기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Amazon Q Developer를 사용하여 Canvas에서 ML 문제를 해결하기 위한 생성형 AI 지원
Amazon SageMaker Canvas를 사용하는 동안 자연어로 Amazon Q Developer와 채팅하여 생성형 AI를 활용하고 문제를 해결할 수 있습니다. Q Developer는 목표를 기계 학습(ML) 작업으로 변환하고 ML 워크플로의 각 단계를 설명하는 데 도움이 되는 어시스턴트입니다. Q Developer를 사용하면 Canvas 사용자가 ML을 활용하고 조직을 위해 데이터 기반 결정을 내리는 데 필요한 시간, 노력 및 데이터 과학 전문성을 줄일 수 있습니다.
Q Developer와의 대화를 통해 Canvas에서 데이터 준비, ML 모델 구축, 예측, 모델 배포와 같은 작업을 시작할 수 있습니다. Q Developer는 다음 단계를 제안하고 각 단계를 완료할 때 컨텍스트를 제공합니다. 또한 결과를 알려줍니다. 예를 들어 Canvas는 모범 사례에 따라 데이터세트를 변환할 수 있으며 Q Developer는 사용된 변환과 그 이유를 나열할 수 있습니다.
Amazon Q Developer는 Amazon Q Developer Pro 티어 및 프리 티어 사용자 모두가 추가 비용 없이 SageMaker Canvas에서 사용할 수 있습니다. 그러나 SageMaker Canvas 작업 영역 인스턴스와 같은 리소스와 모델 구축 또는 배포에 사용되는 리소스에는 표준 요금이 적용됩니다. 인스턴스 요금에 대한 자세한 내용은 [Amazon SageMaker Canvas pricing](https://aws.amazon.com/sagemaker-ai/canvas/pricing/)을 참조하세요.
Amazon Q의 사용은 [MIT의 0 라이선스](https://github.com/aws/mit-0)에 따라 라이선스가 부여되며 [AWS 책임 있는 AI 정책](https://aws.amazon.com/machine-learning/responsible-ai/policy/)이 적용됩니다. 미국 외부에서 Q Developer를 사용하는 경우 Q Developer는 미국 리전 전반에서 데이터를 처리합니다. 자세한 내용은 [Amazon Q Developer 사용 설명서의 Cross region inference](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/cross-region-inference.html)를 참조하세요.
**참고**
SageMaker Canvas의 Amazon Q Developer는 프리 티어 구독이든 Pro 티어 구독이든 관계없이 서비스를 개선하기 위해 사용자 콘텐츠를 사용하지 않습니다. 서비스 원격 측정 목적으로, Q Developer는 질문 수, 추천 수락 또는 거부 여부 등 사용량을 추적할 수 있습니다. 이 원격 측정 데이터에는 IP 주소와 같은 개인 식별 정보가 포함되지 않습니다.
## 작동 방식
Amazon Q Developer는 SageMaker Canvas에서 자연어를 사용하여 쿼리할 수 있는 생성형 AI 기반 어시스턴트입니다. Q Developer는 기계 학습 워크플로의 각 단계에 대해 제안하면서 개념을 설명하고 필요에 따라 옵션과 추가 세부 정보를 제공합니다. Q Developer를 사용하여 회귀, 바이너리 분류 및 멀티클래스 분류 사용 사례에 도움을 받을 수 있습니다.
예를 들어 고객 이탈을 예측하려면 Q Developer를 통해 과거 고객 이탈 정보 데이터세트를 Canvas에 업로드합니다. Q Developer는 데이터세트 문제를 수정하고, 모델을 구축하고, 예측하기 위한 적절한 ML 모델 유형과 단계를 제안합니다.
**중요**
Amazon Q Developer는 SageMaker Canvas 내의 기계 학습 문제에 대한 대화를 위한 것입니다. 사용자에게 Canvas 작업을 안내하고 선택 사항으로 AWS 서비스에 대한 질문에 답변합니다. Q Developer는 모델 입력을 영어로만 처리합니다. Amazon Q Developer 사용 방법에 대한 자세한 내용은 *Amazon Q Developer 사용 설명서*의 [Amazon Q Developer 특성](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/features.html)을 참조하세요.
## 지원되는 리전
Amazon Q Developer는 AWS 리전 SageMaker Canvas 내에서 다음에서 사용할 수 있습니다.
