기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Autopilot 실험의 기본 파라미터 구성하기(관리자용)
<a name="autopilot-set-default-parameters-create-experiment"></a>

Autopilot은 Studio Classic UI를 사용하여 Autopilot 실험을 생성할 때 Amazon SageMaker Autopilot의 구성을 단순화하는 기본값 설정을 지원합니다. 관리자는 Studio Classic [수명 주기 구성](studio-lcc.md)(LCC)을 사용하여 구성 파일에 인프라, 네트워킹 및 보안 값을 설정하고 `AutoML` 작업의 [고급 설정](autopilot-automate-model-development-create-experiment-ui.md#advanced-settings)을 미리 채울 수 있습니다.

이를 통해 SageMaker AI 인스턴스, 데이터 소스, 출력 데이터 및 기타 관련 서비스 등 Amazon SageMaker Studio Classic과 관련된 리소스의 네트워크 연결 및 액세스 권한을 완전히 제어할 수 있습니다. 특히 관리자는 Studio Classic 도메인 또는 개별 사용자 프로필의 Amazon VPC, 서브넷, 보안 그룹 등 원하는 네트워크 아키텍처를 구성할 수 있습니다. 데이터 과학자는 Studio Classic UI를 사용하여 Autopilot 실험을 생성할 때 데이터 과학의 특정 파라미터에 집중할 수 있습니다. 또한 관리자는 기본 암호화 키를 설정하여 Autopilot 실험이 실행되는 인스턴스의 데이터 암호화를 관리할 수 있습니다.

**참고**  
현재 아시아 태평양(홍콩) 및 중동(바레인) 옵트인 리전에서는 이 기능을 사용할 수 없습니다.

다음 섹션에서는 Studio Classic UI를 사용하여 Autopilot 실험을 생성할 때 기본값 설정을 지원하는 파라미터의 전체 목록을 확인하고 이러한 기본값을 설정하는 방법을 알아볼 수 있습니다.

**Topics**
+ [

## 지원되는 기본 파라미터 목록
](#autopilot-list-default-parameters-create-experiment)
+ [

## 기본 Autopilot 실험 파라미터 설정
](#autopilot-set-default-parameters-create-experiment-howto)

## 지원되는 기본 파라미터 목록
<a name="autopilot-list-default-parameters-create-experiment"></a>

다음 파라미터는 Studio Classic UI를 사용하여 Autopilot 실험을 생성하는 구성 파일을 사용하여 기본값 설정을 지원합니다. 값을 설정하고 나면 Studio Classic UI의 Autopilot **실험 생성** 탭의 해당 필드에 값이 자동으로 채워집니다. 각 필드에 대한 전체 설명은 [고급 설정(선택 사항)](autopilot-automate-model-development-create-experiment-ui.md#advanced-settings)을 참조하세요.
+ **보안:** Amazon VPC, 서브넷 및 보안 그룹.
+ **Access:** AWS IAM 역할 ARNs
+ **Encryption:** AWS KMS key IDs
+ **태그:** SageMaker AI 리소스에 레이블을 지정하고 구성하는 데 사용되는 키-값 쌍입니다.

## 기본 Autopilot 실험 파라미터 설정
<a name="autopilot-set-default-parameters-create-experiment-howto"></a>

관리자는 구성 파일에 기본값을 설정한 다음, 파일을 특정 사용자의 Studio Classic 환경 내 권장 위치에 수동으로 배치하거나 파일을 수명 주기 구성 스크립트(LCC)에 전달하여 지정된 도메인 또는 사용자 프로필의 Studio Classic 환경 사용자 지정을 자동화할 수 있습니다.
+ 구성 파일을 설정하려면 먼저 기본 매개 변수를 입력합니다.

