이 페이지는 Cloud Translation API를 통해 번역되었습니다.

노트북 솔루션 선택

이 페이지에서는 프로젝트에 가장 적합한 옵션을 선택할 수 있도록 Vertex AI의 노트북 환경 옵션 간의 차이점을 설명합니다.

Vertex AI는 2개의 노트북 환경 솔루션을 제공합니다.

Colab Enterprise: Google Cloud의 보안 및 규정 준수 기능이 포함된 공동작업을 위한 관리형 노트북 환경입니다. 프로젝트 속성이 다른 사람과 공동작업을 수행하고 인프라 관리 시간 소비를 방지하는 것이면 Colab Enterprise가 최적의 옵션일 수 있습니다. 다음 Colab Enterprise 섹션을 참고하세요.
Vertex AI Workbench: 전체 데이터 과학 워크플로를 지원하는 기능이 있는 가상 머신(VM) 인스턴스를 통해 제공되는 Jupyter 노트북 기반 환경입니다. 프로젝트 속성이 제어 및 맞춤설정을 위한 것이면 Vertex AI Workbench가 최적의 옵션일 수 있습니다. 다음 Vertex AI Workbench 섹션을 참조하세요.

Colab Enterprise

다음 섹션에서 Colab Enterprise의 몇 가지 장점에 대해 알아보세요. 자세한 내용은 Colab Enterprise 소개를 참조하세요.

공유 및 공동작업

Colab Enterprise를 사용하면 노트북을 공유하고 다른 사람과 공동작업을 수행할 수 있습니다. 단일 사용자, Google 그룹, Google Workspace 도메인과 노트북을 공유할 수 있습니다. Identity and Access Management(IAM)를 통해 이 액세스를 제어합니다.

관리형 컴퓨팅

Colab Enterprise를 사용하면 인프라를 관리할 필요 없이 노트북으로 작업을 수행할 수 있습니다. Colab Enterprise는 필요할 때 런타임을 프로비저닝합니다. 필요한 경우 특정 요구에 맞게 런타임을 구성할 수 있지만 Colab Enterprise가 이를 자동으로 시작하고, 더 이상 필요하지 않으면 종료합니다.

Google Cloud 콘솔에 통합

Colab Enterprise가 Google Cloud 서비스와 통합되어 이러한 서비스와 상호작용하는 노트북을 쉽게 사용할 수 있습니다. Vertex AI 및 BigQuery에 모두 내장된 기능과 함께 Google Cloud 콘솔 내에서 Colab Enterprise를 사용할 수 있습니다.

Gemini 지원으로 코드 작성

Google Cloud용 Gemini 포트폴리오의 제품인 Vertex AI의 Gemini를 사용하여 Vertex AI 노트북에서 코드를 작성하고 생성할 수 있습니다. Vertex AI의 Gemini는 코드 셀에 입력하는 동안 코드 완성 제안을 생성할 수 있습니다. 코딩 도우미 도구를 사용하여 원하는 대상의 설명을 기반으로 코드를 생성할 수도 있습니다. 자세한 내용은 Gemini 지원으로 코드 작성을 참고하세요.

Vertex AI Workbench

다음 섹션에서는 Vertex AI Workbench의 몇 가지 장점에 대해 알아봅니다. 자세한 내용은 Vertex AI Workbench 소개를 참조하세요.

인스턴스 유형

Vertex AI Workbench는 데이터 과학 워크플로에 대해 몇 가지 Jupyter 노트북 기반 인스턴스 유형을 제공합니다.

Vertex AI Workbench 인스턴스: 관리형 노트북 인스턴스의 워크플로 중심 통합과 사용자 관리형 노트북 인스턴스의 맞춤설정 기능을 결합하는 옵션입니다.
Vertex AI Workbench 관리형 노트북(지원 중단됨): 엔드 투 엔드 노트북 기반 프로덕션 환경을 설정하고 작업하는 데 도움이 되는 통합 및 기능을 갖춘 Google 관리 환경입니다.
Vertex AI Workbench 사용자 관리형 노트북(지원 중단됨):세부 맞춤설정이 가능하고 따라서 해당 환경의 여러 부분을 제어해야 하는 사용자에게 이상적인 Deep Learning VM Image 인스턴스입니다.

모든 Vertex AI Workbench 옵션은 다음을 제공합니다.

