기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Debugger 자습 비디오
다음 동영상은 SageMaker Studio 및 SageMaker AI 노트북 인스턴스를 사용하는 Amazon SageMaker Debugger 기능에 대한 둘러보기를 제공합니다.
**Topics**
+ [Studio Classic에서 Amazon SageMaker Debugger로 모델 디버깅하기](#debugger-video-get-started)
+ [Amazon SageMaker Debugger 및 SageMaker AI Model Monitor에 대한 심층 분석](#debugger-video-dive-deep)
## Studio Classic에서 Amazon SageMaker Debugger로 모델 디버깅하기
*Julien Simon, AWS Technical Evangelist \$1 길이: 14분 17초*
이 자습서 비디오에서는 Amazon SageMaker Debugger를 사용하여 훈련 모델에서 디버깅 정보를 캡처하고 검사하는 방법을 보여 줍니다. 이 비디오에서 사용되는 예제 훈련 모델은 TensorFlow 백엔드가 있는 Keras를 기반으로 하는 단순한 컨볼루션 신경망(CNN)입니다. Debugger 및 TensorFlow 프레임워크의 SageMaker AI를 사용하면 훈련 스크립트를 사용하여 직접 예측기를 구축하고 훈련 작업을 디버깅할 수 있습니다.
[](http://www.youtube.com/watch?v=https://www.youtube.com/embed/MqPdTj0Znwg)
작성자가 제공한 [이 Studio 데모 리포지토리](https://gitlab.com/juliensimon/amazon-studio-demos/-/tree/master)에서 비디오의 노트북 예를 찾을 수 있습니다. `debugger.ipynb` 노트북 파일과 `mnist_keras_tf.py` 훈련 스크립트를 SageMaker Studio 또는 SageMaker Notebook 인스턴스에 복제해야 합니다. 두 파일을 복제한 후 `debugger.ipynb` 노트북 내의 `mnist_keras_tf.py` 파일을 `keras_script_path` 경로로 지정합니다. 예를 들어 동일한 디렉터리에 두 파일을 복제한 경우에는 이를 `keras_script_path = "mnist_keras_tf.py"`로 설정합니다.
## Amazon SageMaker Debugger 및 SageMaker AI Model Monitor에 대한 심층 분석
*Julien Simon, AWS Technical Evangelist \$1 길이: 44분 34초*
이 비디오 세션에서는 모델의 생산성과 품질을 향상시키는 데 도움이 되는 Debugger 및 SageMaker Model Monitor의 고급 기능에 대해 살펴봅니다. 먼저 이 비디오에서는 훈련 문제를 감지 및 수정하고, 텐서를 시각화하고, Debugger를 사용하여 모델을 개선하는 방법을 보여 줍니다. 다음으로 동영상의 22:41에서는 프로덕션 환경에서 모델을 모니터링하고 예측 문제(예: SageMaker AI Model Monitor를 사용할 때 기능 누락 또는 데이터 드리프트)를 식별하는 방법을 보여줍니다. 마지막으로 기계 학습 예산을 최대한 활용하는 데 도움이 되는 비용 최적화 팁을 제공합니다.
[](http://www.youtube.com/watch?v=https://www.youtube.com/embed/0zqoeZxakOI)
작성자가 제공한 [이 AWS Dev Days 2020 리포지토리](https://gitlab.com/juliensimon/awsdevdays2020/-/tree/master/mls1)의 비디오에서 예제 노트북을 찾아볼 수 있습니다.