블로그
Snowflake에서 GPU로 Scikit-Learn과 Pandas 성능 극대화
코드 변경 없이 GPU로 scikit-learn, pandas, UMAP, HDBSCAN의 모델 개발 속도를 획기적으로 높이는 방법을 확인하세요.
기능
Snowflake ML
거버넌스가 적용된 데이터와 동일한 플랫폼에서 분산 GPU 또는 CPU를 활용해 머신러닝을 가속화하세요. 유지 관리하거나 구성할 인프라 없이 중앙 집중식 UI를 통해 실시간 및 배치 워크플로우 전반의 모델 개발과 MLOps를 간소화할 수 있습니다.
개요
ML 워크플로우를 위해 여러 도구를 조합하는 것은 복잡할 수 있습니다. 단일 플랫폼에서 프로덕션을 위한 모델을 준비하세요
도구, 실시간 및 배치 워크플로우, 확장 가능한 컴퓨팅 인프라를 데이터와 통합한 완전 통합형 플랫폼으로 ML 피처와 모델을 개발, 배포 및 모니터링하세요.
개발 및 MLOps 통합
데이터가 있는 동일한 플랫폼에서 모든 오픈소스 모델로 모델 파이프라인을 엔드투엔드로 통합하세요.
즉시 모델 확장 가능
수동 튜닝이나 구성 없이 내장형 인프라 최적화를 통해 CPU 또는 GPU에서 ML 파이프라인을 확장하세요.
신뢰성 있는 ML 인사이트 확보
Snowflake에서 전체 수명 주기에 걸쳐 피처와 모델을 발견하고 관리하며 거버넌스를 수행하세요.
ML 워크플로우
Snowflake ML로개발부터 프로덕션까지 가속화
모델 개발
에이전틱 ML 워크플로우를 사용하여 Snowflake 데이터에서 확장 가능한 모델 구축
- Cortex Code를 사용하면 자연어 프롬프트만으로 완전 실행 가능한 ML 파이프라인을 자동 생성하고 반복 개선할 수 있습니다.
ML Jobs를 통해 Snowflake Notebooks 또는 원하는 IDE에서 데이터 로딩을 최적화하고 모델 학습을 분산 실행할 수 있습니다.
- XGBoost 및 PyTorch와 같은 사전 설치 라이브러리를 활용하거나 PyPI, Hugging Face와 같은 오픈소스 허브에서 원하는 패키지를 pip install로 설치해 사용할 수 있습니다.
피처 관리
프로덕션급 파이프라인을 위한 배치 및 실시간 피처 개발 및 관리
Snowflake Feature Store를 사용하여 배치 또는 스트리밍 데이터에서 30밀리초 이내로 지속적인 자동 새로 고침을 수행하며 ML 피처를 생성, 관리 및 제공합니다.
학습 및 추론 전반에서 피처의 검색 가능성, 재사용성, 거버넌스를 강화합니다.
통합된 Feature Store UI를 통해 파이프라인 전반의 피처를 손쉽게 검색하고 시각적으로 추적할 수 있습니다.
프로덕션
개발 환경에 관계없이 ML 모델 배치 및 온라인 추론에 배포
- 어디에서 개발한 모델이든 Snowflake Model Registry에 등록하고 Snowflake 데이터에 대해 CPU 또는 GPU를 사용해 배치 또는 실시간 예측에 활용합니다.
개인화 추천, 사기 감지와 같은 저지연 온라인 사용 사례를 지원하기 위해 100밀리초 이내로 모델을 서빙할 수 있습니다.
- 통합 ML Observability를 통해 성능 및 드리프트 지표를 손쉽게 모니터링합니다.
이전에는 모든 모델을 훈련하고 예측을 생성하는 데 30분이 걸렸습니다. Snowflake의 통합 모델은 매우 빨라서 수십만 고객에 대한 예측을 생성하는 데 단 몇 분이면 됩니다. 이러한 속도와 단순성은 시뮬레이션 및 시나리오 예측과 같은 비즈니스의 추가 기능을 활성화하는 데 도움이 될 것입니다.
—Dan Shah
Manager of Data Science, Travelpass
Snowflake에서 97~99%의 정확도로 완전 자동화된 실시간 수수료 추정치를 제공함으로써, 비용 투명성을 높이고 정산 및 보고 프로세스에 대한 신뢰를 강화할 수 있습니다.
Venkata Kalyan Sanaboyina
수석 엔지니어링 리드
기능 개요
Snowflake ML의 개발 및 프로덕션 통합 기능
자세히 알아보기
시작하기
Snowflake와 함께다음 단계로 나아가세요
30일 무료 평가판 시작하기
- 400달러(USD) 무료 사용 크레딧 제공
- 최신 Snowflake ML 기능에 즉시 액세스
- CPU 또는 GPU로 모델 구축 및 배포
엔드투엔드 ML
자주 묻는 질문
Snowflake의 ML 워크플로우에는 CPU와 GPU를 모두 사용할 수 있나요?
네, 데이터 과학자와 ML 엔지니어는 CPU 또는 GPU에서 분산 처리를 통해 모델을 구축하고 배포할 수 있습니다. 이는 Snowflake ML 플랫폼을 구동하는 Ray 기반 최신 컨테이너 인프라에 의해 지원됩니다.
Snowflake는 배치 및 실시간 ML 워크플로우를 모두 지원하나요?
네, Snowflake ML은 온라인 및 배치 워크로드를 모두 처리합니다. 실시간 요구 사항의 경우, 온라인 기능 스토어와 온라인 모델 추론 기능을 일반적으로 활용할 수 있으며, 개인화 추천, 사기 감지, 가격 최적화, 이상 감지와 같은 사용 사례를 지원합니다.
Snowflake에서 구축된 모델만 프로덕션에서 실행할 수 있나요?
아니요, 외부에서 구축된 어느 모델이든 Snowflake 데이터에서 프로덕션 실행이 가능합니다. 추론 중에 ML Observability 및 RBAC 거버넌스와 같은 통합 MLOps 기능을 활용할 수 있습니다.
Snowflake ML은 오픈 소스와 호환되나요?
네, Snowflake ML은 모든 오픈 소스 라이브러리와 완벽하게 호환됩니다. pip로 오픈 소스 리포지토리에 안전하게 액세스하고 Hugging Face와 같은 허브에서 모델을 가져올 수 있습니다.
Snowflake ML의 요금 체계는 어떻게 되나요?
Snowflake는 소비 기반 가격 책정 모델로 운영됩니다. 자세한 내용은 최신 크레딧 요금표를 참조하세요.
Snowflake ML을 무료로 체험해 볼 수 있나요?
네, ML Quickstart를 무료 평가판을 통해 직접 체험하실 수 있습니다.
