어제 본 Bedrock은 "남이 만든 거대 모델을 빌려 쓰는" 서비스였다. 오늘 볼 Amazon SageMaker는 정반대 성격이다. 내가 직접 머신러닝 모델을 만들고, 학습시키고, 배포하는 완전관리형 ML 플랫폼이다.
AIF-C01 시험에서 SageMaker는 깊은 기술을 묻지는 않는다. 대신 "언제 Bedrock이고 언제 SageMaker인가", 그리고 SageMaker가 ML 수명주기 전체를 어떻게 도와주는지를 큰 그림으로 묻는다. 오늘은 그 큰 그림을 잡는다.
전통 ML 프로젝트는 데이터 준비 → 학습 → 평가 → 배포 → 모니터링이라는 긴 여정을 거친다. SageMaker는 이 각 단계마다 도구를 제공한다.
| ML 단계 | SageMaker 도구(예) | 하는 일 |
|---|---|---|
| 데이터 준비 | Data Wrangler, Ground Truth | 데이터 정제, 레이블링 |
| 개발 환경 | SageMaker Studio | 노트북 기반 통합 개발 환경 |
| 모델 학습 | Training Jobs | 관리형 인프라에서 학습 실행 |
| 자동화 | Autopilot | 자동 ML(AutoML)로 모델 자동 생성 |
| 배포 | Endpoints | 실시간·배치 추론 호스팅 |
| 운영 | Model Monitor | 배포 후 모델 품질·드리프트 감시 |