **다운로드**를 선택하여 결과를 다운로드할 수 있습니다.

다음 섹션에서는 Canvas 애플리케이션의 **데이터세트** 페이지를 통해 자동 배치 예측 구성을 보고, 업데이트하고, 삭제하는 방법을 설명합니다. Canvas에서는 최대 20개의 자동 구성만 설정할 수 있습니다. 자동 배치 예측 작업 기록을 보거나 **자동화** 페이지를 통해 자동 구성을 변경하는 방법에 대한 자세한 내용은 [자동화를 관리하는 방법](canvas-manage-automations.md)을 참조하세요.

# 자동 배치 예측 구성 편집
<a name="canvas-make-predictions-batch-auto-edit"></a>

업데이트 빈도 변경과 같이 데이터 세트의 자동 업데이트 구성을 변경하고자 할 수 있습니다. 자동 업데이트 구성을 꺼서 데이터 세트에 대한 업데이트를 일시 중지할 수도 있습니다.

배치 예측 구성을 수정할 때 대상 데이터 세트는 변경할 수 있지만 빈도는 변경할 수 없습니다.데이터 세트가 업데이트될 때마다 자동 배치 예측이 발생하기 때문입니다.

자동 업데이트 구성을 편집하려면 다음을 수행하세요.

1. 모델의 **예측** 탭으로 이동합니다.

1. **예측**에서 **구성** 탭을 선택합니다.

1. 구성을 찾아 **추가 옵션** 아이콘(![\[Vertical ellipsis icon representing a menu or more options.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))을 선택합니다.

1. 드롭다운 메뉴에서 **구성 업데이트**를 선택합니다.

1. **배치 예측 자동화** 대화 상자가 열립니다. 다른 데이터 세트를 선택하고 **설정**을 선택하여 변경 내용을 저장할 수 있습니다.

이제 자동 배치 예측 구성이 업데이트되었습니다.

자동 배치 예측을 일시 중지하려면 다음과 같이 자동 구성을 끄세요.

1. 모델의 **예측** 탭으로 이동합니다.

1. **예측**에서 **구성** 탭을 선택합니다.

1. 목록에서 구성을 찾아 **자동 업데이트** 토글을 끕니다.

이제 자동 배치 예측이 일시 중지되었습니다. 언제든지 토글을 다시 켜서 업데이트 일정을 재개할 수 있습니다.

# 자동 배치 예측 구성 삭제
<a name="canvas-make-predictions-batch-auto-delete"></a>

자동 배치 예측 구성을 삭제하는 방법은 [자동 구성 삭제](canvas-manage-automations-delete.md)을 참조하세요.

다음을 수행하여 구성을 삭제할 수도 있습니다.

1. 모델의 **예측** 탭으로 이동합니다.

1. **예측**에서 **구성** 탭을 선택합니다.

1. 목록에서 구성을 찾아 **추가 옵션** 아이콘(![\[Vertical ellipsis icon representing a menu or more options.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))을 선택합니다.

1. 드롭다운 메뉴에서 **구성 삭제**를 선택합니다.

이제 구성을 삭제해야 합니다.

# 배치 예측 작업 보기
<a name="canvas-make-predictions-batch-auto-view"></a>

배치 예측 작업의 상태와 기록을 보려면 모델의 **예측** 탭으로 이동하세요.

각 배치 예측 작업은 모델의 **예측** 탭에 표시됩니다. **예측**에서 **모든 작업** 탭과 **구성** 탭을 볼 수 있습니다.
+ **모든 작업** - 이 탭에서는 이 모델에 대한 모든 수동 및 자동 배치 예측 작업을 볼 수 있습니다. 구성 이름을 기준으로 작업을 필터링할 수 있습니다. 각 작업에 대해 다음 필드를 볼 수 있습니다.
  + **상태** - 배치 예측 작업의 현재 상태입니다. 상태가 **실패** 또는 **부분 실패**인 경우 상태 위에 마우스를 올려 놓으면 문제 해결에 도움이 되는 자세한 오류 메시지를 볼 수 있습니다.
  + **입력 데이터세트** - Canvas 입력 데이터세트의 이름과 데이터세트 버전입니다.
  + **예측 유형** - 예측 작업이 자동인지 수동인지를 나타냅니다.
  + **행** - 예측된 행 수입니다.
  + **구성 이름** - 배치 예측 작업 구성의 이름입니다.
  + **QuickSight** - 배치 예측을 Quick로 전송했는지 여부를 설명합니다.
  + **만들어짐** - 배치 예측 작업을 만든 시간입니다.

