sagemaker-immersion-day

1. 개요

1.1 워크샵 목적

세이지 메이커의 기본적인 개요를 이해하고, 데이터 전처리, 모델 훈련, 및 모델 배포, 세이지 메이커 파이프라인을 이해합니다. 그리고 이를 기반으로 실제 핸즈온 코드 실습을 진행 합니다.

1.2. 사전 지식

• Python Coding 을 1년 이상 해본 분
• ML 백그라운드가 있는 분
• 데이터 전처리, 모델 훈련, 모델 배포 경험이 있는 분

2. 랩 가이드

2.1. 랩 환경

• Amazon SageMaker Notebook Instances 에서, 아래의 2.2, 2.3 이 모두 테스트 되었습니다. "2.2 처음 시작시 추천 실행 노트북" 만을 위해서는 SageMaker Studio 에서 사용이 가능합니다.

2.2 처음 시작시 추천 실행 노트북

• 0.setup.ipynb
• 1.training.ipynb ( Cloud Mode Not Local Mode)
• 2.evaluation.ipynb ( Cloud Mode Not Local Mode)
• 3.deploy.ipynb ( Cloud Mode Not Local Mode)
• 4-1.pipeline.ipynb
• 6.clean-up.ipynb

2.3 로컬 모드 학습을 위한 추천 실행 노트뷱

• 1.training.ipynb ( Local Mode)
• 2.evaluation.ipynb ( Local Mode)
• 4-2.pipeline-local-mode.ipynb

2.4 BYOM(Bring Your Own Model) 추천 실행 노트북

• 7.advanced_byom_xgboost_regression_sagemaker_deploy.ipynb
  • Bring Your Own Model 기반 SageMaker Endpoint배포 실습
  • 이 프로젝트에서는 일반적인 ML 학습 방식인 Scikit-learn과 XGBoost를 사용하여 로컬에서 학습한 모델을 이용하여, SageMaker의 Endpoint API 추론 기능을 활용하여 모델을 배포합니다.

A. 참고 정보

• Local Mode in Python SDK for Classic Notebook
• Local mode support in Amazon SageMaker Studio