JupyterLab이 사전 패키징됩니다.
TensorFlow 및 PyTorch 프레임워크 지원을 포함하여 딥 러닝 패키지가 사전 설치된 제품군입니다.
GPU 가속기 지원
GitHub 저장소 동기화 기능
Google Cloud 인증 및 권한 부여

Vertex AI Workbench 인스턴스

Vertex AI Workbench 인스턴스는 관리형 노트북의 워크플로 중심 통합과 사용자 관리형 노트북의 맞춤설정 기능이 필요할 때 적합한 옵션입니다.

conda 환경 추가

Vertex AI Workbench 인스턴스는 conda 환경에 기반한 커널을 사용합니다. Vertex AI Workbench 인스턴스에 conda 환경을 추가할 수 있으며, 이 환경은 인스턴스의 JupyterLab 인터페이스에 커널로 표시됩니다.

conda 환경을 추가하면 기본 Vertex AI Workbench 인스턴스에서 제공하지 않는 커널을 사용할 수 있습니다. 예를 들어 R 및 Apache Beam용 conda 환경을 추가할 수 있습니다. 또는 TensorFlow, PyTorch, Python 등 사용 가능한 프레임워크의 특정 이전 버전용 conda 환경을 추가할 수 있습니다.

자세한 내용은 conda 환경 추가를 참조하세요.

데이터 액세스

JupyterLab 인터페이스를 벗어나지 않고도 데이터에 액세스하여 더 효율적으로 작업할 수 있습니다.

Vertex AI Workbench 인스턴스의 JupyterLab 탐색 메뉴 내에서 Cloud Storage 통합을 사용하여 액세스 권한이 있는 데이터 및 기타 파일을 찾아볼 수 있습니다.

또한 탐색 메뉴에서 BigQuery 통합을 사용하여 액세스할 수 있는 테이블을 찾아보고 쿼리를 작성하고 결과를 미리 보고 노트북에 데이터를 로드할 수 있습니다.

자동화된 노트북 실행

반복 일정으로 실행되도록 노트북을 설정할 수 있습니다. 인스턴스가 종료된 경우에도 Vertex AI Workbench는 노트북 파일을 실행하고 결과를 저장하여 다른 사용자와 보고 공유할 수 있습니다.

비활성 인스턴스의 자동 종료

비용 관리에 도움이 되도록 Vertex AI Workbench 인스턴스가 일정 기간 동안 유휴 상태로 유지되면 종료하도록 설정할 수 있습니다. 자세한 내용은 유휴 상태 종료를 참조하세요.

커스텀 컨테이너

커스텀 컨테이너를 기반으로 Vertex AI Workbench 인스턴스를 만들 수 있습니다. Google에서 제공하는 기본 컨테이너 이미지로 시작하여 필요에 맞게 수정합니다. 그런 다음 커스텀 컨테이너를 기반으로 인스턴스를 만듭니다.

자세한 내용은 커스텀 컨테이너를 사용하여 인스턴스 만들기를 참조하세요.

서드 파티 사용자 인증 정보 사용

직원 ID 제휴에서 제공하는 서드 파티 사용자 인증 정보를 사용하여 Vertex AI Workbench 인스턴스를 만들고 관리할 수 있습니다. 직원 ID 제휴는 외부 ID 공급업체(IdP)를 사용하여 사용자 그룹에 프록시를 통해 Vertex AI Workbench 인스턴스에 액세스할 수 있는 권한을 부여합니다.

자세한 내용은 서드 파티 사용자 인증 정보로 인스턴스 만들기를 참고하세요.

상태 모니터링

Vertex AI Workbench 인스턴스가 제대로 작동하는지 확인하려면 상태를 모니터링하면 됩니다.

수정 가능한 Deep Learning VM 인스턴스

Vertex AI Workbench는 Notebooks API를 통해 기본 VM을 수정하는 API 메서드를 제공합니다.

Vertex AI Workbench 관리형 노트북

관리형 노트북은 일반적으로 데이터 탐색, 분석, 모델링을 위해 또는 엔드 투 엔드 데이터 과학 워크플로의 일부로 사용하려는 경우에 적합합니다.

관리형 노트북 인스턴스를 사용하면 JupyterLab 인터페이스를 나가지 않고도 워크플로 중심 작업을 수행할 수 있습니다. 또한 데이터 과학 워크플로를 구현하기 위한 통합 및 기능이 많이 있습니다.