+ 미국 동부(버지니아 북부)
+ 미국 동부(오하이오)
+ 미국 서부(오리건)
+ 아시아 태평양(뭄바이)
+ 아시아 태평양(서울)
+ 아시아 태평양(싱가포르)
+ 아시아 태평양(시드니)
+ 아시아 태평양(도쿄)
+ 유럽(프랑크푸르트)
+ 유럽(아일랜드)
+ 유럽(파리)
## Canvas에서 사용 가능한 Amazon Q Developer 기능
다음 목록에는 Q Developer가 지원을 제공할 수 있는 Canvas 작업이 요약되어 있습니다.
+ **목표 설명** - Q Developer는 문제를 해결하기 위해 ML 모델 유형과 일반적인 접근 방식을 제안할 수 있습니다.
+ **데이터세트 가져오기 및 분석** - 데이터세트가 저장된 위치를 Q Developer에 알리거나 파일을 업로드하여 Canvas 데이터세트로 저장합니다. 이상치 또는 누락된 값과 같은 데이터세트의 문제를 식별하도록 Q Developer에 지시합니다. Q Developer는 데이터세트에 대한 요약 통계를 제공하고 식별된 문제를 나열합니다.
Q Developer는 개별 열에 대해 다음 통계에 대한 쿼리를 지원합니다.
+ 숫자 열 - `number of valid values`, `feature type`, `mean`, `median`, `minimum`, `maximum`, `standard deviation`, `25th percentile`, `75th percentile`, `number of outliers`
+ 범주형 열 - `number of missing values`, `number of valid values`, `feature type`, `most frequent`, `most frequent category`, `most frequent category count`, `least frequent`, `least frequent category`, `least frequent category count`, `categories`
+ **데이터세트 문제 해결** - Q Developer에게 Canvas의 데이터 변환 기능을 사용하여 데이터세트의 수정된 버전을 생성하도록 지시합니다. Canvas는 Data Wrangler 데이터 흐름을 생성하고 데이터 과학 모범 사례에 따라 변환을 적용합니다. 자세한 내용은 [데이터 준비](canvas-data-prep.md) 단원을 참조하십시오.
Q Developer로 수행할 수 있는 것 이상의 고급 데이터 분석 또는 데이터 준비 작업을 수행하려면 Data Wrangler 데이터 흐름 인터페이스로 이동하는 것이 좋습니다.
+ **모델 훈련** - Q Developer는 문제에 권장되는 ML 모델 유형과 제안된 모델 구축 구성을 알려줍니다. 제안된 기본 설정을 사용하여 빠르게 구축하거나 구성을 수정하고 표준 구축을 수행할 수 있습니다. 준비가 되면 Q Developer에 Canvas 모델을 구축하라고 지시합니다.
모든 사용자 지정 모델 유형이 지원됩니다. 모델 유형 및 빠른 구축과 표준 구축에 대한 자세한 내용은 [사용자 지정 모델 작동 방식](canvas-build-model.md) 섹션을 참조하세요.
+ **모델 정확도 평가** - 모델을 구축한 후 Q Developer는 다양한 지표에서 모델 점수가 어떻게 평가되는지에 대한 요약을 제공합니다. 이러한 지표는 모델의 유용성과 정확도를 결정하는 데 도움이 됩니다. Q Developer는 모든 개념 또는 지표를 자세히 설명할 수 있습니다.
전체 세부 정보 및 시각화를 보려면 채팅 또는 Canvas의 **내 모델** 페이지에서 모델을 엽니다. 자세한 내용은 [모델 평가](canvas-evaluate-model.md) 단원을 참조하십시오.
+ **새 데이터에 대한 예측 가져오기** - 새 데이터세트를 업로드하고 Canvas의 예측 기능을 여는 것을 도와달라고 Q Developer에 지시할 수 있습니다.
Q Developer는 애플리케이션에서 새 창을 엽니다. 이 창에서 사용자는 단일 예측을 수행하거나 새 데이터세트를 사용하여 배치 예측을 수행할 수 있습니다. 자세한 내용은 [사용자 지정 모델을 사용한 예측](canvas-make-predictions.md) 단원을 참조하십시오.
+ **모델 배포** - 프로덕션용으로 모델을 배포하려면 Canvas를 통해 모델을 배포하는 것을 도와달라고 Q Developer에 요청합니다. Q Developer는 배포를 구성할 수 있는 새 창을 엽니다.
