[AI Practitioner] 자주 나오는SageMaker 서비스 정리

SageMaker

머신러닝 (ML) 모델을 구축, 훈련, 배포하는 데 도움을 주는 AWS 서비스

 

SageMaker Canvas

• 코딩 없이 머신러닝 모델을 생성할 수 있는 서비스
• 비전문가도 쉽게 사용할 수 있도록 GUI 기반의 Automated ML 도구를 제공
• 데이터 준비, 모델 훈련, 예측까지 클릭 몇 번으로 가능하며, 기계 학습 경험이 없는 사용자도 활용 가능 

✅ 주 기능 : 데이터 업로드 -> 모델 자동 훈련 -> 예측 수행

SageMaker Clarify

• 머신러닝 모델의 공정성 및 설명 가능성 분석 도구
• 모델이 편향되지 않았는지 확인 & 예측 결과의 해석 가능성을 높이는 기능 제공
• 데이터의 편향성 분석, 모델 예측의 공정성 평가, feature importance 분석 등을 수행

✅ 주 기능 : 편향 탐지, 설명 가능성 분석, 법규 준수 지원

SageMaker JumpStart

• 기본적인 머신러닝 및 딥러닝 모델을 빠르게 시작할 수 있도록 사전 학습된 모델과 솔루션 템플릿 제공
• Huggng Face, Tensorflow, PyTorch 기반의 다양한 오픈소스 모델을 활용 가능

✅ 주 기능 : 원클릭 배포, 사전 훈련 모델 활용, 머신러닝 실험 단축

 

SageMaker Ground Truth

• 고품질 데이터 라벨링을 위한 서비스
• Ground Truth의 자동 라벨링 기능을 활용하여 머신러닝 모델 훈련 시 데이터 라벨링 비용을 절감할 수 있음

✅ 주 기능 : 자동화된 데이터 라벨링, 라벨링 작업자 관리, 비용 절감

SageMaker Model Card

• 모델 문서화를 위한 도구
• 훈련 데이터, 평가 결과, 배포 정보 등 머신러닝 모델의 정보를 한곳에 정리하여 제공
• 팀 내에서 모델의 목적, 성능, 한계점 등을 공유할 때 유용

✅ 주 기능 : 모델 메타데이터 관리, 성능 및 설명 기록, 모델 투명성 확보

SageMaker Model Registry

• 모델 버전 관리 및 배포를 위한 서비스
• 훈련된 모델을 체계적으로 저장하고, 버전 관리 및 배포 승인 프로세스를 관리
• 여러 팀이 협업 하면서 모델을 실험하고 배포할 때 유용

✅ 주 기능 : 모델 버전 관리, 승인 워크플로우, 모델 추적

SageMaker Studio Notebook

• SageMaker Studio : AWS에서 제공하는 IDE(통합개발환경)로, ML모델을 구축, 훈련, 배포할 수 있는 올인원 플랫폼
• Jupyter 기반의 클라우드형 노트북 환경으로, SageMaker에서 머신러닝 모델을 개발하고 실행할 수 있도록 지원하는 서비스
• 노트북을 팀원들과 쉽게 공유할 수 있으며, 코드를 실행하는 인스턴스는 사용자별로 독립적이어서 충돌이 없음
• SageMaker의 다양한 기능 (Training, Model Deployment, Experiments 등) 과 연계 가능
• AWS 내 데이터 (S3, RDS 등) 와의 연계 분석 가능

✅ 주 기능 : 머신러닝 모델 개발 및 데이터 분석을 보다 효율적으로 수행 가능하게 함