교육용 클라우드 컴퓨팅 리소스
이 글에서는 학생, 학술 연구실, 연구 그룹, 학생 운영 단체 등 교육 분야에서 클라우드 컴퓨팅의 잠재력과 GPU 활용 방안을 살펴봅니다. 이 글은 AI로 번역되었습니다. 오역이 의심되는 부분이 있으면 댓글로 알려주세요.
Created on September 12|Last edited on September 12
Comment
당신은 학생, TA/GSI, 교수, 또는 학계에서 머신러닝이나 딥러닝 모델을 다루는 사람인가요?
귀하의 연구실, 연구 그룹, 또는 학생 운영 동아리가 클라우드 컴퓨팅 크레디트나 대규모 GPU 크레디트가 필요하신가요?
연구실이 최고의 연구 성과를 낼 수 있도록, 학계를 위한 클라우드 컴퓨팅 프로그램들을 한곳에 모았습니다. 모두 학계에는 무료로 제공되며, Weights & Biases는 주요 클라우드 제공업체와 완벽히 통합됩니다. 여기에 우리의 실험 추적 생태계를 함께 활용하면 그 어느 때보다 빠르게 머신러닝과 딥러닝을 가속화할 수 있습니다!
Google Cloud for Researchers Google Cloud Platform(GCP)에서
Google Cloud for Researchers 학계 구성원에게 컴퓨팅 시간, GPU 사용 시간, 기타 클라우드 컴퓨팅 리소스를 제공하는 무료 클라우드 컴퓨팅 프로그램입니다.
이 프로그램을 통해 Google은 다양한 학문 분야의 연구자들이 필요한 클라우드 컴퓨팅 자원을 빠르고 간편하게 활용할 수 있도록 강력한 도구 모음을 제공합니다. 분자생물학부터 내일의 로봇을 구동할 강화학습까지, Google Cloud for Researchers 오늘의 학생과 교육자가 내일의 혁신을 이끌 수 있도록 돕습니다.
이 프로그램은 활성화된 Google 계정을 보유한 모든 학계 구성원에게 개방되어 있으며 완전히 무료입니다. 신청을 위해 필요한 것은 연구 프로젝트에 대한 간단한 정보와 본인에 대한 기본 사항을 몇 가지 제공하는 것뿐입니다. Google은 학계 연구자들이 인프라 관리나 비용 같은 시간 소모적인 요소에 발목 잡히지 않고 연구 자체에 집중하며 속도를 낼 수 있도록 이 프로그램을 제공합니다.
- GCP 생태계에서 새로운 기술을 익히기 위해 무료 Google Cloud Skills Boost 강의를 수강하세요
- 최첨단 연구를 수행하는 동료 커뮤니티와 연결하세요
Amazon Cloud Credits for Research 제공처 Amazon Web Services (AWS)
- 일반 클라우드 컴퓨팅 서비스 (AWS)
- GPU 컴퓨트 크레딧
- 학생, 연구실 등에서 일반적으로 접근하기 어려운 특수 하드웨어에 대한 접근: 필드 프로그래머블 게이트 어레이 (FPGA)
학생 대상 상금은 최대 $5,000로 한정되지만, 교수와 직원 대상 상금은 한도가 없습니다. 심사 주기가 90–120일 걸리므로 미리 계획하십시오. Cloud Credits for Research 프로그램에 대한 자주 묻는 질문의 답변은 여기에서 확인할 수 있습니다 여기.
AWS Cloud Credits for Research 프로그램(이전 명칭: AWS Research Grants)은 다음과 같은 연구 활동을 지원합니다: • 클라우드에 호스팅된 공개 과학‑애즈‑어‑서비스 애플리케이션, 소프트웨어, 도구를 구축하여 본인 및 커뮤니티의 향후 연구를 촉진하는 경우 • 연구 워크로드나 오픈 데이터 세트를 클라우드로 이전하는 것의 효과를 평가하기 위한 개념 증명(Proof of Concept) 또는 벤치마크 테스트를 수행하는 경우 • 워크숍이나 튜토리얼을 통해 연구 워크로드에 클라우드를 활용하는 방법을 더 넓은 커뮤니티에 교육하는 경우https://aws.amazon.com/education/F1-instances-for-educators/
여러 학생 운영 동아리처럼 귀하의 조직이 비영리 단체라면, 아마존에서 비영리 단체 지원 프로그램을 제공합니다. 자세한 ���용은 여기에서 확인하세요: https://aws.amazon.com/government-education/nonprofits/
학생, 사회 공헌, 오픈 소스 창작자를 위한 Jarvis Labs 특별 요금
Kaggle을 비롯해 딥러닝 분야의 많은 조직에 컴퓨팅을 제공하는 GPU 공급업체인 Jarvis Labs는 다음 조건에 해당할 경우 특별 요금을 제공합니다. 학생, 사회 공헌 활동 종사자, 또는 오픈 소스 도구를 개발하는 경우.
