[Azure AI + ML] Azure Machine Learning Compute Instance 생성 #2

"Azure ML(Azure Machine Learning)" 에서는 다양한 유형의 컴퓨팅 리소스를 제공하여 모델 학습, 실험 및 배포를 지원합니다. 각 리소스는 사용 목적과 환경에 따라 최적화되어 있습니다. 

1. Compute Instance (개발 및 실험용 단일 VM)
데이터 탐색, 모델 실험, 개발 및 테스트를 위한 단일 가상 머신(VM) 환경입니다.
Jupyter Notebook 및 Python 환경을 기본적으로 지원하여, 머신 러닝 개발자가 개별적으로 사용할 수 있는 독립적인 환경을 제공합니다. 주로 소규모 실험과 개발 용도로 적합합니다.

2. Compute Cluster (대규모 연산 및 분산 학습)
여러 개의 VM으로 구성된 클러스터이며, 사용량에 따라 자동으로 확장 및 축소(오토스케일링)할 수 있습니다.
Azure Machine Learning의 분산 학습 기능을 활용하여 대용량 데이터를 처리하고, 여러 노드에서 병렬 연산을 수행하는 데 최적화되어 있습니다.

3. Kubernetes Cluster (컨테이너 기반 모델 배포 및 확장)
Kubernetes(K8s) 기반의 클러스터로, 컨테이너화된 모델을 배포하고 관리하는 데 최적화된 환경입니다.
클라우드 환경에서는 Azure Kubernetes Service(AKS)를 활용하고, 온프레미스 환경에서는 Azure Arc K8S를 연결하여 사용할 수 있습니다.
대규모 분산 시스템을 관리하고, 오토스케일링 및 고가용성(HA, High Availability)을 보장하는 데 적합합니다.
컨테이너화된 머신 러닝 모델을 보다 유연하게 운영하고, 마이크로서비스 아키텍처와 연계하여 확장성을 극대화할 수 있습니다.

4. Attached Compute (기존 Azure 리소스 활용)

기존 Azure 리소스를 Azure ML 환경에 연결하여 사용할 수 있습니다.
Azure VM, Azure Databricks 클러스터, HDInsight 등의 컴퓨팅 리소스를 ML 워크로드에 활용할 수 있습니다.
별도의 신규 환경을 구축하지 않고 기존 인프라를 그대로 사용할 수 있어, 비용 효율적이고 빠르게 연동할 수 있는 장점이 있습니다.

Azure Machine Learning Compute Instance 생성 

1. Azure Portal > Azure Machine Learning > Workspace > Azure ML Studio web URL

 

 

2. 필수 설정 "컴퓨터 이름", "가상 머신 유형", "SKU" 입력 및 선택 

 

 

Next > Azure Machine Learning Datasets 만들기