Azure Machine Learning Studio란?What is Azure Machine Learning studio?

이 문서에서는 Azure Machine Learning의 데이터 과학자 개발자를 위한 웹 포털인 Azure Machine Learning 스튜디오에 대해 알아봅니다.In this article, you learn about Azure Machine Learning studio, the web portal for data scientist developers in Azure Machine Learning. 스튜디오는 포괄적인 데이터 과학 플랫폼을 위해 코드 없는 환경과 코드 우선 환경을 결합합니다.The studio combines no-code and code-first experiences for an inclusive data science platform.

이 문서에서는 다음에 대해 알아봅니다.In this article you learn:

기계 학습 프로젝트 작성Author machine learning projects

스튜디오는 형식 프로젝트와 사용자 환경 수준에 따라 여러 제작 환경을 제공합니다.The studio offers multiple authoring experiences depending on the type project and the level of user experience.

  • NotebooksNotebooks

    스튜디오에 직접 통합된 관리되는 Jupyter Notebook 서버에서 직접 코드를 작성하고 실행합니다.Write and run your own code in managed Jupyter Notebook servers that are directly integrated in the studio.

  • Azure Machine Learning 디자이너Azure Machine Learning designer

    디자이너를 사용하여 코드를 작성하지 않고도 기계 학습 모델을 학습하고 배포할 수 있습니다.Use the designer to train and deploy machine learning models without writing any code. 데이터 세트 및 모듈을 끌어서 놓아 ML 파이프라인을 만듭니다.Drag and drop datasets and modules to create ML pipelines. 디자이너 자습서를 사용해 보세요.Try out the designer tutorial.

    Azure Machine Learning 디자이너 예

  • 자동화된 기계 학습 UIAutomated machine learning UI

    사용하기 쉬운 인터페이스로 자동화된 ML 실험을 만드는 방법을 알아보세요.Learn how to create automated ML experiments with an easy-to-use interface.

    Azure Machine Learning Studio 탐색 창Azure Machine Learning studio navigation pane

  • 데이터 레이블 지정Data labeling

    Azure Machine Learning 데이터 레이블 지정을 사용하여 데이터 레이블 지정 프로젝트를 효율적으로 조정합니다.Use Azure Machine Learning data labeling to efficiently coordinate data labeling projects.

자산 및 리소스 관리Manage assets and resources

브라우저에서 직접 기계 학습 자산을 관리합니다.Manage your machine learning assets directly in your browser. 원활한 환경을 위해 SDK와 스튜디오 간에 자산이 동일한 작업 영역에서 공유됩니다.Assets are shared in the same workspace between the SDK and the studio for a seamless experience. 스튜디오를 사용하여 다음을 관리합니다.Use the studio to manage:

  • 모델Models
  • 데이터 세트Datasets
  • 데이터 저장소Datastores
  • Compute 리소스Compute resources
  • NotebooksNotebooks
  • 실험Experiments
  • 실행 로그Run logs
  • PipelinesPipelines
  • 파이프라인 엔드포인트Pipeline endpoints

숙련된 개발자라 하더라도 스튜디오는 작업 영역 리소스를 관리하는 방법을 단순화할 수 있습니다.Even if you're an experienced developer, the studio can simplify how you manage workspace resources.

ML Studio(클래식) 및 Azure Machine Learning 스튜디오ML Studio (classic) vs Azure Machine Learning studio

2015년에 출시된 ML Studio(클래식) 는 첫 번째 끌어서 놓기 기계 학습 작성기였습니다.Released in 2015, ML Studio (classic) was our first drag-and-drop machine learning builder. 시각적 환경만 제공하는 독립 실행형 서비스입니다.It is a standalone service that only offers a visual experience. Studio(클래식)는 Azure Machine Learning과 상호 운용되지 않습니다.Studio (classic) does not interoperate with Azure Machine Learning.

