기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 미세 조정을 위한 모델 사용자 지정 작업 제출
Amazon Bedrock 콘솔 또는 API에서 미세 조정을 사용하여 사용자 지정 모델을 생성할 수 있습니다. 기존 사용자 지정 모델을 추가로 미세 조정할 수 있습니다. 사용자 지정 작업은 몇 시간이 걸릴 수 있습니다. 작업 기간은 훈련 데이터의 크기(레코드 수, 입력 토큰 수, 출력 토큰 수), 에포크 수, 배치 크기에 따라 달라집니다.
## 사전 조건
+ AWS Identity and Access Management (IAM) 서비스 역할을 생성하여 모델 사용자 지정 훈련 및 검증 데이터를 저장하려는 S3 버킷에 액세스합니다. 를 사용하거나 AWS Management Console 수동으로이 역할을 자동으로 생성할 수 있습니다. 수동 옵션에 대한 자세한 내용은 [모델 사용자 지정을 위한 IAM 서비스 역할 생성](custom-model-job-access-security.md#custom-model-job-service-role) 섹션을 참조하세요.
+ (선택 사항) 입력 및 출력 데이터, 사용자 지정 작업 또는 사용자 지정 모델에 대한 추론 요청을 암호화할 수 있습니다. 자세한 내용은 [사용자 지정 모델 암호화](encryption-custom-job.md) 단원을 참조하십시오.
+ (선택 사항) 가상 프라이빗 클라우드(VPC)를 생성하여 사용자 지정 작업을 보호할 수 있습니다. 자세한 내용은 [(선택 사항) VPC를 사용하여 모델 사용자 지정 작업 보호](custom-model-job-access-security.md#vpc-model-customization) 단원을 참조하십시오.
## 작업 제출
원하는 방법의 탭을 선택한 후 다음 단계를 따릅니다.
------
#### [ Console ]
콘솔에서 모델 사용자 지정 작업을 제출하려면 다음 단계를 수행합니다.
1. Amazon Bedrock 콘솔을 사용할 권한이 있는 IAM 자격 증명 AWS Management Console 으로에 로그인합니다. 그 다음 [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock)에서 Amazon Bedrock 콘솔을 엽니다.
1. 왼쪽 탐색 창의 **조정**에서 **사용자 지정 모델**을 선택합니다.
1. **모델** 탭에서 **모델 사용자 지정**을 선택한 다음 **미세 조정 작업 생성을** 선택합니다.
1. **모델 세부 정보** 섹션에서 다음을 수행합니다.
1. 자체 데이터로 사용자 지정할 모델을 선택하고 결과 모델에 이름을 지정합니다. 파운데이션 모델 또는 이전에 사용자 지정된 모델(미세 조정 또는 추출)을 기본 모델로 선택할 수 있습니다.
1. (선택 사항) 기본적으로 Amazon Bedrock은 AWS에서 소유하고 관리하는 키로 모델을 암호화합니다. [사용자 지정 KMS 키](encryption-custom-job.md)를 사용하려면 **모델 암호화**를 선택하고 키를 선택합니다.
1. (선택 사항) 사용자 지정 모델에 [태그](tagging.md)를 연결하려면 **태그** 섹션을 확장하고 **새 태그 추가**를 선택합니다.
1. **작업 구성** 섹션에서 작업 이름을 입력하고, 필요한 경우 작업에 연결할 태그를 추가합니다.
1. (선택 사항) [가상 프라이빗 클라우드(VPC)를 사용하여 훈련 데이터 및 사용자 지정 작업을 보호](custom-model-job-access-security.md#vpc-model-customization)하려면 **VPC 설정** 섹션에서 입력 데이터 및 출력 데이터 Amazon S3 위치, 서브넷, 보안 그룹이 포함된 VPC를 선택합니다.
**참고**
VPC 구성이 포함된 경우, 콘솔은 해당 작업에 대한 새 서비스 역할을 만들 수 없습니다. [사용자 지정 서비스 역할을 만들고](model-customization-iam-role.md) [모델 사용자 지정 역할에 VPC 권한 연결](custom-model-job-access-security.md#vpc-data-access-role)에 설명된 예제와 유사한 권한을 추가합니다.
1. **입력 데이터** 섹션에서 훈련 데이터세트 파일의 S3 위치를 선택하고, 해당하는 경우 검증 데이터세트 파일을 선택합니다.
1. **하이퍼파라미터** 섹션에서 훈련에 사용할 [하이퍼파라미터](custom-models-hp.md) 값을 입력합니다.
