기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Amazon SageMaker Canvas 사용 시작하기
이 설명서는 SageMaker Canvas 사용을 시작하는 방법에 대해 설명합니다. IT 관리자이며 더 상세한 정보를 원할 경우, 사용자를 위해 SageMaker Canvas를 설정하려면 [Amazon SageMaker Canvas 설정 및 권한 관리(IT 관리자용)](canvas-setting-up.md) 섹션을 참조하세요.
**Topics**
+ [Amazon SageMaker Canvas를 설정하기 위한 사전 조건](#canvas-prerequisites)
+ [1단계: SageMaker Canvas에 로그인](#canvas-getting-started-step1)
+ [2단계: SageMaker Canvas를 사용하여 예측 가져오기](#canvas-getting-started-step2)
## Amazon SageMaker Canvas를 설정하기 위한 사전 조건
SageMaker Canvas 애플리케이션을 설정하려면 다음 설정 방법 중 하나를 사용하여 온보딩하세요.
1. ** AWS 콘솔을 사용하여 온보딩합니다.** AWS 콘솔을 통해 온보딩하려면 먼저 Amazon SageMaker AI 도메인을 생성합니다. SageMaker AI 도메인은 Canvas 및 [SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio.html)와 같은 다양한 기계 학습(ML) 환경을 지원합니다. 도메인에 대한 자세한 내용은 [Amazon SageMaker AI 도메인 개요](gs-studio-onboard.md) 섹션을 참조하세요.
1. (빠름) [Amazon SageMaker AI에 빠른 설정 사용](onboard-quick-start.md) - 도메인을 빠르게 설정하려면 이 옵션을 선택합니다. 이렇게 하면 사용자에게 모든 기본 Canvas 권한과 기본 기능이 부여됩니다. [문서 쿼리](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-fm-chat.html#canvas-fm-chat-query)와 같은 추가 기능은 나중에 관리자가 활성화할 수 있습니다. 더 세분화된 권한을 구성하려면 고급 옵션을 선택하는 것이 좋습니다.
1. (표준) [Amazon SageMaker AI에 사용자 지정 설정 사용](onboard-custom.md) - 도메인의 고급 설정을 완료하려면 이 옵션을 선택합니다. 데이터 준비 기능, 생성형 AI 기능 및 모델 배포에 대한 액세스와 같은 사용자 권한에 대한 세분화된 제어를 유지 관리합니다.
1. 를 **사용하여 온보딩 CloudFormation.**는 리소스 및 구성의 프로비저닝을 [CloudFormation](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/Welcome.html) 자동화하므로 하나 이상의 사용자 프로필에 동시에 Canvas를 설정할 수 있습니다. 온보딩 프로세스를 대규모로 자동화하고 애플리케이션이 매번 동일한 방식으로 구성되도록 하려면 이 옵션을 사용합니다. 다음 [CloudFormation 템플릿](https://github.com/aws-samples/cloudformation-studio-domain)은 Canvas에 온보딩하는 간소화된 방법을 제공하여 필요한 모든 구성 요소가 올바르게 설정되도록 하고 사용자가 기계 학습 모델을 빌드하고 배포하는 데 집중할 수 있도록 합니다.
다음 섹션에서는 AWS 콘솔을 사용하여 도메인을 생성하여 Canvas에 온보딩하는 방법을 설명합니다.
**중요**
Amazon SageMaker Canvas를 설정하려면 Amazon SageMaker Studio 버전이 3.19.0 이상이어야 합니다. Amazon SageMaker Studio 업데이트에 대한 자세한 내용은 [Amazon SageMaker Studio Classic 종료 및 업데이트](studio-tasks-update-studio.md)을 참조하세요.
### AWS 콘솔을 사용하여 온보딩
빠른 도메인 설정을 수행하는 경우 [Amazon SageMaker AI에 빠른 설정 사용](onboard-quick-start.md)의 지침을 따르고 이 섹션의 나머지 부분을 건너뛰고 [1단계: SageMaker Canvas에 로그인](#canvas-getting-started-step1) 섹션으로 이동할 수 있습니다.
표준 도메인 설정을 수행하는 경우 사용자에게 액세스 권한을 부여하려는 Canvas 기능을 지정할 수 있습니다. 이 섹션의 나머지 부분을 사용하여 표준 도메인 설정을 완료하면 Canvas에만 해당하는 권한을 구성하는 데 도움이 됩니다.