배포 후 1) 모델의 **배포** 탭에 있는 Canvas의 **내 모델** 페이지에서 또는 2) **배포** 탭에 있는 **ML Ops** 페이지에서 배포 세부 정보를 봅니다. 자세한 내용은 [엔드포인트에 모델 배포](canvas-deploy-model.md) 단원을 참조하십시오.
## 사전 조건
Amazon Q Developer를 사용하여 SageMaker Canvas에서 ML 모델을 구축하려면 다음 사전 조건을 충족하세요.
**Canvas 애플리케이션 설정**
Canvas 애플리케이션이 설정되어 있는지 확인합니다. Canvas 애플리케이션을 설정하는 방법에 대한 자세한 내용은 [Amazon SageMaker Canvas 사용 시작하기](canvas-getting-started.md) 섹션을 참조하세요.
**Q Developer 권한 부여**
Canvas를 사용하는 동안 Q Developer에 액세스하려면 SageMaker AI 도메인 또는 사용자 프로필에 사용되는 AWS IAM 역할에 필요한 권한을 연결해야 합니다. 이 섹션에 설명된 콘솔을 통해 이 작업을 수행할 수 있습니다. 콘솔 메서드 사용으로 인해 권한 문제가 발생하면 AWS 관리형 정책 [ AmazonSageMakerCanvasSMDataScienceAssistantAccess](https://docs.aws.amazon.com/sagemaker/latest/dg/security-iam-awsmanpol-canvas.html#security-iam-awsmanpol-AmazonSageMakerCanvasSMDataScienceAssistantAccess)를 IAM 역할에 수동으로 연결합니다.
도메인 수준에서 연결된 권한은 사용자 프로필 수준에서 개별 권한이 부여되거나 취소되지 않는 한 도메인의 모든 사용자 프로필에 적용됩니다.
------
#### [ SageMaker AI console method ]
SageMaker AI 도메인 또는 사용자 프로필 설정을 편집하여 권한을 부여할 수 있습니다.
SageMaker AI 콘솔의 도메인 설정을 통해 권한을 부여하려면 다음을 수행합니다.
1. [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)에서 Amazon SageMaker AI 콘솔을 엽니다.
1. 왼쪽 탐색 창에서 **관리자 구성**을 선택합니다.
1. **관리자 구성**에서 **도메인**을 선택합니다.
1. 도메인 목록에서 사용자의 도메인을 선택합니다.
1. **도메인 세부 정보** 페이지에서 **앱 구성** 탭을 선택합니다.
1. **Canvas** 섹션에서 **편집**을 선택합니다.
1. **Canvas 설정 편집** 페이지에서 **Amazon Q Developer** 섹션으로 이동하여 다음을 수행합니다.
1. **자연어 ML에 대해 SageMaker Canvas에서 Amazon Q Developer 활성화**를 켜서 Canvas의 Q Developer와 채팅할 수 있는 권한을 도메인의 실행 역할에 추가합니다.
1. (선택 사항) Q **Developer에 다양한 AWS 질문(예: Athena 작동 방식 설명)을 하고 싶은 경우 일반적인 질문은 Amazon Q Developer 채팅 활성화**를 켭니다. AWS 서비스
**참고**
Q Developer에 대한 일반 AWS 쿼리를 수행할 때 요청은 미국 동부(버지니아 북부)를 통해 라우팅됩니다 AWS 리전. 데이터가 미국 동부(버지니아 북부)를 통해 라우팅되지 않도록 하려면 **일반적인 AWS 질문에 대해 Amazon Q Developer 채팅 활성화** 토글을 끕니다.
------
#### [ Manual method ]
[ AmazonSageMakerCanvasSMDataScienceAssistantAccess](https://docs.aws.amazon.com/sagemaker/latest/dg/security-iam-awsmanpol-canvas.html#security-iam-awsmanpol-AmazonSageMakerCanvasSMDataScienceAssistantAccess) 정책을 도메인 또는 사용자 프로필에 사용되는 AWS IAM 역할에 연결합니다. 이를 수행하는 방법에 대한 자세한 내용은 *AWS IAM 사용 설명서*의 [IAM 자격 증명 권한 추가 및 제거](https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies_manage-attach-detach.html)를 참조하세요.
------
**(선택 사항) VPC에서 Q Developer에 대한 액세스 구성**
퍼블릭 인터넷 액세스 없이 구성된 VPC가 있는 경우 Q Developer용 VPC 엔드포인트를 추가할 수 있습니다. 자세한 내용은 [인터넷 액세스 없이 VPC에서 Amazon SageMaker Canvas 구성](canvas-vpc.md) 단원을 참조하십시오.
