기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 작업별 모델
JumpStart는 가장 인기 있는 15가지 문제 유형에 대한 작업별 모델을 지원합니다. 지원되는 문제 유형 중 비전 및 NLP 관련 유형은 총 13가지입니다. 증분 훈련과 미세 조정을 지원하는 8가지 문제 유형이 있습니다. 증분 훈련 및 하이퍼파라미터 조정에 대한 자세한 내용은 [SageMaker AI 자동 모델 튜닝](https://docs.aws.amazon.com/sagemaker/latest/dg/automatic-model-tuning.html)을 참조하세요. 또한 JumpStart는 테이블 형식 데이터 모델링에 널리 사용되는 4가지 알고리즘을 지원합니다.
Studio 또는 Studio Classic의 JumpStart 랜딩 페이지에서 모델을 검색하고 찾아볼 수 있습니다. 모델을 선택하면 모델 세부 정보 페이지에 모델에 대한 정보가 제공되며, 몇 단계만 거치면 모델을 훈련하고 배포할 수 있습니다. 설명 섹션에서는 모델로 수행할 수 있는 작업, 예상되는 입력 및 출력 유형, 모델의 미세 조정에 필요한 데이터 형식을 설명합니다.
[SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable/overview.html#use-prebuilt-models-with-sagemaker-jumpstart)를 사용하여 프로그래밍 방식으로 모델을 활용할 수도 있습니다. 사용 가능한 모든 모델 목록은 [JumpStart에 사용 가능한 모델 테이블](https://sagemaker.readthedocs.io/en/v2.132.0/doc_utils/pretrainedmodels.html)을 참조하세요.
문제 유형 목록과 Jupyter notebook 예제 링크가 다음 표에 요약되어 있습니다.
| 문제 유형 | 사전 훈련된 모델을 사용한 추론 지원 | 사용자 지정 데이터세트에서 훈련 가능 | 지원되는 프레임워크 | 예제 노트북 |
| --- | --- | --- | --- | --- |
| 이미지 분류 | 예 | 예 | PyTorch, TensorFlow | [JumpStart 소개 – 이미지 분류](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_image_classification/Amazon_JumpStart_Image_Classification.ipynb) |
| 객체 감지 | 예 | 예 | PyTorch, TensorFlow, MXNet | [JumpStart 소개 – 객체 감지](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_object_detection/Amazon_JumpStart_Object_Detection.ipynb) |
| 의미 체계 분할 | 예 | 예 | MXNet | [JumpStart 소개 – 의미 체계 분할](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_semantic_segmentation/Amazon_JumpStart_Semantic_Segmentation.ipynb) |
| 인스턴스 세분화 | 예 | 예 | MXNet | [JumpStart 소개 – 인스턴스 세분화](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_instance_segmentation/Amazon_JumpStart_Instance_Segmentation.ipynb) |
| 이미지 임베딩 | 예 | 아니요 | TensorFlow, MXNet | [JumpStart 소개 – 이미지 임베딩](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_image_embedding/Amazon_JumpStart_Image_Embedding.ipynb) |
| 텍스트 분류 | 예 | 예 | TensorFlow | [JumpStart 소개 – 텍스트 분류](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_text_classification/Amazon_JumpStart_Text_Classification.ipynb) |
| 문장 쌍 분류 | 예 | 예 | TensorFlow, Hugging Face | [JumpStart 소개 – 문장 쌍 분류](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_sentence_pair_classification/Amazon_JumpStart_Sentence_Pair_Classification.ipynb) |
| 질문 응답 | 예 | 예 | PyTorch, Hugging Face | [JumpStart 소개 – 질문 답변](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_question_answering/Amazon_JumpStart_Question_Answering.ipynb) |
| 명명된 엔터티 인식 | 예 | 아니요 | Hugging Face | [JumpStart 소개 – 명명된 엔터티 인식](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_named_entity_recognition/Amazon_JumpStart_Named_Entity_Recognition.ipynb) |
| 텍스트 요약 | 예 | 아니요 | Hugging Face | [JumpStart 소개 – 텍스트 요약](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_text_summarization/Amazon_JumpStart_Text_Summarization.ipynb) |
| 텍스트 생성 | 예 | 아니요 | Hugging Face | [JumpStart 소개 – 텍스트 생성](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_text_generation/Amazon_JumpStart_Text_Generation.ipynb) |
| 기계 번역 | 예 | 아니요 | Hugging Face | [JumpStart 소개 – 기계 번역](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_machine_translation/Amazon_JumpStart_Machine_Translation.ipynb) |
| 텍스트 임베딩 | 예 | 아니요 | TensorFlow, MXNet | [JumpStart 소개 – 텍스트 임베딩](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_text_embedding/Amazon_JumpStart_Text_Embedding.ipynb) |
| 테이블 형식 분류 | 예 | 예 | LightGBM, CatBoost, XGBoost, AutoGluon-Tabular, TabTransformer, Linear Learner | [JumpStart 소개 – 테이블 형식 분류 – LightGBM, CatBoost](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/lightgbm_catboost_tabular/Amazon_Tabular_Classification_LightGBM_CatBoost.ipynb)
[JumpStart 소개 – 테이블 형식 분류 – XGBoost, Linear Learner](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/xgboost_linear_learner_tabular/Amazon_Tabular_Classification_XGBoost_LinearLearner.ipynb)
[JumpStart 소개 – 테이블 형식 분류 – AutoGluon Learner](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/autogluon_tabular/Amazon_Tabular_Classification_AutoGluon.ipynb)
[JumpStart 소개 – 테이블 형식 분류 – TabTransformer Learner](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/tabtransformer_tabular/Amazon_Tabular_Classification_TabTransformer.ipynb) |
| 테이블 형식 회귀 | 예 | 예 | LightGBM, CatBoost, XGBoost, AutoGluon-Tabular, TabTransformer, Linear Learner | [JumpStart 소개 – 테이블 형식 회귀 – LightGBM, CatBoost](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/lightgbm_catboost_tabular/Amazon_Tabular_Regression_LightGBM_CatBoost.ipynb)
[JumpStart 소개 – 테이블 형식 회귀 – XGBoost, Linear Learner](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/xgboost_linear_learner_tabular/Amazon_Tabular_Regression_XGBoost_LinearLearner.ipynb)
[JumpStart 소개 – 테이블 형식 회귀 – AutoGluon Learner](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/autogluon_tabular/Amazon_Tabular_Regression_AutoGluon.ipynb)
[JumpStart 소개 – 테이블 형식 회귀 – TabTransformer Learner](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/tabtransformer_tabular/Amazon_Tabular_Regression_TabTransformer.ipynb) |