[Amazon SageMaker AI에 사용자 지정 설정 사용](onboard-custom.md) 설정 지침의 **2단계: 사용자 및 ML 활동**에서 부여하려는 Canvas 권한을 선택해야 합니다. **ML 활동** 섹션에서 다음 권한 정책을 선택하여 Canvas 기능에 대한 액세스 권한을 부여할 수 있습니다. 도메인을 설정할 때 최대 총 8개의 **ML 활동**만 선택할 수 있습니다. Canvas를 사용하려면 다음 목록의 처음 두 가지 권한이 필요하고, 나머지는 추가 기능을 위한 것입니다.
+ **Studio 애플리케이션 실행** - 이러한 권한은 Canvas 애플리케이션을 시작하는 데 필요합니다.
+ **[Canvas 코어 액세스](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerCanvasFullAccess.html)** - 이러한 권한을 통해 Canvas 애플리케이션과 데이터세트 만들기, 기본 데이터 변환 사용, 모델 빌드 및 분석과 같은 Canvas의 기본 기능에 액세스할 수 있습니다.
+ (선택 사항) **[Canvas 데이터 준비(Data Wrangler 제공)](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerCanvasDataPrepFullAccess.html)** - 이러한 권한을 통해 Canvas에서 데이터 흐름을 만들고 고급 변환을 사용하여 데이터를 준비할 수 있습니다. 이러한 권한은 데이터 처리 작업 및 데이터 준비 작업 일정을 만드는 데도 필요합니다.
+ (선택 사항) **[Canvas AI 서비스](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerCanvasAIServicesAccess.html)** - 이러한 권한을 통해 Canvas의 즉시 사용 가능 모델, 파운데이션 모델 및 Chat with Data 기능에 액세스할 수 있습니다.
+ (선택 사항) **Kendra 액세스** - 이 권한을 통해 Canvas의 파운데이션 모델을 사용하여 Amazon Kendra 인덱스에 저장된 문서를 쿼리할 수 있는 [문서 쿼리](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-fm-chat.html#canvas-fm-chat-query) 기능에 액세스할 수 있습니다.
이 옵션을 선택하는 경우 **Canvas Kendra 액세스** 섹션에서 액세스 권한을 부여할 Amazon Kendra 인덱스의 ID를 입력합니다.
+ (선택 사항) **[Canvas MLOps](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerCanvasDirectDeployAccess.html)** - 이 권한을 통해 Canvas의 [모델 배포](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-deploy-model.html) 기능에 액세스할 수 있으며, 여기에서 프로덕션에 사용할 모델을 배포할 수 있습니다.
도메인 설정의 **3단계: 애플리케이션** 섹션에서 **Canvas 구성**을 선택한 후, 다음을 수행합니다.
1. **Canvas 스토리지 구성**의 경우 Canvas에서 모델 아티팩트, 배치 예측, 데이터세트, 로그와 같은 애플리케이션 데이터를 저장할 위치를 지정합니다. SageMaker AI는 이 버킷 내에 데이터를 저장할 `Canvas/` 폴더를 만듭니다. 자세한 내용은 [Amazon S3 스토리지 구성](canvas-storage-configuration.md) 단원을 참조하십시오. 이 섹션에서는 다음 작업을 수행합니다.
1. `s3://sagemaker-{Region}-{your-account-id}` 패턴을 따르는 SageMaker AI가 만든 기본 버킷으로 위치를 설정하려면 **시스템 관리형**을 선택합니다.
1. **사용자 지정 S3**을 선택하여 자체 Amazon S3 버킷을 스토리지 위치로 지정합니다. 그런 다음 Amazon S3 URI를 입력합니다.
1. (선택 사항) **암호화 키**의 경우 지정된 위치에 저장된 Canvas 아티팩트를 암호화하기 위한 KMS 키를 지정합니다.
1. (선택 사항) **Amazon Q Developer**에서 다음을 수행합니다.
1. **자연어 ML에 대해 SageMaker Canvas에서 Amazon Q Developer 활성화**를 켜서 Canvas의 ML 워크플로 중에 생성형 AI 지원을 활용할 수 있는 권한을 사용자에게 부여합니다. 이 옵션은 Canvas 애플리케이션에서 완료할 수 있는 미리 결정된 작업을 돕기 위해 Amazon Q Developer를 쿼리할 수 있는 권한만 부여합니다.