## 시작하기
Amazon Q Developer를 사용하여 SageMaker Canvas에서 ML 모델을 구축하려면 다음을 수행합니다.
1. SageMaker Canvas 애플리케이션을 엽니다.
1. 왼쪽 탐색 창에서 **Amazon Q**를 선택합니다.
1. **새 대화 시작**을 선택하여 새 채팅을 엽니다.
새 채팅을 시작하면 문제를 설명하거나 데이터세트를 제공하라는 메시지가 Q Developer에 표시됩니다.
![\[새 채팅을 시작할 때 Q Developer가 제공하는 인사말입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/amazon-q-greeting.png)
데이터를 가져온 후 Q Developer에 데이터세트에 대한 요약 통계를 제공하도록 요청하거나 특정 열에 대해 질문할 수 있습니다. Q Developer가 지원하는 다양한 통계 목록은 이전 섹션([Canvas에서 사용 가능한 Amazon Q Developer 기능](#canvas-q-capabilities))을 참조하세요. 다음 스크린샷은 데이터세트 통계와 제품 범주 열에서 가장 빈번한 범주를 요청하는 예를 보여줍니다.
![\[Q Developer에게 데이터세트 통계와 가장 빈번한 범주 통계를 제공하도록 요청하는 채팅 대화 상자입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/amazon-q-dataset-statistics.png)
Q Developer는 변환된 데이터세트 및 모델과 같이 대화 중에 가져오거나 생성하는 Canvas 아티팩트를 추적합니다. 채팅 또는 기타 Canvas 애플리케이션 탭에서 액세스할 수 있습니다. 예를 들어 Q Developer가 데이터세트의 문제를 해결하는 경우 다음 위치에서 변환된 새 데이터세트에 액세스할 수 있습니다.
+ Q Developer 채팅 인터페이스의 아티팩트 사이드바
+ 원본 데이터세트와 변환된 데이터세트를 모두 볼 수 있는 Canvas의 **데이터세트** 페이지입니다. 변환된 데이터세트에는 **Built by Amazon Q** 레이블이 추가되어 있습니다.
+ Canvas의 **Data Wrangler** 페이지입니다. 여기서 Q Developer는 데이터세트에 대한 새 데이터 흐름을 생성합니다.
다음 스크린샷은 채팅의 사이드바에 있는 원본 데이터세트와 변환된 데이터세트를 보여줍니다.
![\[Q Developer 채팅의 사이드바에 표시된 데이터세트 및 변환된 데이터세트인 아티팩트입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/amazon-q-artifacts.png)
데이터가 준비되면 Q Developer에 Canvas 모델 구축에 대한 도움을 요청하세요. Q Developer는 몇 가지 필드를 확인하고 구축 구성을 검토하라는 메시지를 표시할 수 있습니다. 기본 구축 구성을 사용하는 경우 모델은 빠른 구축을 사용하여 구축됩니다. 사용된 알고리즘을 선택하거나 목표 지표를 변경하는 등 구축 구성의 일부를 사용자 지정하려면 표준 구축을 사용하여 모델을 구축합니다.
다음 스크린샷은 몇 가지 프롬프트만으로 Canvas 모델 구축을 시작하도록 Q Developer에 지시하는 방법을 보여줍니다. 이 예시에서는 기본 구성을 사용하여 빠른 구축을 시작합니다.
![\[사용자가 Canvas 모델 구축을 시작하라고 지시한 Q Developer와의 대화입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/amazon-q-training-chat.png)
모델을 구축한 후 채팅에서 자연어를 사용하여 또는 아티팩트 사이드바 메뉴를 사용하여 추가 작업을 수행할 수 있습니다. 예를 들어 모델 세부 정보 및 지표를 보거나 예측하거나 모델을 배포할 수 있습니다. 다음 스크린샷은 이러한 추가 옵션을 선택할 수 있는 사이드바를 보여줍니다.
![\[모델 세부 정보 보기, 예측 및 배포 옵션을 보여주는 Q Developer 대화의 줄임표 메뉴가 확장되어 있습니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/canvas/amazon-q-ellipsis-menu.png)
Canvas의 **내 모델** 페이지로 이동하고 모델을 선택하여 이러한 작업을 수행할 수도 있습니다. 모델 페이지에서 **분석**, **예측** 및 **배포** 탭으로 이동하여 모델 지표 및 시각화를 보고, 예측하고, 배포를 관리할 수 있습니다.