다음은 관리형 노트북에 포함된 일부 통합 및 기능입니다.

JupyterLab에서 하드웨어 및 프레임워크 제어

관리형 노트북 인스턴스에서 JupyterLab 인터페이스는 코드가 실행될 컴퓨팅 리소스(예: vCPU 또는 GPU 수, RAM 크기, 실행할 프레임워크)를 지정합니다. 먼저 코드를 작성한 다음 JupyterLab을 종료하거나 인스턴스를 다시 시작하지 않고 실행하는 방법을 선택할 수 있습니다. 코드를 빠르게 테스트하려면 하드웨어를 축소한 다음 다시 확장하여 더 많은 데이터에 실행할 수 있습니다.

커스텀 컨테이너

관리형 노트북 인스턴스에는 TensorFlow 및 PyTorch와 같이 선택할 수 있는 일반적인 데이터 과학 프레임워크가 많이 포함되어 있지만 인스턴스에 커스텀 Docker 컨테이너 이미지를 추가할 수도 있습니다. 커스텀 컨테이너는 인스턴스의 JupyterLab 인터페이스에 커널로 표시됩니다.

자세한 내용은 관리형 노트북 인스턴스에 커스텀 컨테이너 추가를 참조하세요.

데이터 액세스

JupyterLab 인터페이스를 벗어나지 않고도 데이터에 액세스할 수 있습니다.

관리형 노트북 인스턴스의 JupyterLab 탐색 메뉴에서는 Cloud Storage 통합을 사용하여 액세스 권한이 있는 데이터 및 기타 파일을 찾아볼 수 있습니다.

자동화된 노트북 실행

Dataproc 통합

Dataproc 클러스터에서 노트북을 실행하여 데이터를 빠르게 처리할 수 있습니다. 클러스터가 설정되면 JupyterLab 인터페이스를 종료하지 않고도 클러스터에서 노트북 파일을 실행할 수 있습니다.

비활성 인스턴스의 자동 종료

비용 관리를 지원하기 위해 특정 기간 동안 유휴 상태가 된 후에 관리형 노트북 인스턴스가 종료되도록 설정할 수 있습니다. 자세한 내용은 유휴 상태 종료를 참조하세요.

Vertex AI Workbench 사용자 관리 노트북

사용자 관리 노트북은 광범위한 맞춤설정이 필요하거나 환경에 대한 많은 제어가 필요한 사용자에게 적합합니다.

맞춤설정 가능한 Deep Learning VM 인스턴스

사용자 관리 노트북 인스턴스는 Deep Learning VM 인스턴스입니다. 사용자 관리 노트북 인스턴스를 만들 때 가상 머신(VM) 인스턴스에 대한 특정 세부정보를 선택합니다. 예를 들어 인스턴스를 만들 때 사용자 관리 노트북 인스턴스의 머신 유형과 인스턴스의 프레임워크를 선택합니다. 생성 후 인스턴스의 머신 유형을 변경할 수 있지만 인스턴스를 다시 시작해야 합니다.

사용자 관리 노트북 인스턴스에서 소프트웨어 및 패키지 버전 업데이트와 같은 수동 수정을 수행할 수 있습니다. 인스턴스에서 프레임워크를 변경하는 것은 더 복잡한 프로세스입니다.

사용자 관리 노트북 인스턴스는 Compute Engine 인스턴스로 노출되므로 Compute Engine 인스턴스를 맞춤설정할 때와 같은 방식으로 맞춤설정할 수 있습니다. 자세한 내용은 Compute Engine 문서를 참조하세요.

네트워킹 및 보안

특정 네트워킹 및 보안 요구사항이 있는 사용자의 경우 사용자 관리 노트북이 가장 좋은 옵션입니다.

사용자 관리 노트북과 관리형 노트북 모두 VPC 서비스 제어를 지원하지만 사용자 관리 노트북 인스턴스의 VM을 더 세부적으로 제어할 수 있습니다. 이렇게 하면 특정 네트워킹 및 보안 요구사항이 충족되도록 사용자 관리 노트북 인스턴스를 수동으로 더 쉽게 구성할 수 있습니다.

상태 모니터링

사용자 관리 노트북 인스턴스가 제대로 작동하는지 확인하려면 상태를 모니터링하면 됩니다.

다음 단계

시작하려면 다음 중 하나를 만드세요.