Skip to main content

Weights & Biases의 새로운 소식

우리가 만들어 온 것의 한눈 소개 이 글은 AI로 번역되었습니다. 오역이 의심되는 부분은 댓글로 알려주세요.
Created on September 15|Last edited on September 15

배포 유연성을 갖춘 보안

Weights & Biases는 모든 기술 스택이 제각각이라는 점을 잘 알기에, 주요 클라우드 제공업체와 ML 프레임워크 전반에 걸친 통합을 갖춘 확장 가능한 플랫폼을 구축해 왔습니다. 그래서 새로운 관리형 배포 옵션인 W&B Dedicated Cloud를 발표하게 되어 매우 기쁩니다. W&B Dedicated Cloud는 W&B의 전문팀이 고객을 대신해 프로비저닝하고 운영하는 Single-Tenant 인스턴스입니다. 고객은 데이터를 안전하게 연결해 적절히 격리된 상태를 보장할 수 있으며, W&B는 인프라를 최신 고수준 엔터프라이즈 보안 기준에 맞춰 유지 관리합니다. 여기에 클라우드 제공업체와 리전 선택권까지 더해져, W&B 배포는 그 어느 때보다 쉬워졌습니다.


Weights & Biases에서 보안은 우리의 정체성을 이루는 핵심 요소이며, 신규 인력 채용과 온보딩 방식부터 코드의 검토·업데이트·테스트 절차, 인프라 배포에 이르기까지 비즈니스 전반에 영향을 미칩니다. 우리의 보안 프로세스가 얼마나 깊이 있게 운영되는지 확인하려면 최근 공개한 자료를 살펴보세요. 보안 포털.
우리는 모든 의사 결정에서 고객을 최우선으로 생각하며, 고객 데이터의 보안을 무엇보다 중요하게 다룹니다. 취약점 관리와 데이터 암호화부터 감사 및 SOC 2 Type II 컴플라이언스에 이르기까지, Weights & Biases 플랫폼은 엔터프라이즈에 충분한 보안을 갖추는 동시에 스케일업에 필요한 유연성도 제공합니다. 상호운용이 가능한 이 플랫폼은 주요 클라우드, 온프레미스, 하이브리드 등 모든 주요 배포 모델을 지원하여, 속도를 희생하지 않고도 엔터프라이즈 보안 기준을 충족할 수 있게 해줍니다.
Weights & Biases의 유연한 배포 옵션과 엔터프라이즈급 대규모 MLOps에 대해 더 알아보세요 여기.

곧 제공될 기능




모델 관리와 협업을 위한 중앙 허브

우리는 머신러닝 개발 주기의 모든 단계를 추적하고 버전 관리할 수 있는 단일 시스템 오브 레코드를 구축해 온 것에 자부심을 갖고 있습니다. ML 워크플로가 발전함에 따라 이를 뒷받침하는 도구도 함께 진화해야 합니다. Weights & Biases는 모델 관리 지원을 한층 강화하기 위해 새로운 일급 제품인 Model Registry를 선보입니다.
W&B Model Registry는 ML 팀이 다음을 중앙에서 수행할 수 있도록 도구를 제공합니다:
  • 모델 버전 관리: 학습과 개발 전 과정에서 각 모델의 모든 버전을 손쉽게 추적하고, 버전 목록을 탐색하며, 동일한 평가 지표와 데이터셋을 기준으로 버전 간 성능을 공정하게 비교하세요
  • 계보 추적: 상위 데이터셋 버전과 데이터 정제 코드부터 모델 학습 코드와 하이퍼파라미터까지, 모델 학습과 평가의 전체 파이프라인을 문서화하고 재현하세요
  • 수명 주기 관리: 중앙화된 간편한 인터페이스에서 모델을 스테이징에서 프로덕션으로 승격하고, 팀 전반에 변경 사항을 명확히 전달하세요
Model Registry는 현재 적극적으로 개발 중이며, 다음에 참여하실 수 있습니다 대기자 명단 자세히 알아보기.

W&B의 최신 소식과 하이라이트




동적 시각화, 정밀 비교, 재현 가능성

Weights & Biases 플랫폼에 지속적으로 새로운 기능과 지원을 추가하고 있습니다. 이번에 바로 사용 가능한 멋진 신규 기능들을 소개하게 되어 매우 기쁩니다. 아래에서 저희가 특히 좋아하는 몇 가지를 확인해 보세요.
Weights & Biases Tables를 사용하면 코드 재실행 없이도 지표와 플롯을 직접 구성하면서 데이터셋과 모델 예측을 대화형으로 조회할 수 있습니다. 다양한 데이터 유형—부터 오디오 까지 텍스트 까지 3D 분자 구조 어떤 pandas DataFrame이든 Tables에서 동적으로 시각화하고, 정렬·필터링·그룹화하며 다양한 방식으로 탐색할 수 있습니다.
Tables의 기반 파일 시스템인 Artifacts는 자동 버저닝과 워크플로 추적성을 지원합니다. 동일한 Artifact 이름으로 로그를 남길 때마다 폴더 내용의 스마트 디프로 버전을 업데이트하여, 궁극적으로 저장 공간을 절약합니다.
전처리 방식, 샘플링 전략, 데이터셋 구성 요소를 바꾸거나, 베이스 아키텍처의 새로운 변형을 파인튜닝하든, Artifacts는 모델 개발 사이클과 분석, 워크플로를 구조화하여 정밀하게 맞춘 비교와 손쉬운 재현성을 보장합니다. 이는 미래의 여러분 자신이든 협업자든 모두에게 해당됩니다. Workspaces와 아름다운 Reports를 통해 실험을 유연하게 분할·평가하고, 커스텀 뷰를 공유할 수 있으며, 모든 시각화는 W&B에 기록된 기반 코드나 지표와 깊이 있게 연결됩니다.
자세한 내용은 이 모음집에서 확인하세요 Reports또는 빠르게 인터랙티브 노트북을 실행해 직접 로깅하고 탐색해 보세요 Artifacts, Tables, 또는 시맨틱 세그멘테이션 모델.

이 글은 AI 번역본입니다. 오역이 의심되는 부분이 있으면 댓글로 알려주세요. 원문 보고서는 다음 링크에서 확인할 수 있습니다: 원문 보고서 보기