1. 사용자에게 AWS 서비스와 관련된 생성형 AI 쿼리를 생성할 수 있는 권한을 부여하는 **일반적인 AWS 질문은 Amazon Q Developer 채팅 활성화**를 켭니다.
1. (선택 사항) 사용자가 Canvas에서 5GB보다 큰 데이터세트를 처리하려는 경우 **대규모 데이터** 처리 섹션을 구성합니다. 이 옵션을 구성하는 방법에 대한 자세한 내용은 [ML 수명 주기 전체에서 대규모 데이터를 사용할 수 있는 권한을 사용자에게 부여](canvas-large-data-permissions.md) 섹션을 참조하세요.
1. (선택 사항) **ML Ops 권한 구성** 섹션에서 다음을 수행합니다.
1. 사용자에게 Canvas에서 SageMaker AI 엔드포인트로 모델을 배포할 수 있는 권한을 부여하려면 **Canvas 모델 직접 배포 활성화** 옵션을 켜진 상태로 둡니다. Canvas에서의 모델 배포에 대한 자세한 정보는 [엔드포인트에 모델 배포](canvas-deploy-model.md)을 참조하세요.
1. 사용자에게 SageMaker AI 모델 레지스트리에 모델 버전을 등록할 수 있는 권한을 부여하려면 **모든 사용자에 대해 모델 레지스트리 등록 권한 활성화** 옵션을 켜진 상태로 둡니다(기본적으로 켜져 있음). 자세한 내용은 [SageMaker AI 모델 레지스트리에 모델 버전 등록](canvas-register-model.md) 단원을 참조하십시오.
1. **모든 사용자에 대해 모델 레지스트리 등록 활성화** 옵션을 켠 상태로 두었다면 **모델 레지스트리에만 등록** 또는 **모델 레지스트리에서 모델 등록 및 승인**을 선택합니다.
1. (선택 사항) **로컬 파일 업로드 구성** 섹션에서 **로컬 파일 업로드 활성화** 옵션을 켜서 사용자에게 로컬 머신에서 Canvas에 파일을 업로드할 수 있는 권한을 부여합니다. 이 옵션을 켜면 **Canvas 스토리지 구성**에 지정된 Amazon S3 버킷에 Cross-Origin Resource Sharing(CORS) 정책이 연결됩니다(기존 CORS 정책이 재정의됨). 로컬 파일 업로드 권한에 대한 자세한 내용은 [사용자에게 로컬 파일 업로드 권한 부여](canvas-set-up-local-upload.md) 섹션을 참조하세요.
1. (선택 사항) **OAuth 설정** 섹션에서 다음을 수행합니다.
1. **OAuth 구성 추가**를 선택합니다.
1. **데이터 소스**에서 데이터 소스를 선택합니다.
1. **보안 암호 설정**에서 **새 보안 암호 만들기**를 선택하고 ID 제공업체에서 제공한 정보를 입력합니다. 데이터 소스로 초기 OAuth 설정을 아직 수행하지 않은 경우 [OAuth를 사용하여 데이터 원본에 대한 연결 설정](canvas-setting-up-oauth.md) 섹션을 참조하세요.
1. (선택 사항) **Canvas 즉시 사용 가능 모델 구성**의 경우 다음을 수행하세요.
1. 사용자에게 Canvas 즉시 사용 가능 모델을 사용하여 예측을 생성할 수 있는 권한을 부여하려면 **Canvas 즉시 사용 가능 모델 활성화** 옵션을 켜진 상태로 둡니다(기본적으로 켜져 있음). 또한 이 옵션을 사용하면 생성형 AI 기반 모델과 채팅할 수 있는 권한도 부여됩니다. 자세한 내용은 [SageMaker Canvas의 생성형 AI 파운데이션 모델](canvas-fm-chat.md) 섹션을 참조하세요.
1. Amazon Kendra 인덱스에 저장된 문서를 쿼리하기 위해 파운데이션 모델을 사용할 수 있는 권한을 사용자에게 부여하려면 **Amazon Kendra를 사용하여 문서 쿼리 활성화** 옵션을 켜진 상태로 둡니다. 그런 다음 드롭다운 메뉴에서 액세스 권한을 부여할 기존 인덱스를 입력합니다. 자세한 내용은 [SageMaker Canvas의 생성형 AI 파운데이션 모델](canvas-fm-chat.md) 섹션을 참조하세요.
