added sagemaker content

aws-sagemaker/README.md

@@ -0,0 +1,64 @@
+# SageMaker를 활용한 머신러닝 상품화
+
+## ToC
+
+- [SageMaker란?](#sagemaker란)
+- [Data Scientist가 쓸 수 있는 SageMaker 기능](#data-scientist가-쓸-수-있는-sagemaker-기능)
+- [ML Engineer가 쓸 수 있는 SageMaker 기능](#ml-engineer가-쓸-수-있는-sagemaker-기능)
+- [SageMaker의 제공 기능](#sagemaker의-제공-기능)
+- [그래서 어떻게 AWS SageMaker로 pipeline을 구성하면 되냐면,](#그래서-어떻게-aws-sagemaker로-pipeline을-구성하면-되냐면)
+- [SageMaker 구성 요소](#sagemaker-구성-요소)
+- [SageMaker를 강력하게 만들어주는 SageMaker와 AWS 서비스들의 통합](#sagemaker를-강력하게-만들어주는-sagemaker와-aws-서비스들의-통합)
+- [Amazon SageMaker 실습](#amazon-sagemaker-실습)
+
+## SageMaker란?
+
+- AWS에서 제공하는 Full managed Machine Learning Service
+- ML 모델의 개발, 훈련, 배포를 단순화하고 자동화하는 도구를 제공하여 개발자와 데이터 과학자들이 Machine Learning 어플리케이션을 쉽게 구축할 수 있도록 도와줌
+
+## Data Scientist가 쓸 수 있는 SageMaker 기능
+
+![untitled](./img/sagemaker-data-scientist.jpeg)
+
+## ML Engineer가 쓸 수 있는 SageMaker 기능
+
+![untitled](./img/sagemaker-ml-engineer.jpeg)
+
+## SageMaker의 제공 기능
+
+- 데이터 준비: 데이터 수집, 데이터 탐색 및 분석, Feature Engineering
+- 빌드, 학습 및 배포: 머신러닝 모델을 빌드, 학습 및 배포할 수 있는 다양한 도구를 제공. SageMaker Notebook을 사용하여 모델 학습을 위한 커스텀 환경을 구축하거나, SageMaker Training을 사용하여 분산 학습을 실행
+- 자동화된 MLOps: 자동화하기 위한 다양한 기능을 제공. SageMaker Pipelines를 사용하여 자동화된 모델 빌드, 학습 및 배포 파이프라인을 생성. SageMaker Model Monitor를 사용하여 모델의 성능과 예측을 모니터링. SageMaker Debugger를 사용하여 모델 디버깅을 자동화하고, SageMaker Experiments를 사용하여 모델 실험을 관리
+- 강력한 보안 및 규정 준수: 머신러닝 모델에 대한 강력한 보안 기능을 제공. 데이터 암호화, 모델 암호화, 모델 릴리즈 승인 프로세스, 모델 로깅 및 감시 추적 기능 등을 제공
+
+### 그래서 어떻게 AWS SageMaker로 pipeline을 구성하면 되냐면,
+
+![untitled](./img/sagemaker-pipeline.jpeg)
+
+## SageMaker 구성 요소
+
+- **Data Preparation**: Amazon S3, Amazon DynamoDB, Amazon RDS, Aurora 등과 같은 다양한 데이터 저장소를 통해 데이터를 저장하고 검색할 수 있음
+- **Notebook Instance**: Machine Learning 모델 개발 및 실험을 위해 Jupyter Notebook Instance를 생성할 수 있음
+- **Training Instance**: GPU, CPU, CPU-GPU 혼합 등의 다양한 Instance를 지원하여 높은 처리 속도로 Machine Learning 모델을 학습할 수 있음
+- **Deploy Instance**: 학습된 모델을 배포하고 각종 이미지 파일 형식으로 저장할 수 있음
+- **Endpoint**: Machine Learning 모델의 실시간 추론 instance로 외부 요청을 받아 실시간으로 응답을 제공
+
+## SageMaker를 강력하게 만들어주는 SageMaker와 AWS 서비스들의 통합
+
+- **AWS Lambda**
+  - ex. 외부 Rest API를 Lambda로 날려서, 이와 연동된 sagemaker의 workflow management를 할 수 있다.
+- **AWS Glue**
+- **AWS Step Functions**
+  - ex. CICD를 구체화할 수 있다.
+- **AWS IoT**
+
+## Amazon SageMaker 실습
+
+- Free Account 신청 및 환경 설정
+- Data Labeling, EDA, Feature Engineering
+- Model Training
+- Hyper Parameter Tuning
+- Model Bias Detection
+- ML Pipeline
+- ML Monitoring
+- Trigger based Model Training