← 전체 목록
🧠
Amazon SageMaker
AI/ML완전 관리형 머신러닝 플랫폼
▶아키텍처 다이어그램
점선 애니메이션은 데이터 또는 요청의 흐름 방향을 나타냅니다
왜 필요한가요?
직접 ML 학습 환경과 추론 인프라를 꾸리면 GPU 자원 관리, 데이터 파이프라인, 모델 배포가 모두 별도 과제가 됩니다. 모델 개발과 운영을 한 서비스 안에서 다루고 싶어집니다.
안에서 어떻게 동작하나요?
SageMaker는 노트북, 학습 잡, 모델 아티팩트, 추론 엔드포인트를 한 흐름으로 제공합니다. 데이터는 S3에서 읽고, ECR의 커스텀 컨테이너를 써서 학습과 배포를 맞춤형으로 구성합니다.
무엇과 헷갈리나요?
SageMaker와 Bedrock은 둘 다 AI 서비스지만 접근 방식이 다릅니다. SageMaker는 직접 모델을 학습·튜닝·배포하는 플랫폼이고, Bedrock은 관리형 파운데이션 모델 API를 소비하는 서비스입니다.
왜 이런 방식이 등장했나요?
초기 ML 팀은 학습용 인스턴스, 데이터 준비, 모델 배포 파이프라인을 각자 조립해야 했습니다. 이런 복잡도를 줄이기 위해 ML 수명주기를 통합한 SageMaker가 필요해졌습니다.
언제 쓰나요?
커스텀 모델 학습, 하이퍼파라미터 튜닝, 전용 추론 엔드포인트, MLOps 파이프라인 구축에 적합합니다. 모델을 직접 학습하지 않고 파운데이션 모델 API만 호출하는 경우에는 과합니다.
추천 시스템이상 탐지자연어 처리컴퓨터 비전
Official Docs
AWS더 깊게 보기
현재 페이지의 개념 설명을 본 뒤 공식 문서로 바로 이동합니다.