2025년 4월 16일 — Snowflake ML Jobs — 미리 보기¶

Snowflake는 로컬 환경에서 머신 러닝(ML) 워크플로를 실행할 수 있는 새로운 기능인 Snowflake ML Jobs를 미리 보기로 제공합니다.

Snowflake ML Jobs를 사용하면 다음이 가능합니다.

• GPU 및 고용량 메모리 CPU 인스턴스를 활용하여 Snowflake 컴퓨팅 풀에서 ML 워크로드를 실행할 수 있습니다.

• Snowflake 워크시트나 노트북이 없어도 VS Code 또는 Jupyter 노트북 등 원하는 개발 환경을 사용할 수 있습니다.

• 런타임 환경 내에서 사용자 정의 Python 패키지를 설치하여 사용할 수 있습니다.

• Snowflake의 분산형 APIs 를 통해 데이터 로딩, 훈련 및 하이퍼파라미터 미세 조정을 최적화할 수 있습니다.

• Apache Airflow와 같은 오케스트레이션 도구와 통합할 수 있습니다.

• Snowflake의 APIs 를 사용하여 프로그래밍 방식으로 작업을 모니터링하고 관리할 수 있습니다.

Snowflake ML의 주요 장점은 다음과 같습니다.

• 확장성: 상당한 컴퓨팅 리소스 또는 GPU 가속이 필요한 데이터 세트에 대한 대규모 ML 훈련을 실행합니다.

• 유연성: 기존 개발 환경을 유지하면서 Snowflake의 컴퓨팅 리소스를 활용할 수 있습니다.

• 효율성: Large Snowflake 데이터 세트로 직접 작업하여 데이터 이동을 줄이고 값비싼 데이터 전송을 방지할 수 있습니다.

• 프로덕션화: 최소한의 변경으로 ML 코드를 개발에서 프로덕션으로 이동하여 파이프라인을 통한 프로그래밍 실행이 가능합니다.

• 호환성: 최소한의 코드 수정으로 오픈 소스 ML 워크플로를 리프트 앤 시프트할 수 있습니다.

Snowflake ML Jobs를 시작하려면 Snowflake ML 작업 를 참조하십시오.