Amazon Sage Maker란?

https://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/whatis.html
Amazon 웹 서비스의 일부입니다.
기계 학습을 할 줄 안다.

완전 관리형

Amazon SageMaker는 완벽한 관리 기능을 장점으로 꼽습니다.

기계 학습 모델(어떤 알고리즘으로 학습)의 구축

training(학습진행)

deploy(학습 결과를 이용하여 Inference(추론)를 할 수 있는 상태로 구성하여 제품의 일부로 이동)

통일적으로 진행할 수 있다.

아마존 SageMaker 노트북 인스턴스

https://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/nbi.html
SageMaker 기능의 인스턴스를 사용합니다.
SageMaker 페이지에서 사용할 수 있습니다.
내부 Jupter Notebook에서 이동합니다. SageMaker를 이용하기 위해 다음과 같은 작업을 할 수 있습니다.

SageMaker 라이브러리(python)를 사용하여 SageMaker의 기능을 활용할 수 있음

Boto 라이브러리(python)를 사용하여 S3(메모리 서비스)

를 이용할 수 있음

일반적으로 파이톤을 사용하고 네트워크를 통해 데이터를 수집하거나 정리할 수 있다

Jupyter의 케이스에 docker를 사용하여 docker 이미지를 만들 수 있으며, 케이스에 ECR(Docker 이미지를 저장할 수 있는 서비스)에 docker 이미지를 보낼 수 있다

SageMaker의 매뉴얼에서 이 실례 자체는 SageMaker의 구조 밖으로 간주되는 것 같다.

아마존 SageMaker의 구조

https://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/how-it-works-training.html
저장 서비스로서 S3, Docker 이미지를 저장할 수 있는 ECR과 연결됩니다.

Training 동작

1. S3에 Training용 데이터 보내기(Amazon SageMaker 노트북 인스턴스에서 사용 가능)
2. ECR에 Training용 Docker 이미지 보내기(준비된 알고리즘 사용 필요 없음)(Amazon SageMaker 노트 인스턴스에서 사용 가능)
3. S3 데이터 통 S3을 출력하는 추론 모형(모형 위영)의 구간 ECR의 Docker 이미지의 이름을 지정하고 SageMaker에서 training을 시작합니다.(Amazon Sage Maker 노트 실례에서 할 수 있는) 이 트레이닝은 한 번에 훈련 숙제라고 불린다.훈련 작업이 시작될 때마다 새로운 실례를 가동해 계산한다.트레이닝이 끝난 후 자동으로 트레이닝 결과의 추론 모형(모형 위영)으로 미리 지정된 S3의 통에 복사됩니다.

deploy의 동작

개인적 원인으로 인해 다음과 같은 미검증

1. 외부에서 접근할 수 있는 단점을 준비한다.
2. ECR 부서 Inference(추론)용 Docker 이미지 보내기(준비된 알고리즘 사용 시 필요없음)
3. SageMaker 기능에서 인스턴스를 시작하여 끝점에서 전송된 데이터를 반영합니다.