기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# AI 모델 사용자 지정 작업 제출
SageMaker AI 모델 사용자 지정 기능은 왼쪽 패널의 Amazon SageMaker Studio 모델 페이지에서 액세스할 수 있습니다. 모델 사용자 지정 데이터세트 및 평가자를 생성하고 관리할 수 있는 자산 페이지를 찾을 수도 있습니다.
모델 사용자 지정 작업 제출을 시작하려면 모델 옵션을 선택하여 Jumpstart 기본 모델 탭에 액세스합니다.
모델 카드에서 모델 사용자 지정을 직접 클릭하거나 Meta에서 원하는 모델을 검색할 수 있습니다.
모델 카드를 클릭하면 모델 세부 정보 페이지에 액세스하고 모델 사용자 지정을 클릭한 다음 UI로 사용자 지정을 선택하여 RLVR 작업 구성을 시작할 수 있습니다.
그런 다음 사용자 지정 모델 이름을 입력하고 사용할 모델 사용자 지정 기술을 선택하고 작업 하이퍼파라미터를 구성할 수 있습니다.
## SDK를 사용한 AI 모델 사용자 지정 작업 제출
SageMaker AI Python SDK를 사용하여 모델 사용자 지정 작업을 제출할 수도 있습니다.
```
# Submit a DPO model customization job
from sagemaker.modules.train.dpo_trainer import DPOTrainer
from sagemaker.modules.train.common import TrainingType
trainer = DPOTrainer(
model=BASE_MODEL,
training_type=TrainingType.LORA,
model_package_group_name=MODEL_PACKAGE_GROUP_NAME,
training_dataset=TRAINING_DATASET,
s3_output_path=S3_OUTPUT_PATH,
sagemaker_session=sagemaker_session,
role=ROLE_ARN
)
```
## 사용자 지정 작업 모니터링
작업을 제출한 직후 모델 사용자 지정 훈련 작업 페이지로 리디렉션됩니다.
작업이 완료되면 오른쪽 상단의 사용자 지정 모델로 이동 버튼을 클릭하여 **사용자 지정 모델** 세부 정보 페이지로 이동할 수 있습니다.
사용자 지정 모델 세부 정보 페이지에서 다음을 통해 사용자 지정 모델을 추가로 사용할 수 있습니다.
1. 성능, 생성된 아티팩트 위치, 훈련 구성 하이퍼파라미터 및 훈련 로그에 대한 정보 확인.
1. 다른 데이터 세트로 평가 작업을 시작합니다(지속적인 사용자 지정).
1. SageMaker AI 추론 엔드포인트 또는 Amazon Bedrock Custom Model Import를 사용하여 모델을 배포합니다.