  [지원되는 기본 파라미터 목록](#autopilot-list-default-parameters-create-experiment)에 나열된 일부 또는 모든 기본값을 구성하기 위해 관리자는 구성 파일 `config.yaml`을 만들 수 있는데 그 구조는 이 [샘플 구성 파일](https://sagemaker.readthedocs.io/en/stable/overview.html#configuration-file-structure)을 준수해야 합니다. 다음 코드 조각은 지원되는 모든 `AutoML` 매개 변수가 포함된 샘플 구성 파일을 보여줍니다. 이 파일의 형식에 대한 자세한 내용은 [전체 스키마](https://github.com/aws/sagemaker-python-sdk/blob/master/src/sagemaker/config/config_schema.py)를 참조하세요.

  ```
  SchemaVersion: '1.0'
  SageMaker:
    AutoMLJob:
      # https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAutoMLJob.html
      AutoMLJobConfig:
        SecurityConfig:
          EnableInterContainerTrafficEncryption: true
          VolumeKmsKeyId: 'kms-key-id'
          VpcConfig:
            SecurityGroupIds:
              - 'security-group-id-1'
              - 'security-group-id-2'
            Subnets:
              - 'subnet-1'
              - 'subnet-2'
      OutputDataConfig:
        KmsKeyId: 'kms-key-id'
      RoleArn: 'arn:aws:iam::111222333444:role/Admin'
      Tags:
      - Key: 'tag_key'
        Value: 'tag_value'
  ```
+ 그런 다음 권장 경로에 [파일을 수동으로 복사](#autopilot-intelligent-defaults-manual-setup)하거나 [수명 주기 구성](#autopilot-intelligent-defaults-lcc-setup)(LCC)을 사용하여 권장 위치에 구성 파일을 배치합니다.

  구성 파일은 사용자의 Studio Classic 환경에서 다음 위치 중 하나 이상에 있어야 합니다. 기본적으로 SageMaker AI는 다음 두 위치에서 구성 파일을 검색합니다.
  + 먼저, `/etc/xdg/sagemaker/config.yaml`에서. 이 파일을 *관리자 구성 파일*이라고 합니다.
  + 그 다음에는, `/root/.config/sagemaker/config.yaml`에서. 이 파일을 *사용자 구성 파일*이라고 합니다.

  관리자는 *관리자* 구성 파일을 사용하여 기본값 세트를 정의할 수 있습니다. 선택적으로, 관리자는 *사용자* 구성 파일을 사용하여 *관리자* 구성 파일에 설정된 값을 재정의하거나 추가적인 기본 파라미터 값을 설정할 수 있습니다.

  다음 코드 조각은 기본 파라미터 구성 파일을 사용자 Studio Classic 환경의 *관리자* 위치에 쓰는 샘플 스크립트를 보여줍니다. `/etc/xdg/sagemaker`를 `/root/.config/sagemaker`로 바꾸어 *사용자* 위치에 파일을 쓸 수 있습니다.

  ```
  ## Sample script with AutoML intelligent defaults
  #!/bin/bash
  
  sudo mkdir -p /etc/xdg/sagemaker
  
  echo "SchemaVersion: '1.0'
  CustomParameters:
    AnyStringKey: 'AnyStringValue'
  SageMaker:
    AutoMLJob:
      # https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateAutoMLJob.html
      AutoMLJobConfig:
        SecurityConfig:
          EnableInterContainerTrafficEncryption: true
          VolumeKmsKeyId: 'kms-key-id'
          VpcConfig:
            SecurityGroupIds:
              - 'security-group-id-1'
              - 'security-group-id-2'
            Subnets:
              - 'subnet-1'
              - 'subnet-2'
      OutputDataConfig:
        KmsKeyId: 'kms-key-id'
      RoleArn: 'arn:aws:iam::111222333444:role/Admin'
      Tags:
      - Key: 'tag_key'
        Value: 'tag_value'
  " | sudo tee /etc/xdg/sagemaker/config.yaml
  ```
  + **파일 수동 복사** - 구성 파일을 수동으로 복사하려면 Studio Classic 터미널에서 이전 단계에서 만든 [스크립트](#autopilot-intelligent-defaults-manual-setup)를 실행합니다. 이 경우 스크립트를 실행한 사용자 프로필은 해당 실험에만 적용되는 기본값을 사용하여 Autopilot 실험을 만들 수 있습니다.
  +  **SageMaker AI 수명 주기 구성 만들기** - 또는 [수명 주기 구성](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-lcc.html)(LCC)을 사용하여 Studio Classic 환경의 사용자 지정을 자동화할 수 있습니다. LCC는 Studio Classic 애플리케이션 시작과 같은 Amazon SageMaker Studio Classic 수명 주기 이벤트에 의해 트리거되는 쉘 스크립트입니다. 이러한 사용자 지정에는 사용자 지정 패키지 설치, 노트북 확장 구성, 데이터세트 사전 로드, 소스 코드 리포지토리 설정 또는 이 사례의 경우 기본 파라미터 사전 채우기가 포함됩니다. 관리자는 LCC를 Studio Classic 도메인에 연결하여 해당 도메인 내 각 사용자 프로필의 기본값 구성을 자동화할 수 있습니다.