1. **출력 데이터** 섹션에서 Amazon Bedrock이 작업 출력을 저장해야 하는 Amazon S3 위치를 입력합니다. Amazon Bedrock은 각 에포크의 훈련 손실 지표와 검증 손실 지표를 지정한 위치에서 별도의 파일에 저장합니다.
1. **서비스 액세스** 섹션에서 다음 중 하나를 선택합니다.
+ **기존 서비스 역할 사용** - 드롭다운 목록에서 서비스 역할을 선택합니다. 적절한 권한이 있는 사용자 지정 역할을 설정하는 방법에 대한 자세한 내용은 [모델 사용자 지정을 위한 서비스 역할 생성](model-customization-iam-role.md) 섹션을 참조하세요.
+ **새 서비스 역할 생성 및 사용** - 서비스 역할의 이름을 입력합니다.
1. **모델 미세 조정**을 선택하여 작업을 시작합니다.
------
#### [ API ]
**요청**
[Amazon Bedrock 컨트롤 플레인 엔드포인트](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp)를 사용하여 [CreateModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateModelCustomizationJob.html)(요청 및 응답 형식과 필드 세부 정보는 링크 참조) 요청을 전송해 모델 사용자 지정 작업을 제출합니다. 다음 필드는 반드시 제공해야 합니다.
+ `roleArn` – 모델을 사용자 지정할 수 있는 권한이 있는 서비스 역할의 ARN입니다. 콘솔을 사용하는 경우 Amazon Bedrock이 적절한 권한이 있는 역할을 자동으로 만들 수 있으며, 아니면 [모델 사용자 지정을 위한 서비스 역할 생성](model-customization-iam-role.md)의 단계에 따라 사용자 지정 역할을 만들 수 있습니다.
**참고**
`vpcConfig` 필드를 포함하는 경우 역할에 VPC에 액세스할 수 있는 적절한 권한이 있어야 합니다. 문제 해결 예는 [모델 사용자 지정 역할에 VPC 권한 연결](custom-model-job-access-security.md#vpc-data-access-role)을 참조하세요.
+ `baseModelIdentifier` - 사용자 지정할 파운데이션 모델 또는 이전에 사용자 지정된 모델(미세 조정 또는 추출)의 모델 [ID](models-supported.md) 또는 ARN입니다.
+ `customModelName` - 새로 사용자 지정된 모델에 설정할 이름입니다.
+ `jobName` - 훈련 작업에 설정할 이름입니다.
+ `hyperParameters` – 모델 사용자 지정 프로세스에 영향을 미치는 [하이퍼파라미터](custom-models-hp.md)입니다.
+ `trainingDataConfig` - 훈련 데이터세트의 Amazon S3 URI를 포함하는 객체입니다. 사용자 지정 방법 및 모델에 따라 `validationDataConfig`를 포함할 수도 있습니다. 데이터세트 준비에 대한 자세한 내용은 [모델 미세 조정을 위한 데이터 준비](model-customization-prepare.md) 섹션을 참조하세요.
+ `validationDataconfig` - 검증 데이터세트의 Amazon S3 URI를 포함하는 객체입니다.
+ `outputDataConfig` - 출력 데이터를 작성할 Amazon S3 URI를 포함하는 객체입니다.
`customizationType`을 지정하지 않으면 모델 사용자 지정 방법의 기본값은 `FINE_TUNING`입니다.
요청이 두 번 이상 완료되지 않도록 하려면 `clientRequestToken`을 포함합니다.
추가 구성을 위해 다음과 같은 선택적 필드를 포함할 수 있습니다.
+ `jobTags` 또는 `customModelTags` - [태그](tagging.md)를 사용자 지정 작업 또는 결과로 만들어진 사용자 지정 모델과 연결합니다.
+ `customModelKmsKeyId` - [사용자 지정 KMS 키](encryption-custom-job.md)를 포함하여 사용자 지정 모델을 암호화합니다.
+ `vpcConfig` - [훈련 데이터와 사용자 지정 작업을 보호할 수 있도록 가상 프라이빗 클라우드(VPC)](custom-model-job-access-security.md#vpc-model-customization)에 대한 구성을 포함합니다.
**응답**
응답은 작업을 [모니터링](model-customization-monitor.md)하거나 [중지](model-customization-stop.md)하는 데 사용할 수 있는 `jobArn`을 반환합니다.
[코드 예시 보기](model-customization-code-samples.md)
------