1. **Amazon Bedrock 역할**에서 **새 실행 역할 만들기 및 사용**을 선택하여 Amazon Bedrock과 신뢰 관계가 있는 새 IAM 실행 역할을 만듭니다. 이 IAM 역할은 Amazon Bedrock이 Canvas에서 대규모 언어 모델(LLM)을 미세 조정하기 위해 수임합니다. 신뢰 관계가 있는 실행 역할이 이미 있는 경우 **기존 실행 역할 사용**을 선택하고 드롭다운에서 역할을 선택합니다. 자체 실행 역할에 대한 권한을 수동으로 구성하는 방법에 대한 자세한 내용은 [Canvas에서 Amazon Bedrock 및 생성형 AI 기능을 사용할 수 있는 권한을 사용자에게 부여](canvas-fine-tuning-permissions.md) 섹션을 참조하세요.
1. [Amazon SageMaker AI에 사용자 지정 설정 사용](onboard-custom.md) 절차를 사용하여 나머지 도메인 설정 구성을 완료합니다.
**참고**
즉시 사용 가능 모델에 대한 권한과 같이 콘솔을 통해 권한을 부여하는 데 문제가 발생하는 경우 [SageMaker AI 콘솔을 통한 권한 부여 관련 문제 해결](canvas-limits.md#canvas-troubleshoot-trusted-services)항목을 참조하세요.
이제 SageMaker AI 도메인이 설정되고 모든 Canvas 권한이 구성되었을 것입니다.
초기 도메인 설정 후 도메인 또는 특정 사용자에 대한 Canvas 권한을 편집할 수 있습니다. 개별 사용자 설정은 도메인 설정을 재정의합니다. 도메인 설정에서 Canvas 권한을 편집하는 방법을 알아보려면 [도메인 설정 편집](domain-edit.md) 섹션을 참조하세요.
### Canvas의 특정 기능을 사용할 수 있는 권한을 자신에게 부여
다음 정보는 Canvas 내에서 다양한 기능을 사용할 수 있도록 Canvas 사용자에게 부여할 수 있는 다양한 권한을 간략하게 설명합니다. 이러한 권한 중 일부는 도메인 설정 중에 부여될 수 있지만, 일부는 추가 권한 또는 구성이 필요합니다. 활성화하려는 각 기능에 대한 특정 권한 정보를 참조하세요.
+ **로컬 파일 업로드.** 로컬 파일 업로드에 대한 권한은 도메인을 설정할 때 Canvas 기본 권한에서 기본적으로 켜져 있습니다. 시스템에서 SageMaker Canvas로 로컬 파일을 업로드할 수 없는 경우 Canvas 스토리지 구성에서 지정한 Amazon S3 버킷에 CORS 정책을 연결할 수 있습니다. SageMaker AI가 기본 버킷을 사용하도록 허용한 경우 버킷은 `s3://sagemaker-{Region}-{your-account-id}` 이름 지정 패턴을 따릅니다. 자세한 내용은 [사용자에게 로컬 파일 업로드 권한 부여](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-set-up-local-upload.html)를 참조하세요.
+ **사용자 지정 이미지 및 텍스트 예측 모델.** 사용자 지정 이미지 및 텍스트 예측 모델을 빌드할 수 있는 권한은 도메인을 설정할 때 Canvas 기본 권한에서 기본적으로 활성화됩니다. 하지만 사용자 지정 IAM 구성이 있고 [AmazonSageMakerCanvasFullAccess](https://docs.aws.amazon.com/sagemaker/latest/dg/security-iam-awsmanpol-canvas.html#security-iam-awsmanpol-AmazonSageMakerCanvasFullAccess) 정책을 사용자의 IAM 실행 역할에 연결하지 않으려면 사용자에게 필요한 권한을 명시적으로 부여해야 합니다. 자세한 내용은 [사용자에게 사용자 지정 이미지 및 텍스트 예측 모델을 구축할 수 있는 권한 부여](canvas-set-up-cv-nlp.md) 섹션을 참조하세요.
