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

📌 핵심 정리

• Training Job은 인스턴스를 띄워 학습하고 model.tar.gz를 S3에 저장한 뒤 자동 종료한다. 설계도는 Estimator, 내 스크립트는 entry_point.
• 알고리즘 매핑: 테이블=XGBoost, 고차원 희소=Linear Learner, 이상 탐지=RCF, 시계열=DeepAR, 추천 희소=Factorization Machines, 텍스트=BlazingText.
• 입력: 대용량 반복 읽기 I/O 병목은 FSx for Lustre, 대용량 스트리밍 포맷은 RecordIO-protobuf, XGBoost CSV는 첫 열이 라벨·헤더 없음.
• AMT: 기본은 Bayesian, 긴 딥러닝은 Hyperband, 비용 절감은 조기 종료, 결과 재사용은 워밍 스타트.
• 비용: 단가 낮추기(Spot+체크포인트)와 작업량 줄이기(전이학습/JumpStart)는 축이 달라 함께 적용할 수 있다.

한 장으로 보는 이번 주

이번 주는 "데이터를 모델로 바꾸는" 학습 단계 전체를 다뤘다. 네 글을 하나의 흐름으로 꿰어 시험 직전에 빠르게 훑을 수 있게 정리한다.