링크된 웹페이지의 안내를 따라 진행하되, JarvisLabs 웹사이트에서 계정을 반드시 생성하세요. 이전에 저렴한 GPU 컴퓨팅과 스토리지를 신청합니다.
스팟 인스턴스(라고도 하는)를 사용할 수 없다는 점에 유의하세요. 사전 선점형 인스턴스) 특별 요금제에는 포함되지 않습니다. 스팟 인스턴스는 비스팟 인스턴스 대비 비용이 약 50% 수준이므로, 예산을 그에 맞게 책정하세요.
유료 리소스 - 클라우드 비용 비교
연구실 또는 연구 그룹에서 — 이미 클라우드 GPU 크레딧을 구매할 수 있는 예산이 있다면, 주요 제공업체(AWS, GCP, Jarvis Labs, Lambda, Paperspace 등)의 종합 GPU 가격 비교표를 참고하세요. 🥞 Full Stack Deep Learning 🥞 팀에서 제공한 자료입니다:
Weights & Biases: 클라우드와 온프레미스
전용 클라우드 배포
위의 프로그램 중 하나에서 컴퓨트 크레딧을 받으면 주요 클라우드 컴퓨트 플랫폼 어디서든 Weights & Biases를 사용할 수 있습니다. 다음을 확인해 보세요 문서를 확인하여 전용 클라우드 배포 옵션에 대해 자세히 알아보세요!
Terraform 에코시스템을 데이터 스토리지 버킷에 연결하기만 하면, 몇 분 안에 Weights & Biases를 바로 사용할 수 있습니다!
온프렘 배포
프라이빗 클라우드 배포
온프렘 환경에서 인프라를 직접 유지관리할 때 흔히 겪는 어려움을 피하고, 클라우드 기반 배포의 유연성은 활용하고 싶지만, 전용 클라우드만으로는 충족되지 않는 추가 보안 정책이 필요한 경우가 있을 수 있습니다. 이런 분들을 위해 저희는 프라이빗 클라우드 배포 에코시스템을 제공합니다. 자세한 내용은 저희의 다음 페이지에서 확인하실 수 있습니다 프라이빗 클라우드 페이지.
보너스: GitHub 학생 개발자 팩
위에 소개한 클라우드 제공업체에서 컴퓨팅 크레딧을 받았다면, GitHub에서 개발자 도구 모음을 함께 받아 활용해 보세요. https://education.github.com/pack
GitHub에 포함된 소프트웨어 또는 클라우드 크레딧 학생 개발자 팩 포함:
- 데이터베이스: MongoDB, PopSQL, SQLGate
- 배포, 테스트, CI/CD: Heroku, Sentry, DigitalOcean, Travis CI, LambdaTest, Codecov
- 다양한 인터뷰 준비 도구: DataCamp, AlgoExpert.io, InterviewCake
Weights & Biases: Your Automated Logging Companion for Reproducible Research
How W&B helps students, researchers, teachers, and academics of all stripes log research for easy collaboration, sharing, and reproducibility
How Many Discoveries Were Lost Because They Weren't Written Down?
With Reports you can save your ingenious ideas and insights alongside a snapshot of your work and then share them with your team. Or just keep them all for when you need them.
Collaborative Research and Publication-Ready Graphics with W&B
Real-time collaboration and publication-ready graphics with a few mouse clicks or lines of code
DALL-E Mini Explained
Generate images from a text prompt in this interactive report: DALL-E Mini Explained, a reproduction of OpenAI DALL·E
Add a comment