Day 1 - SageMaker 학습 작업(Training Job): Estimator, 입력 채널, 인스턴스, Spot

📌 핵심 정리

• Training Job은 인스턴스를 띄워 컨테이너로 학습하고 model.tar.gz를 S3에 저장한 뒤 인스턴스를 자동 종료하는 배치성 작업이다.
• Estimator가 설계도 — 컨테이너·IAM 역할·인스턴스·하이퍼파라미터. 내 학습 스크립트를 돌리려면 프레임워크 Estimator의 entry_point.
• 입력 채널은 fit()에 채널별 데이터 위치로 전달. 입력 모드는 File(전체 다운로드)·Pipe(스트리밍)·Fast File.
• 인스턴스는 전통 ML=CPU, 딥러닝=GPU, 한 대로 부족하면 instance_count를 올려 분산. 대용량 반복 읽기 I/O 병목은 FSx for Lustre.
• Managed Spot Training은 최대 90% 절감. 단 중단될 수 있어 체크포인트가 짝이며 max_wait >= max_run이어야 한다.

Training Job의 동작 흐름

SageMaker에서 모델 학습의 기본 단위는 Training Job이다. 노트북에서 for epoch in ...을 직접 돌리는 대신 "이 데이터로, 이 컨테이너에서, 이 인스턴스로 학습해줘"라고 작업을 던지는 방식이다.