Amazon SageMaker
분석, 머신 러닝, 생성형 AI, 기업 데이터에 대한 통제된 액세스를 통합한 AWS 환경입니다.
Amazon SageMaker 소개
Amazon SageMaker는 AWS 머신 러닝, 분석, 데이터 처리, SQL 및 생성형 AI 개발을 하나의 연결된 환경으로 통합합니다. 팀은 관리형 인프라를 사용하여 머신 러닝 모델과 기반 모델을 구축, 훈련, 사용자 지정 및 배포하고, 서버리스 노트북에서 작업하며, 내장 SQL 편집기로 데이터를 쿼리하고, 익숙한 AWS 서비스로 데이터 파이프라인을 만들 수 있습니다. SageMaker Unified Studio는 데이터와 도구에 대한 공유 액세스를 제공하며, SageMaker Catalog는 검색, 거버넌스, 액세스 제어 및 협업을 지원합니다. 레이크하우스 아키텍처는 Amazon S3 데이터 레이크, Amazon Redshift 데이터 웨어하우스, 연합 또는 타사 데이터 소스를 연결합니다. Amazon Q Developer는 데이터 찾기, 코드 및 SQL 작성, 문제 해결, 모델 개발 안내를 위한 자연어 지원을 제공합니다. 비용은 SageMaker 기능, AWS 컴퓨팅 및 스토리지, 카탈로그 요청, 네트워킹, 사용한 타사 서비스 전반의 사용량을 기준으로 부과됩니다. 일부 설정 및 관리 요청은 항상 무료이며, 자격 요건을 충족하면 AWS Free Tier 혜택이 적용될 수 있습니다.
기능
머신 러닝 모델 개발 및 배포
SageMaker 인프라를 사용하여 훈련 데이터를 준비하고, 머신 러닝 모델 또는 기반 모델을 개발하고, 관리형 훈련 및 평가 워크플로를 실행하며, 추론용 모델을 배포할 수 있습니다. 실험부터 프로덕션 운영까지 하나의 AWS 워크플로를 원하는 팀에 적합합니다.
여러 데이터 소스에서 분석 실행
레이크하우스 아키텍처를 통해 관리형 노트북과 SQL 도구를 사용하여 Amazon S3, Amazon Redshift, 지원되는 연합 또는 타사 소스에 저장된 데이터를 분석할 수 있습니다. 분석가와 엔지니어는 도구마다 별도 사본을 유지하지 않고 공유 데이터를 활용할 수 있습니다.
협업형 데이터 및 AI 작업 관리
SageMaker Catalog를 통해 프로젝트와 자산을 구성하고, 데이터와 모델을 검색 및 공유하며, 세분화된 액세스 정책을 적용할 수 있습니다. 이를 통해 데이터, 분석 및 AI 팀은 개발 수명 주기 전반의 협업을 위한 공통 거버넌스 계층을 활용할 수 있습니다.
장점
- AWS 내에서 분석, 데이터 처리, SQL, 머신 러닝 및 생성형 AI 워크플로를 통합
- 모델을 대규모로 훈련, 사용자 지정 및 배포할 수 있는 관리형 인프라 제공
- 데이터, 모델 및 AI 자산에 공통 검색, 액세스 제어 및 거버넌스 적용
단점
- 총비용은 별도로 청구되는 여러 AWS 서비스와 워크로드 리소스에 따라 달라짐
- 빠른 설정은 계정 구성에 따라 달라지는 추가 네트워킹 요금을 발생시킬 수 있음
- AWS 생태계 외부의 팀은 통합 및 운영 학습 비용을 부담할 수 있음
요금제
사용량 기반
- 요금은 사용한 AWS 서비스와 리소스에 따라 부과됩니다
- SageMaker Catalog 사용량은 별도로 청구됩니다
- 컴퓨팅, 스토리지, 네트워킹 및 타사 서비스에 추가 요금이 발생할 수 있습니다
- 일부 Unified Studio 설정 및 관리 요청은 항상 무료입니다
* 가격 정보는 참고용입니다. 최신 안내는 Amazon SageMaker 공식 웹사이트를 확인하세요.