Day 5 - Week 4 종합: 모델 개발 1 — SageMaker 학습 복습

이번 주는 "데이터를 모델로 바꾸는" 학습 단계 전체를 다뤘다. Training Job의 구조에서 시작해, 그 안에서 돌릴 빌트인 알고리즘, 하이퍼파라미터를 자동으로 맞추는 AMT, 그리고 처음부터 학습하지 않고 사전학습 모델을 가져다 쓰는 JumpStart·전이학습과 비용 최적화까지 왔다. 오늘은 이 네 글을 하나의 흐름으로 꿰어 시험 직전에 빠르게 훑을 수 있게 정리한다.

한 장으로 보는 이번 주

[데이터(S3/FSx)]
      │ 입력 채널 (File / Pipe / Fast File)
      ▼
[Training Job]  ← Estimator(컨테이너·역할·인스턴스·하이퍼파라미터)
      │           ├─ 빌트인 알고리즘 (XGBoost, Linear Learner, ...)
      │           ├─ 프레임워크 Estimator (entry_point=내 스크립트)
      │           └─ JumpStart (사전학습 모델 미세조정)
      │ 인스턴스: CPU(전통ML) / GPU(딥러닝) / 분산(instance_count↑)
      │ 비용절감: Managed Spot + 체크포인트
      ▼
[모델 아티팩트 (model.tar.gz, S3)]
      ▲
[AMT 튜닝] ── 여러 Training Job 자동 실행 (Bayesian / 조기종료 / 워밍스타트)

이 그림 하나에 이번 주가 다 들어 있다