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

# Pipelines 개요
<a name="pipelines-overview"></a>

Amazon SageMaker AI 파이프라인은 방향성 비순환 그래프(DAG)의 상호 연결된 일련의 단계로, 이 단계는 드래그 앤 드롭 UI 또는 [Pipelines SDK](https://sagemaker.readthedocs.io/en/stable/workflows/pipelines/sagemaker.workflow.pipelines.html)를 사용하여 정의됩니다. [파이프라인 정의 JSON 스키마](https://aws-sagemaker-mlops.github.io/sagemaker-model-building-pipeline-definition-JSON-schema/)를 사용하여 파이프라인을 구축할 수도 있습니다. 이 DAG JSON 정의는 파이프라인의 각 단계에 대한 요구 사항 및 각 단계 간의 관계에 대한 정보를 제공합니다. 파이프라인 DAG의 구조는 단계 간 데이터 종속성에 따라 결정됩니다. 이러한 데이터 종속성은 단계 출력의 속성이 다른 단계의 입력으로 전달될 때 생성됩니다. 다음 이미지에서는 파이프라인 DAG의 예제를 확인할 수 있습니다.

![예시 파이프라인 방향성 비순환 그래프(DAG)](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/pipeline-full.png)


**이 예시 DAG에는 다음 단계가 포함됩니다.**

1. [처리](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-processing) 단계의 인스턴스인 `AbaloneProcess`는 훈련에 사용되는 데이터에 대해 사전 처리 스크립트를 실행합니다. 예를 들어 스크립트는 누락된 값을 채우거나, 숫자 데이터를 정규화하거나, 데이터를 훈련, 검증 및 테스트 데이터세트로 분할할 수 있습니다.

1. [훈련](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-training) 단계의 인스턴스인 `AbaloneTrain`은 하이퍼파라미터를 구성하고 사전 처리된 입력 데이터에서 모델을 훈련합니다.

1. [처리](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-processing) 단계의 또 다른 인스턴스인 `AbaloneEval`은 모델의 정확도를 평가합니다. 이 단계에서는 데이터 종속성의 예를 보여줍니다. 이 단계에서는 `AbaloneProcess`의 테스트 데이터세트 출력을 사용합니다.

1. `AbaloneMSECond`는 [조건](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-condition) 단계의 인스턴스로, 이 예시에서는 모델 평가의 평균 제곱오차 결과가 특정 한도 미만인지 확인합니다. 모델이 기준을 충족하지 않으면 파이프라인 실행이 중지됩니다.

1. 파이프라인 실행은 다음 단계로 진행됩니다.

   1. `AbaloneRegisterModel`. 여기서 SageMaker AI는 [RegisterModel](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-register-model) 단계를 직접적으로 호출하여 모델을 Amazon SageMaker Model Registry에 버전 모델 패키지 그룹으로 등록합니다.

   1. `AbaloneCreateModel`. 여기서 SageMaker AI는 [CreateModel](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-create-model) 단계를 직접적으로 호출하여 배치 변환을 준비하기 위해 모델을 생성합니다. `AbaloneTransform`에서 SageMaker AI는 [변환](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-transform) 단계를 직접적으로 호출하여 사용자가 지정한 데이터세트에 대한 모델 예측을 생성합니다.

다음 주제는 Pipelines의 기본 개념을 설명합니다. 이러한 개념의 구현을 설명하는 자습서는 [Pipelines 작업](pipelines-build.md)섹션을 참조하세요.

**Topics**
+ [파이프라인 구조 및 실행](build-and-manage-pipeline.md)
+ [IAM 액세스 관리](build-and-manage-access.md)
+ [Pipelines에 대한 교차 계정 지원 설정](build-and-manage-xaccount.md)
+ [파이프라인 파라미터](build-and-manage-parameters.md)
+ [Pipelines 단계](build-and-manage-steps.md)
+ [@step 데코레이터를 사용한 Python 코드 리프트 앤 시프트](pipelines-step-decorator.md)
+ [단계 간 데이터 전달](build-and-manage-propertyfile.md)
+ [파이프라인 캐싱 단계](pipelines-caching.md)
+ [파이프라인 단계에 대한 재시도 정책](pipelines-retry-policy.md)
+ [파이프라인 단계의 선택적 실행](pipelines-selective-ex.md)
+ [Amazon SageMaker Pipelines의 명확화 검사 및 품질 검사 단계를 사용한 기준 계산, 드리프트 감지 및 수명 주기](pipelines-quality-clarify-baseline-lifecycle.md)
+ [파이프라인 실행 예약](pipeline-eventbridge.md)
+ [Amazon SageMaker Experiments 통합](pipelines-experiments.md)
+ [로컬 모드를 사용하여 파이프라인 실행](pipelines-local-mode.md)
+ [Amazon SageMaker Pipelines 문제 해결](pipelines-troubleshooting.md)