+ **즉시 사용 가능 모델 및 파운데이션 모델.** Canvas 즉시 사용 가능 모델을 사용하여 데이터를 예측할 수 있는 기능을 사용하고 싶을 수 있습니다. 즉시 사용 가능 모델 권한으로 생성형 AI 기반 모델과 채팅도 할 수 있습니다. 도메인을 설정할 때 기본적으로 사용 권한이 설정되어 있거나 이미 만든 도메인의 사용 권한을 편집할 수 있습니다. Canvas 즉시 사용 가능 모델 권한 옵션은 [AmazonSageMakerCanvasAIServicesAccess](https://docs.aws.amazon.com/sagemaker/latest/dg/security-iam-awsmanpol-canvas.html#security-iam-awsmanpol-AmazonSageMakerCanvasAIServicesAccess) 정책을 실행 역할에 추가합니다. 자세한 내용은 바로 사용할 수 있는 모델 설명서의 [시작하기](canvas-ready-to-use-models.md#canvas-ready-to-use-get-started)섹션을 참조하세요.
생성형 AI 파운데이션 모델 시작하기에 대한 자세한 내용은 [SageMaker Canvas의 생성형 AI 파운데이션 모델](canvas-fm-chat.md)을 참조하세요.
+ **파운데이션 모델 미세 조정** Canvas에서 파운데이션 모델을 미세 조정하려면 도메인을 설정할 때 권한을 추가하거나 도메인을 만든 후 도메인 또는 사용자 프로필에 대한 권한을 편집할 수 있습니다. 사용자 프로필을 설정할 때 선택한 AWS IAM 역할에 [AmazonSageMakerCanvasAIServicesAccess](https://docs.aws.amazon.com/sagemaker/latest/dg/security-iam-awsmanpol-canvas.html#security-iam-awsmanpol-AmazonSageMakerCanvasAIServicesAccess) 정책을 추가하고 Amazon Bedrock과의 신뢰 관계를 역할에 추가해야 합니다. IAM 역할에 이러한 권한을 추가하는 방법에 대한 지침은 [Canvas에서 Amazon Bedrock 및 생성형 AI 기능을 사용할 수 있는 권한을 사용자에게 부여](canvas-fine-tuning-permissions.md) 섹션을 참조하세요.
+ **배치 예측을 Quick로 전송합니다.** 사용자 지정 모델에서 생성한 [*배치 예측* 또는 예측 데이터 세트를 Quick for analysis로 전송할](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-send-predictions.html) 수 있습니다. [QuickSight](https://docs.aws.amazon.com/quicksight/latest/user/welcome.html)에서는 예측 결과를 사용하여 예측 대시보드를 구축하고 게시할 수 있습니다. Canvas 사용자의 IAM 역할에 이러한 권한을 추가하는 방법에 대한 지침은 [사용자에게 예측을 빠르게 전송할 수 있는 권한 부여를 참조하세요](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-quicksight-permissions.html).
+ **Canvas 모델을 SageMaker AI 엔드포인트에 배포.** SageMaker AI 호스팅은 프로덕션에서 사용할 모델을 배포하는 데 사용할 수 있는 *엔드포인트*를 제공합니다. Canvas에서 구축된 모델을 SageMaker AI 엔드포인트에 배포한 다음 프로덕션 환경에서 프로그래밍 방식으로 예측할 수 있습니다. 자세한 내용은 [엔드포인트에 모델 배포](canvas-deploy-model.md) 단원을 참조하십시오.
+ **모델 버전을 모델 레지스트리에 등록.** 모델의 업데이트된 *버전* 상태를 추적하기 위한 리포지토리인 [SageMaker AI 모델 레지스트리](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry.html)에 모델 버전을 등록할 수 있습니다. SageMaker 모델 레지스트리에서 작업하는 데이터 과학자 또는 MLOps 팀은 사용자가 구축한 모델 버전을 보고 이를 승인하거나 거부할 수 있습니다. 그런 다음 모델 버전을 프로덕션에 배포하거나 자동화된 워크플로를 시작할 수 있습니다. 도메인에 대한 모델 등록 권한은 기본적으로 켜져 있습니다. 사용자 프로필 수준에서 권한을 관리하고 특정 사용자에게 권한을 부여하거나 제거할 수 있습니다. 자세한 내용은 [SageMaker AI 모델 레지스트리에 모델 버전 등록](canvas-register-model.md) 단원을 참조하십시오.
