소스
model_name!PREDICT
model_name!PREDICT 미리 보기 기능 — 공개 모든 계정에서 사용 가능합니다. 이전에 학습된 모델 model_name 에서 분류 예측을 생성합니다. 구문 CopyExpand<model_name>!PREDICT( INPUT_DATA => <input_data>, [CONFIG_OBJECT => <config_object>] ) Show lessSee moreScroll to top 인자 필수…
분할된 모델 사용하기
분할된 모델 사용하기 많은 데이터 세트는 여러 개의 독립적인 하위 집합으로 분할될 수 있습니다. 예를 들어, 매장 체인의 판매 데이터가 포함된 데이터 세트는 매장 번호별로 분할될 수 있습니다. 그런 다음 각 파티션에 대해 별도의 모델을 훈련시킬 수 있습니다. 파티션에 대한 훈련 및 추론 작업을 병렬화하여 작업의 실제 실행 시간을 줄일 수 있습니다. 더욱이 각 매장마다 기능이 매출에 미치는 영향이 크게 다를 수 있으므로, 이러한…
직렬화된 파일을 통해 나만의 모델 유형 가져오기
직렬화된 파일을 통해 나만의 모델 유형 가져오기 Model Registry는 기본 제공 모델 유형 을 레지스트리에 직접 로깅할 수 있도록 지원합니다. 또한 다른 모델 유형을 snowflake.ml.model.custom_model.CustomModel 로 로깅하는 방법도 제공합니다. 외부 도구를 사용하여 학습하거나 오픈 소스 리포지토리에서 얻은 직렬화 가능한 모델은 CustomModel 과 함께 사용할 수 있습니다. 이 가이…
Snowflake Model Registry를 사용하여 모델 관리하기
Snowflake Model Registry를 사용하여 모델 관리하기 Snowflake Model Registry는 머신 러닝 모델을 개발 단계에서 프로덕션 단계로 변환하는 과정을 간소화합니다. 체계적으로 정리된 모델 레지스트리는 모든 모델, 메트릭 및 메타데이터의 중앙 허브이자 단일 소스 역할을 합니다. 레지스트리에 모델을 기록하는 것은 Snowflake ML Ops 여정의 첫 번째이자 가장 중요한 단계로, 머신 러닝 작업에…
Snowflake Model Registry 사용자 인터페이스
Snowflake Model Registry 사용자 인터페이스 참고 Model Registry Snowsight UI 는 일반적으로 모든 배포에서 일반 공급으로 제공됩니다. SPCS 모델 제공을 위한 추론 서비스 UI는 AWS, Azure 및 GCP 상용 배포에서만 미리 보기로 제공됩니다. Snowsight의 Models 페이지에서 모든 머신 러닝 모델을 찾을 수 있습니다. 메타데이터와 배포를 볼 수도 있습니다. 모델 세부…