    다음 섹션에서는 사용자가 Studio Classic을 실행할 때 Autopilot 기본 파라미터를 자동으로 로드할 수 있도록 수명 주기 구성을 만드는 방법을 자세히 설명합니다. SageMaker AI 콘솔 또는 AWS CLI를 사용하여 LCC를 만들도록 선택할 수 있습니다.

------
#### [ Create a LCC from the SageMaker AI Console ]

    다음 단계를 사용하여 기본 파라미터를 포함하는 LCC를 만들고 LCC를 도메인 또는 사용자 프로필에 연결한 다음, SageMaker AI 콘솔을 사용하여 LCC에서 설정한 기본 파라미터로 미리 채워진 Studio Classic 애플리케이션을 실행합니다.
    + **SageMaker AI 콘솔을 사용하여 기본값을 포함하는 [스크립트](#autopilot-intelligent-defaults-script)를 실행하는 수명 주기 구성을 만들려면** 다음과 같이 합니다.
      + [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)에서 SageMaker AI 콘솔을 엽니다.
      + 왼쪽에서 **관리 구성**으로 이동한 다음 **수명 주기 구성**으로 이동합니다.
      + **수명 주기 구성** 페이지에서 Studio Classic 탭으로 이동한 다음 **구성 생성**을 선택합니다.
      + **이름**에 공백 없이 영숫자와 "-"를 사용하여 이름을 입력합니다. 이름은 최대 63자까지 지정할 수 있습니다.
      + **스크립트** 섹션에 [스크립트](#autopilot-intelligent-defaults-script)를 붙여넣습니다.
      + **구성 생성**을 선택하여 수명 주기 구성을 생성합니다. 이렇게 하면 `Kernel gateway app` 유형의 LCC가 생성됩니다.
    +  **Studio Classic 도메인, 스페이스 또는 사용자 프로필에 수명 주기 구성을 연결하는 방법**

      [Studio Classic 도메인 또는 사용자 프로필에 수명 주기 구성 연결하기](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-lcc-create-console.html#studio-lcc-create-console-step2)의 단계에 따라 LCC를 Studio Classic 도메인 또는 특정 사용자 프로필에 연결합니다.
    +  **수명 주기 구성을 사용하여 Studio Classic 애플리케이션을 실행하는 방법**

      LCC가 도메인 또는 사용자 프로필에 연결되면 영향을 받는 사용자는 Studio에서 Studio Classic의 랜딩 페이지로부터 Studio Classic 애플리케이션을 시작하여 LCC에서 설정한 기본값을 자동으로 선택할 수 있습니다. 이렇게 하면 Autopilot 실험을 만들 때 Studio Classic UI가 자동으로 채워집니다.

------
#### [ Create a LCC from the AWS CLI ]

    다음 코드 조각을 활용하여 AWS CLI를 사용하여 [스크립트](#autopilot-intelligent-defaults-manual-setup)를 실행하는 Studio Classic 애플리케이션을 실행합니다. 이 예제에서는 `lifecycle_config.sh`가 스크립트에 지정된 이름입니다.