# 를 사용하여 Q Developer 대화 로깅 AWS CloudTrail
AWS CloudTrail 는 사용자, 역할 또는 Amazon SageMaker AI AWS 서비스 에서 수행한 작업을 기록하는 서비스입니다. CloudTrail은 SageMaker Canvas(노코드 ML 인터페이스)를 사용하는 동안 Amazon Q Developer(대화형 AI 어시스턴트)와의 상호 작용으로 인한 API 직접 호출을 캡처합니다. CloudTrail 데이터에는 요청 세부 정보, 요청자의 IP 주소, 요청한 사람 및 시기가 표시됩니다.
Q Developer와의 상호 작용은 Canvas가 백엔드에서 활용하는 내부 서비스인 SageMaker AI Data Science Assistant 서비스에 `SendConversation` API 직접 호출로 전송됩니다. `SendConversation` API 직접 호출의 이벤트 소스는 `sagemaker-data-science-assistant.amazonaws.com`입니다.
**참고**
개인 정보 보호 및 보안상의 이유로 대화 내용은 로그에 숨겨지며 요청 및 응답 요소에 `HIDDEN_DUE_TO_SECURITY_REASONS`이라고 표시됩니다.
CloudTrail에 대한 자세한 내용은 [https://docs.aws.amazon.com/awscloudtrail/latest/userguide/cloudtrail-user-guide.html](https://docs.aws.amazon.com/awscloudtrail/latest/userguide/cloudtrail-user-guide.html)를 참조하세요. SageMaker AI의 CloudTrail에 대한 자세한 내용은 [를 사용하여 Amazon SageMaker AI API 호출 로깅 AWS CloudTrail](logging-using-cloudtrail.md) 섹션을 참조하세요.
다음은 `SendConversation` API의 로그 파일 항목 예시입니다.
```
{
"eventVersion":"1.10",
"userIdentity": {
"type":"AssumedRole",
"principalId":"AROA123456789EXAMPLE:user-Isengard",
"arn":"arn:aws:sts::111122223333:assumed-role/Admin/user",
"accountId":"111122223333",
"accessKeyId":"ASIAIOSFODNN7EXAMPLE",
"sessionContext": {
"sessionIssuer": {
"type":"Role",
"principalId":"AROA123456789EXAMPLE",
"arn":"arn:aws:iam::111122223333:role/Admin",
"accountId":"111122223333",
"userName":"Admin"
},
"attributes": {
"creationDate":"2024-11-11T22:04:37Z",
"mfaAuthenticated":"false"
}
}
},
"eventTime":"2024-11-11T22:09:22Z",
"eventSource":"sagemaker-data-science-assistant.amazonaws.com",
"eventName":"SendConversation",
"awsRegion":"us-west-2",
"sourceIPAddress":"192.0.2.0",
"userAgent":"Boto3/1.33.13 md/Botocore#1.33.13 ua/2.0 os/linux#5.10.227-198.884.amzn2int.x86_64 md/arch#x86_64 lang/python#3.7.16 md/pyimpl#CPython cfg/retry-mode#legacy Botocore/1.33.13",
"requestParameters": {
"conversation": [
{
"utteranceId":"a1b2c3d4-5678-90ab-cdef-EXAMPLE11111",
"utterance":"HIDDEN_DUE_TO_SECURITY_REASONS",
"timestamp":"Feb 4, 2020, 7:46:29 AM",
"utteranceType":"User"
}
],
"utteranceId":"a1b2c3d4-5678-90ab-cdef-EXAMPLE11111"
},
"responseElements": {
"responseCode":"CHAT_RESPONSE",
"conversationId":"1234567890abcdef0",
"response": {
"chat": {
"body":"HIDDEN_DUE_TO_SECURITY_REASONS"
}
}
},
"requestID":"a1b2c3d4-5678-90ab-cdef-EXAMPLE11111",
"eventID":"a1b2c3d4-5678-90ab-cdef-EXAMPLE11111",
"readOnly":false,
"eventType":"AwsApiCall",
"managementEvent":true,
"recipientAccountId":"123456789012",
"eventCategory":"Management",
"tlsDetails": {
"tlsVersion":"TLSv1.2",
"cipherSuite":"ECDHE-RSA-AES128-GCM-SHA256",
"clientProvidedHostHeader":"gamma.us-west-2.data-science-assistant.sagemaker.aws.dev"
}
}
```