기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # 수명 주기 구성을 사용하여 Amazon SageMaker Studio Classic 사용자 지정 **중요** 2023년 11월 30일부로 이전 Amazon SageMaker Studio 경험의 이름이 Amazon SageMaker Studio Classic으로 변경되었습니다. 다음 섹션은 Studio Classic 애플리케이션 사용에 관해 다룹니다. 업데이트된 Studio 환경 사용에 대한 자세한 내용은 [Amazon SageMaker Studio](studio-updated.md) 섹션을 참조하세요. Studio Classic은 기존 워크로드에 대해 여전히 유지 관리되지만 더 이상 온보딩에 사용할 수 없습니다. 기존 Studio Classic 애플리케이션만 중지하거나 삭제할 수 있으며 새 애플리케이션을 생성할 수는 없습니다. [워크로드를 새 Studio 환경으로 마이그레이션하는](studio-updated-migrate.md) 것이 좋습니다. Amazon SageMaker Studio Classic은 새 Studio Classic 노트북 시작과 같은 중요한 수명 주기 이벤트 중에 수명 주기 구성 쉘 스크립트를 트리거합니다. 수명 주기 구성을 사용하여 Studio Classic 환경의 사용자 지정을 자동화할 수 있습니다. 사용자 지정에는 사용자 지정 패키지 설치, 노트북 확장 구성, 데이터세트 사전 로드, 소스 코드 리포지토리 설정이 포함됩니다. 수명 주기 구성을 사용하면 특정 요구를 충족하도록 Studio Classic을 구성할 수 있는 유연성과 제어권이 주어집니다. 예를 들어 수명 주기 구성 스크립트와 함께 사용자 지정 컨테이너 이미지를 사용하여 환경을 수정할 수 있습니다. 먼저 최소 기본 컨테이너 이미지 세트를 만든 다음 해당 이미지에 가장 일반적으로 사용되는 패키지와 라이브러리를 설치합니다. 이미지를 완료한 후 수명 주기 구성을 사용하여 특정 사용 사례에 대한 추가 패키지를 설치합니다. 이를 통해 필요에 따라 데이터 과학 및 기계 학습 팀 전체에서 환경을 유연하게 수정할 수 있습니다. 사용자는 액세스 권한이 부여된 수명 주기 구성 스크립트만 선택할 수 있습니다. 여러 수명 주기 구성 스크립트에 대한 액세스 권한을 부여할 수 있지만 리소스에 대한 기본 수명 주기 구성 스크립트를 설정할 수도 있습니다. 기본 수명 주기 구성이 설정된 리소스에 따라 기본값이 자동으로 실행되거나 첫 번째 옵션으로 표시됩니다. 수명 주기 구성 스크립트의 예는 [Studio Classic Lifecycle Configuration examples GitHub 리포지토리](https://github.com/aws-samples/sagemaker-studio-lifecycle-config-examples)를 참조하세요. 수명 주기 구성 구현에 대한 블로그는 [Customize Amazon SageMaker Studio Classic using Lifecycle Configurations](https://aws.amazon.com/blogs/machine-learning/customize-amazon-sagemaker-studio-using-lifecycle-configurations/)을 참조하세요. **참고** 각 스크립트의 최대 글자 수는 **16,384자**입니다. **Topics** + [수명 주기 구성 생성 및 Amazon SageMaker Studio Classic과 연결](studio-lcc-create.md) + [Amazon SageMaker Studio Classic의 기본 수명 주기 구성 설정](studio-lcc-defaults.md) + [Amazon SageMaker Studio Classic의 수명 주기 구성 디버깅](studio-lcc-debug.md) + [Amazon SageMaker Studio Classic에서 수명 주기 구성 업데이트 및 분리](studio-lcc-delete.md)