+ **Amazon Redshift에서 데이터 가져오기.** Amazon Redshift에서 데이터를 가져오려면 자신에게 추가 권한을 부여해야 합니다. 사용자 프로필을 설정할 때 선택한 AWS IAM 역할에 `AmazonRedshiftFullAccess` 관리형 정책을 추가해야 합니다. 역할에 정책을 추가하는 방법에 대한 지침은 [사용자에게 Amazon Redshift 데이터를 가져올 수 있는 권한 부여](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-redshift-permissions.html)를 참조하세요.
**참고**
Amazon Athena 및 SaaS 플랫폼과 같은 다른 데이터 소스를 통해 데이터를 가져오는 데 필요한 권한은 [AmazonSageMakerFullAccess](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerFullAccess.html) 및 [AmazonSageMakerCanvasFullAccess](https://docs.aws.amazon.com/sagemaker/latest/dg/security-iam-awsmanpol-canvas.html#security-iam-awsmanpol-AmazonSageMakerCanvasFullAccess) 정책에 포함되어 있습니다. 표준 설정 지침을 따랐다면 이러한 정책이 실행 역할에 이미 연결되어 있을 것입니다. 이러한 데이터 소스 및 권한에 대한 자세한 내용은 [데이터 원본에 연결](canvas-connecting-external.md)을 참조하세요.
## 1단계: SageMaker Canvas에 로그인
초기 설정이 완료되면 사용 사례에 따라 다음 방법 중 하나로 SageMaker Canvas에 액세스할 수 있습니다.
+ [SageMaker AI 콘솔](https://console.aws.amazon.com/sagemaker/)의 왼쪽 탐색 창에서 **Canvas**를 선택합니다. 그런 다음 **Canvas** 페이지의 드롭다운에서 사용자를 선택하고 Canvas 애플리케이션을 시작합니다.
+ [SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio.html)를 열고 Studio 인터페이스에서 Canvas 페이지로 이동하여 Canvas 애플리케이션을 시작합니다.
+ Okta 또는 IAM Identity Center와 같은 조직의 SAML 2.0 기반 SSO 방법을 사용합니다.
SageMaker Canvas에 처음 로그인하면 SageMaker AI가 애플리케이션과 SageMaker AI *스페이스*를 만듭니다. Canvas 애플리케이션의 데이터는 이 공간에 저장됩니다. 공간에 대한 자세한 내용은 [공유 스페이스와의 협업](domain-space.md) 섹션을 참조하세요. 이 공간은 사용자 프로필의 애플리케이션과 모든 애플리케이션 데이터에 대한 공유 디렉터리로 구성됩니다. SageMaker AI에서 만든 기본 스페이스를 사용하지 않고 애플리케이션 데이터를 저장하기 위한 자체 스페이스를 만들려는 경우 [SageMaker Canvas 애플리케이션 데이터를 자체 SageMaker AI 스페이스에 저장](canvas-spaces-setup.md) 페이지를 참조하세요.
## 2단계: SageMaker Canvas를 사용하여 예측 가져오기
Canvas에 로그인한 후 모델 구축을 시작하고 데이터에 대한 예측을 생성할 수 있습니다.
Canvas 즉시 사용 가능 모델을 사용하여 모델을 구축하지 않고도 예측을 수행하거나 특정 비즈니스 문제에 맞는 사용자 지정 모델을 구축할 수 있습니다. 다음 정보를 검토하여 사용 사례에 바로 사용할 수 있는 모델 또는 사용자 지정 모델 중 어떤 것이 가장 적합한지 결정하세요.
+ **즉시 사용 가능 모델.** 즉시 사용 가능 모델을 사용하면 사전 구축된 모델을 사용하여 데이터에서 통찰력을 추출할 수 있습니다. 즉시 사용 가능 모델은 언어 감지 및 문서 분석과 같은 다양한 사용 사례를 다룹니다. 즉시 사용 가능 모델로 예측을 시작하려면 [즉시 사용 가능 모델](canvas-ready-to-use-models.md)을 참조하세요.
+ **사용자 지정 모델.** 사용자 지정 모델을 사용하면 데이터를 예측하도록 사용자 지정된 다양한 모델 유형을 구축할 수 있습니다. 비즈니스에 특화된 데이터를 기반으로 훈련된 모델을 구축하고 [모델 성능 평가](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-evaluate-model.html)와 같은 기능을 사용하려는 경우 사용자 지정 모델을 사용하세요. 사용자 지정 모델 구축을 시작하려면 [사용자 지정 모델](canvas-custom-models.md)을 참조하세요.