  **추가 옵션** 아이콘(![\[Vertical ellipsis icon representing a menu or more options.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))을 선택하면 **세부 정보 보기**, **예측 미리 보기**, **예측 다운로드** 또는 **빠른 전송을** 선택할 수 있습니다. **세부 정보 보기**를 선택하면 상태, 입력 및 출력 데이터 구성, 작업을 완료하는 데 사용된 인스턴스에 대한 정보 및 Amazon CloudWatch logs에 대한 액세스 등 배치 예측 작업의 전체 세부 정보를 보여주는 페이지가 열립니다. 이 페이지는 다음 스크린샷과 같습니다.  
![\[작업에 대한 모든 추가 세부 정보를 보여주는 배치 예측 작업 세부 정보 페이지\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/canvas-view-batch-prediction-job-details.png)
+ **구성** - 이 탭에서는 이 모델에 대해 생성한 모든 자동 배치 예측 구성을 볼 수 있습니다. 각 구성에서 **만들어진** 시점의 타임스탬프, 업데이트를 위해 추적하는 **입력 데이터세트**, 일정에 따라 다음 자동 예측 작업이 시작될 시점인 **예정된 다음 작업** 등의 필드를 확인할 수 있습니다. **추가 옵션** 아이콘(![\[Vertical ellipsis icon representing a menu or more options.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))을 선택한 경우 **모든 작업 보기**를 선택하여 해당 구성의 작업 기록 및 진행 중인 작업을 볼 수 있습니다.



# 예측을 빠른 로 전송
<a name="canvas-send-predictions"></a>

**참고**  
숫자 및 범주형 예측 및 시계열 예측 모델을 위해 배치 예측을 Quick에 보낼 수 있습니다. 단일 레이블 이미지 예측 및 다중 카테고리 텍스트 예측 모델은 제외됩니다.

SageMaker Canvas에서 사용자 지정 테이블 형식 모델을 사용하여 배치 예측을 생성하면 예측 대시보드를 구축하고 게시하는 비즈니스 인텔리전스(BI) 서비스인 Quick에 이러한 예측을 CSV 파일로 전송할 수 있습니다.

예를 들어 고객이 이탈할지 여부를 결정하기 위해 2가지 범주 예측 모델을 구축한 경우 Quick에서 시각적 예측 대시보드를 생성하여 이탈할 것으로 예상되는 고객의 비율을 표시할 수 있습니다. Quick에 대한 자세한 내용은 [Quick 사용 설명서를](https://docs.aws.amazon.com/quicksight/latest/user/welcome.html) 참조하세요.

다음 섹션에서는 분석을 위해 배치 예측을 Quick로 보내는 방법을 보여줍니다.

## 시작하기 전 준비 사항
<a name="canvas-send-predictions-prereqs"></a>

사용자에게 예측을 Quick으로 전송하는 데 필요한 AWS Identity and Access Management (IAM) 권한이 있어야 합니다. 관리자는 사용자에 대한 IAM 권한을 설정할 수 있습니다. 자세한 내용은 [사용자에게 예측을 빠르게 전송할 수 있는 권한 부여](canvas-quicksight-permissions.md) 단원을 참조하십시오.

Quick 계정에는 Quick 계정을 처음 생성할 때 설정된 `default` 네임스페이스가 포함되어야 합니다. Quick에 액세스하는 데 도움이 필요하면 관리자에게 문의하세요. 자세한 내용은 [빠른 사용 설명서](https://docs.aws.amazon.com/quicksight/latest/user/setting-up.html)*의 빠른* 설정을 참조하세요.

빠른 계정은 Canvas 애플리케이션과 동일한 리전에서 생성해야 합니다. Quick 계정의 홈 리전이 Canvas 애플리케이션의 리전과 다른 경우 Quick 계정을 [닫](https://docs.aws.amazon.com/quicksight/latest/user/closing-account.html)았다가 다시 생성하거나 [Quick 계정과 동일한 리전에 Canvas 애플리케이션을 설정해야](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-getting-started.html#canvas-prerequisites) 합니다. 다음을 수행하여 빠른 홈 리전을 확인할 수 있습니다(빠른 계정이 이미 있다고 가정).

1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다.

1. 페이지가 로드되면 빠른 홈 리전이 URL에 형식으로 추가됩니다`https://<your-home-region>.quicksight.aws.amazon.com/`.

예측을 보내려는 빠른 사용자의 사용자 이름을 알아야 합니다. 자신이나 적절한 권한이 있는 다른 사용자에게 예측을 보낼 수 있습니다. 예측을 보내는 모든 사용자는 Quick 계정의 `default` [네임스페이스](https://docs.aws.amazon.com/quicksight/latest/user/namespaces.html)에 있어야 하며 Quick에 `Author` 또는 `Admin` 역할이 있어야 합니다.

또한 Quick은 도메인의 SageMaker AI 기본 Amazon S3 버킷에 액세스할 수 있어야 합니다.이 버킷의 이름은 형식으로 지정됩니다`sagemaker-{REGION}-{ACCOUNT_ID}`. 리전은 Quick 계정의 홈 리전 및 Canvas 애플리케이션의 리전과 동일해야 합니다. Amazon S3 버킷에 저장된 배치 예측에 대한 빠른 액세스 권한을 부여하는 방법을 알아보려면 *빠른 사용 설명서*의 [ Amazon S3에 연결할 수 없는](https://docs.aws.amazon.com/quicksight/latest/user/troubleshoot-connect-S3.html) 주제를 참조하세요.