    시작하기 전에:
    + [에서 수명 주기 구성 생성 AWS CLI](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-lcc-create-cli.html)에 설명된 사전 조건을 완료 AWS CLI 하여 업데이트하고 구성했는지 확인합니다.
    + [OpenSSL](https://www.openssl.org/source/) 설명서를 설치합니다. AWS CLI 명령은 오픈 소스 라이브러리 *OpenSSL*을 사용하여 스크립트를 Base64 형식으로 인코딩합니다. 이 요구 사항은 간격 및 줄 바꿈 인코딩으로 인해 발생하는 오류를 방지합니다.

    이제 다음 3단계를 따를 수 있습니다.
    +  **구성 스크립트 `lifecycle_config.sh`를 참조하여 새 수명 주기 구성을 생성합니다.**

      ```
      LCC_CONTENT=`openssl base64 -A -in lifecycle_config.sh`
      
      ## Create a new lifecycle config 
      aws sagemaker create-studio-lifecycle-config --region region \
      --studio-lifecycle-config-name lcc-name \
      --studio-lifecycle-config-content $LCC_CONTENT \
      --studio-lifecycle-config-app-type default
      ```

      새로 생성되어 반환된 수명 주기 구성의 ARN을 기록해 둡니다. 이 ARN은 수명 주기 구성을 애플리케이션에 연결하는 데 필요합니다.
    +  **수명 주기 구성을 `JupyterServerApp`에 연결합니다.**

      다음 예제는 수명 주기 구성이 연결된 새 사용자 프로필을 만드는 방법을 보여줍니다. 기존 사용자 프로필을 업데이트하려면 AWS CLI [update-user-profile](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-user-profile.html) 명령을 사용합니다. 도메인을 생성하거나 업데이트하려면 [create-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/create-domain.html) 및 [update-domain](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/sagemaker/update-domain.html)을 참조하세요. 이전 단계의 수명 주기 구성 ARN을 `JupyterServerAppSettings` 애플리케이션 유형의 설정에 추가합니다. 수명 주기 구성 목록을 사용하여 여러 수명 주기 구성을 동시에 추가할 수 있습니다.

      ```
      # Create a new UserProfile
      aws sagemaker create-user-profile --domain-id domain-id \
      --user-profile-name user-profile-name \
      --region region \
      --user-settings '{
      "JupyterServerAppSettings": {
        "LifecycleConfigArns":
          ["lifecycle-configuration-arn"]
        }
      }'
      ```

      LCC가 도메인 또는 사용자 프로필에 연결되면 영향을 받는 사용자는 종료 및 [ Amazon SageMaker Studio Classic 업데이트의 단계에 따라 기존 Studio Classic 애플리케이션을 종료 및 업데이트](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-tasks-update-studio.html)하거나 AWS 콘솔에서 새 Studio Classic 애플리케이션을 시작하여 LCC에서 설정한 기본값을 자동으로 선택할 수 있습니다. 이렇게 하면 Autopilot 실험을 만들 때 Studio Classic UI가 자동으로 채워집니다. 또는 다음과 AWS CLI 같이를 사용하여 새 Studio Classic 애플리케이션을 시작할 수 있습니다.
    +  **를 사용하여 수명 주기 구성으로 Studio Classic 애플리케이션 시작 AWS CLI**

      ```
      # Create a Jupyter Server application
      aws sagemaker create-app --domain-id domain-id \
      --user-profile-name user-profile-name \
      --region region \
      --app-type JupyterServer \
      --resource-spec LifecycleConfigArn=lifecycle-configuration-arn \
      --app-name default
      ```

       AWS CLI를 사용하여 수명 주기 구성을 생성하는 방법에 대한 자세한 내용은 [AWS CLI에서 수명 주기 구성 생성하기](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-lcc-create-cli.html)를 참조하세요.

------