ㅁ 도구

1. SageMaker

ㅇ 정의:
AWS에서 제공하는 완전관리형 머신러닝 서비스로, 데이터 준비, 모델 학습, 배포를 통합적으로 지원하는 플랫폼.

ㅇ 특징:
– Jupyter 기반 노트북 환경 제공
– AutoML 기능(SageMaker Autopilot) 지원
– 분산 학습, 하이퍼파라미터 튜닝, 모델 모니터링 기능 내장
– AWS S3, Lambda 등과의 긴밀한 연동

ㅇ 적합한 경우:
– 클라우드 기반에서 빠르게 ML 모델을 구축·배포해야 하는 경우
– 인프라 관리 부담을 줄이고 싶은 경우
– AWS 생태계를 이미 사용 중인 조직

ㅇ 시험 함정:
– SageMaker는 오픈소스 도구가 아니라 AWS 전용 서비스임
– 로컬 환경에서만 동작하는 것으로 잘못 이해하는 경우
– AutoML 기능이 전부를 대체한다고 오해하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
O: “AWS에서 제공하는 완전관리형 ML 서비스로, 데이터 준비부터 배포까지 지원한다.”
X: “로컬 PC에서만 실행되는 오픈소스 ML 프레임워크이다.”

ㅁ 추가 학습 내용

SageMaker는 모델 학습뿐 아니라 MLOps 전 주기를 지원하는 기능을 제공한다. 주요 기능으로는 SageMaker Pipelines, Model Registry, Model Monitor가 있으며, 이들은 모델 개발, 배포, 모니터링 과정 전반에 걸쳐 통합적으로 활용된다. 시험에서는 이러한 확장 기능과 서비스 간 통합성에 대한 이해를 묻는 경우가 많다.
비용 과금은 인스턴스 사용 시간 기반으로 이루어지며, 보안 측면에서는 VPC와 IAM 연동이 중요하다.
SageMaker Autopilot은 데이터 전처리, 알고리즘 선택, 하이퍼파라미터 튜닝을 자동화하지만, 모든 경우에 최적의 모델을 보장하지는 않는다는 점을 유념해야 한다.