Azure Machine Learning 은 완전한 데이터 과학 플랫폼을 제공하는 별도의 현대화된 서비스입니다.Azure Machine Learning is a separate and modernized service that delivers a complete data science platform. 코드 우선 및 낮은 코드 환경을 모두 지원합니다.It supports both code-first and low-code experiences.

Azure Machine Learning 스튜디오 는 프로젝트 작성 및 자산 관리를 위한 낮은 코드와 코드 없음 옵션이 포함된 Azure Machine Learning 웹 포털입니다.Azure Machine Learning studio is a web portal in Azure Machine Learning that contains low-code and no-code options for project authoring and asset management.

새로운 사용자는 최신 데이터 과학 도구 범위에 ML Studio(클래식) 대신 Azure Machine Learning 을 선택하는 것이 좋습니다.We recommend that new users choose Azure Machine Learning, instead of ML Studio (classic), for the latest range of data science tools.

기능 비교Feature comparison

다음 표에는 ML Studio(클래식)와 Azure Machine Learning 간에 주요 차이점이 요약되어 있습니다.The following table summarizes the key differences between ML Studio (classic) and Azure Machine Learning.

기능Feature ML Studio(클래식)ML Studio (classic) Azure Machine LearningAzure Machine Learning
끌어서 놓기 인터페이스Drag and drop interface 클래식 환경Classic experience 환경이 업데이트됨 - Azure Machine Learning 디자이너Updated experience - Azure Machine Learning designer
코드 SDKCode SDKs 지원되지 않음Unsupported Azure Machine Learning PythonR SDK와 완전히 통합됨Fully integrated with Azure Machine Learning Python and R SDKs
실험Experiment 크기 조정 가능(10GB 학습 데이터 제한)Scalable (10-GB training data limit) 컴퓨팅 대상으로 크기 조정Scale with compute target
컴퓨팅 대상 학습Training compute targets 전용 컴퓨팅 대상, CPU만 지원Proprietary compute target, CPU support only 광범위한 사용자 지정이 가능한 컴퓨팅 대상 학습.Wide range of customizable training compute targets. GPU 및 CPU 지원 포함Includes GPU and CPU support
컴퓨팅 대상 배포Deployment compute targets 전용 웹 서비스 형식, 사용자 지정 불가능Proprietary web service format, not customizable 광범위한 사용자 지정이 가능한 컴퓨팅 대상 배포.Wide range of customizable deployment compute targets. GPU 및 CPU 지원 포함Includes GPU and CPU support
ML 파이프라인ML Pipeline 지원되지 않음Not supported 유연한 모듈식 파이프라인을 빌드하여 워크플로 자동화Build flexible, modular pipelines to automate workflows
MLOpsMLOps 기본 모델 관리 및 배포, CPU 전용 배포Basic model management and deployment; CPU only deployments 엔터티 버전 관리(모델, 데이터, 워크플로), 워크플로 자동화, CICD 도구와의 통합, CPU 및 GPU 배포 Entity versioning (model, data, workflows), workflow automation, integration with CICD tooling, CPU and GPU deployments and more
모델 형식Model format 전용 형식, Studio(클래식)만 해당Proprietary format, Studio (classic) only 학습 작업 유형에 따라 지원되는 여러 형식Multiple supported formats depending on training job type
자동화된 모델 학습 및 하이퍼 매개변수 튜닝Automated model training and hyperparameter tuning 지원되지 않음Not supported 지원됨이라는 의미입니다.Supported. 코드 우선 및 코드 없음 옵션.Code-first and no-code options.
데이터 드리프트 검색Data drift detection 지원되지 않음Not supported 지원됨Supported
데이터 레이블 지정 프로젝트Data labeling projects 지원되지 않음Not supported 지원됨Supported

다음 단계Next steps

스튜디오를 방문하거나 다음 자습서를 통해 다양한 제작 옵션을 살펴보세요.Visit the studio, or explore the different authoring options with these tutorials: