aws/amazon-sagemaker-examples
Example 📓 Jupyter notebooks that demonstrate how to build, train, and deploy machine learning models using 🧠 Amazon SageMaker.
What it solves
이 저장소는 Amazon SageMaker를 사용해 머신러닝 모델을 구축, 학습 및 배포하는 방법을 보여주는 공식 Jupyter 노트북을 포괄적으로 제공합니다. SageMaker 플랫폼 기능과 실제 구현 사이의 격차를 메우며 다양한 ML 작업에 대한 엔드‑투‑엔드 워크플로를 제공합니다.
How it works
프로젝트는 예제를 ML 라이프사이클에 맞춰 카테고리화하여 데이터 준비, 모델 구축/학습, 배포, 모니터링을 포함합니다. 또한 SageMaker-Core라는 새로운 Python SDK를 도입해 객체 지향 인터페이스와 리소스 체이닝을 통해 TrainingJobs 및 Endpoints와 같은 SageMaker 리소스와의 상호작용을 단순화하고, 수동 파라미터 지정 및 저수준 API 폴링을 줄여줍니다.
Who it’s for
AWS에서 머신러닝 워크로드를 구현하려는 ML 실무자와 개발자를 위한 자료입니다. 엔드‑투‑엔드 가이드를 찾는 초보자부터 Generative AI, MLOps, Responsible AI에 대한 구체적인 구현 패턴을 찾는 숙련 엔지니어까지 모두 활용할 수 있습니다.
Highlights
- Full ML Lifecycle Coverage: 데이터 준비, 학습, 배포, 실시간 모니터링을 아우르는 예제.
- SageMaker-Core SDK: 타입 힌트, 자동 완성, 객체 지향 방식의 리소스 관리를 제공하는 간소화된 Python SDK.
- Generative AI Support: 텍스트, 이미지, 오디오, 비디오 등 다양한 모달리티에서 합성 데이터를 생성하는 전용 예제.
- MLOps & Governance: ML CI/CD, 편향 탐지, Model Cards 및 Dashboards를 통한 모델 거버넌스를 구현하기 위한 도구와 노트북.