## 지원되는 데이터 형식
<a name="canvas-send-predictions-formatting"></a>

예측을 보내기 전에 배치 예측의 데이터 형식이 Quick과 호환되는지 확인합니다.
+ 시간 데이터에 허용되는 데이터 형식에 대한 자세한 내용은 *빠른 사용 설명서*의 [지원되는 날짜 형식을](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html) 참조하세요.
+ 빠른 전송을 방해할 수 있는 데이터 값에 대한 자세한 내용은 *빠른 사용 설명서*의 [데이터에서 지원되지 않는 값을](https://docs.aws.amazon.com/quicksight/latest/user/unsupported-data-values.html) 참조하세요.

또한 Quick은 문자를 `"` 텍스트 한정자로 사용하므로 Canvas 데이터에 `"` 문자가 포함된 경우 일치하는 모든 따옴표를 닫아야 합니다. 따옴표가 일치하지 않으면 데이터 세트를 Quick로 보내는 데 문제가 발생할 수 있습니다.

## 배치 예측을 Quick으로 전송
<a name="canvas-send-predictions-send"></a>

다음 절차에 따라 예측을 Quick로 전송합니다.

1. SageMaker Canvas 애플리케이션을 엽니다.

1. 왼쪽 탐색 창에서 **내 모델**을 선택합니다.

1. **내 모델** 페이지에서 모델을 선택합니다.

1. **예측** 탭을 선택합니다.

1. **예측**에서 공유하려는 배치 예측 데이터세트(또는 데이터세트)를 선택합니다. 한 번에 최대 5개의 배치 예측 데이터세트를 공유할 수 있습니다.

1. 데이터 세트를 선택한 후 **빠른 전송을** 선택합니다.
**참고**  
데이터 세트를 하나 이상 선택하지 않으면 **빠른 전송** 버튼이 활성화되지 않습니다.

   또는 **추가 옵션** 아이콘(![\[Vertical ellipsis icon representing a menu or more options.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))을 선택한 다음 **예측 결과 보기**를 선택하여 예측을 미리 볼 수 있습니다. 데이터 세트 미리 보기에서 **빠른 전송을** 선택할 수 있습니다. 다음 스크린샷은 데이터 세트 미리 보기의 **빠른 전송** 버튼을 보여줍니다.  
![\[하단에 빠른 전송 버튼이 있는 데이터 세트 미리 보기의 스크린샷입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/send-to-quicksight-preview.png)

1. **빠른 전송** 대화 상자에서 다음을 수행합니다.

   1. **QuickSight 사용자의** 경우 예측을 전송할 Quick 사용자의 이름을 입력합니다. 자신에게 전송하려면 자신의 사용자 이름을 입력하세요. Quick 계정의 `default` 네임스페이스에 있는 사용자에게만 예측을 보낼 수 있으며, 사용자는 Quick에 `Author` 또는 `Admin` 역할이 있어야 합니다.

   1. **전송**를 선택합니다.

   다음 스크린샷은 **빠른 전송** 대화 상자를 보여줍니다.  
![\[빠른 전송 대화 상자.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/send-to-quicksight.png)

배치 예측을 전송하면 전송한 데이터세트의 **QuickSight** 필드가 `Sent`로 표시됩니다. 예측이 전송되었음을 확인하는 확인 상자에서 **빠른 열기**를 선택하여 빠른 애플리케이션을 열 수 있습니다. Canvas를 사용한 후에는 Canvas 애플리케이션에서 [로그아웃](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-log-out.html)해야 합니다.

데이터 세트를 보낸 빠른 사용자는 빠른 애플리케이션을 열고 공유된 Canvas 데이터 세트를 볼 수 있습니다. 그런 다음 데이터를 사용하여 예측 대시보드를 만들 수 있습니다. 자세한 내용은 [빠른 사용 설명서의 빠른 데이터 분석 시작하기](https://docs.aws.amazon.com/quicksight/latest/user/getting-started.html)를 참조하세요. ** 

기본적으로 예측을 보내는 모든 사용자는 Quick의 데이터 세트에 대한 소유자 권한을 가집니다. 소유자는 데이터세트를 분석하고, 새로 고치고, 편집하고, 삭제하고, 다시 공유할 수 있습니다. 소유자가 데이터세트를 변경하면 액세스 권한이 있는 모든 사용자의 데이터세트가 변경됩니다. 권한을 변경하려면 Quick의 데이터 세트로 이동하여 해당 권한을 관리합니다. 자세한 내용은 *빠른 사용 설명서*[의 데이터 세트가 공유되는 권한 사용자 보기 및 편집](https://docs.aws.amazon.com/quicksight/latest/user/sharing-data-sets.html#view-users-data-set)을 참조하세요.