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

# 모델 그룹 생성
<a name="model-registry-model-group"></a>

모델 그룹에는 모델의 각기 다른 버전이 포함되어 있습니다. 특정 문제를 해결하기 위해 훈련시킨 모든 모델을 추적하는 모델 그룹을 생성할 수 있습니다. AWS SDK for Python (Boto3) 또는 Amazon SageMaker Studio 콘솔을 사용하여 모델 그룹을 생성합니다.

## 모델 그룹 생성(Boto3)
<a name="model-registry-package-group-api"></a>

**중요**  
Amazon SageMaker Studio 또는 Amazon SageMaker Studio Classic에서 Amazon SageMaker 리소스를 만들도록 허용하는 사용자 지정 IAM 정책은 해당 리소스에 태그를 추가할 수 있는 권한도 부여해야 합니다. Studio와 Studio Classic은 만드는 리소스에 태그를 자동으로 지정하기 때문에 리소스에 태그를 추가할 권한이 필요합니다. IAM 정책이 Studio 및 Studio Classic에서 리소스를 만들도록 허용하지만 태그 지정은 허용하지 않는 경우 리소스 만들기를 시도할 때 'AccessDenied' 오류가 발생할 수 있습니다. 자세한 내용은 [SageMaker AI 리소스 태그 지정을 위한 권한 제공](security_iam_id-based-policy-examples.md#grant-tagging-permissions) 섹션을 참조하세요.  
SageMaker 리소스를 만들 수 있는 권한을 부여하는 [AWS Amazon SageMaker AI에 대한 관리형 정책](security-iam-awsmanpol.md)에는 해당 리소스를 만드는 동안 태그를 추가할 수 있는 권한이 이미 포함되어 있습니다.

Boto3를 사용하여 모델 그룹을 만들려면 `create_model_package_group` API 작업을 직접 호출하고 이름과 설명을 파라미터로 지정합니다. 다음 예시에서는 모델 그룹을 생성하는 방법을 보여 줍니다. `create_model_package_group` 호출에 대한 응답은 새 모델 그룹의 Amazon 리소스 이름(ARN)입니다.

먼저 필요한 패키지를 가져와서 SageMaker AI Boto3 클라이언트를 설정합니다.

```
import time
import os
from sagemaker import get_execution_role, session
import boto3

region = boto3.Session().region_name

role = get_execution_role()

sm_client = boto3.client('sagemaker', region_name=region)
```

이제 모델 그룹을 생성합니다.

```
import time
model_package_group_name = "scikit-iris-detector-" + str(round(time.time()))
model_package_group_input_dict = {
 "ModelPackageGroupName" : model_package_group_name,
 "ModelPackageGroupDescription" : "Sample model package group"
}

create_model_package_group_response = sm_client.create_model_package_group(**model_package_group_input_dict)
print('ModelPackageGroup Arn : {}'.format(create_model_package_group_response['ModelPackageGroupArn']))
```

## 모델 그룹 만들기(Studio 또는 Studio Classic)
<a name="model-registry-package-group-studio"></a>

Amazon SageMaker Studio 콘솔에서 모델 그룹을 만들려면 Studio를 사용하는지 아니면 Studio Classic을 사용하는지에 따라 다음 단계를 완료하세요.

------
#### [ Studio ]

1. [Launch Amazon SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html)의 지침에 따라 SageMaker Studio 콘솔을 엽니다.

1. 왼쪽 탐색 창에서 **모델**을 선택합니다.

1. 아직 선택되어 있지 않은 경우 **등록된 모델** 탭을 선택합니다.

1. **등록된 모델** 탭 레이블 바로 아래에서 아직 선택되어 있지 않은 경우 **모델 그룹**을 선택합니다.

1. **등록**을 선택한 다음 **모델 그룹**을 선택합니다.

1. **모델 그룹 등록** 대화 상자에서 다음 정보를 입력합니다.
   + **모델 그룹 이름** 필드에 새 모델 그룹의 이름을 입력합니다.
   + (선택 사항) **설명** 필드에 모델 그룹 설명을 입력합니다.
   + (선택 사항) **태그** 필드에 모델 그룹과 연결할 키-값 쌍을 입력합니다. 태그 사용에 대한 자세한 내용은AWS 일반 참조의 [AWS 리소스 태깅](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html)을 참조하세요.**

1. **모델 그룹 등록**을 선택합니다.

1. (선택 사항) **모델** 페이지에서 **등록된 모델** 탭을 선택한 다음 **모델 그룹**을 선택합니다. 새로 만든 모델 그룹이 모델 그룹 목록에 나타나는지 확인합니다.

------
#### [ Studio Classic ]

1. Amazon SageMaker Studio Classic에 로그인합니다. 자세한 내용은 [Launch Amazon SageMaker Studio Classic](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-launch.html)을 참조하세요.

1. 왼쪽의 탐색 창에서 **홈** 아이콘(![](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/studio/icons/house.png))을 선택합니다.

1. **모델**을 선택한 다음 **모델 레지스트리**를 선택합니다.

1. **작업**을 선택한 후 **모델 그룹 생성**을 선택합니다.

1. **모델 그룹 생성** 대화 상자에서 다음 정보를 입력합니다.
   + **모델 그룹 이름** 필드에 새 모델 그룹의 이름을 입력합니다.
   + (선택 사항) **설명** 필드에 모델 그룹 설명을 입력합니다.
   + (선택 사항) **태그** 필드에 모델 그룹과 연결할 키-값 쌍을 입력합니다. 태그 사용에 대한 자세한 내용은AWS 일반 참조의 [AWS 리소스 태깅](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html)을 참조하세요.**
   + (선택 사항) **프로젝트** 필드에서 모델 그룹을 연결할 프로젝트를 선택합니다. 프로젝트에 대한 자세한 내용은 [SageMaker 프로젝트를 통한 MLOps 자동화](sagemaker-projects.md)섹션을 참조하세요.

1. **모델 그룹 생성**을 선택합니다.

------