3. Sagemaker 둘러보기

일단 AWS Sagemaker에 들어가 본다.

 

바로 SageMaker 시작하기가 있어서 들어갔다.

 

역할 구성

 

아래 창에서 기록 안하면 다음으로 안 넘어가서 일단 최소화 하고

간단한것들만 작성해 봤다.

 

도메인 설정

 

S3 리소스 구성

 

 

일단 설정이 되었으니 자습서를 따라가 본다.

https://aws.amazon.com/ko/sagemaker/getting-started/

Amazon SageMaker에서 기계 학습 시작하기 - Amazon Web Services

 

여러가지가 있는데 일단 노코드 ML을 시도 해 보자

 

들어가서 여러 가이드가 있는데 비용을 먼저 살펴 보니

 

SageMaker Canvas를 시도하려는 4명의 분석가 팀이 있다고 가정해 보겠습니다. 그중 한 명이 50MB 입력 데이터 세트를 사용하여 패키지의 정시 배송을 예측하는 수치 예측 모델을 구축한다고 가정해 보겠습니다. SageMaker Canvas는 ml.m5.12xlarge 유형의 2.9인스턴스 시간을 사용하여 모델을 학습했습니다. 이 프로세스를 통해 팀은 사용자당 주당 10시간 동안 SageMaker Canvas에 로그인합니다. 시간은 데이터 탐색, 데이터 세트 준비, 예측 생성에 소요되며, 이는 사용자당 월 40시간 또는 총 160시간 사용에 해당합니다. 월말 청구서는 다음과 같이 계산됩니다.

무료 계층에서 최대 160시간/월의 작업 공간 인스턴스(세션-시간) 요금: $0.00
모델 학습 요금: $2.765/시간 x 2.9 = $7.69
총계: $7.69

1~5GB 학습에 보통 $16~100 가 들어간다고 나온다.

 

 

그러면 이제 sagemaker cavas에 들어가 본다.

 

1. 데이터를 CANVAS에 연동

아까 올려 둔 S3에서 가져오기를 선택했다.

 

2. 모델을 생성

 

3. 데이터를 선택

 

4. 어떤 데이터를 예측할지 선택, feature로 사용할 데이터 선택

 

그리고 Standard Bulid를 누르면

바로 모델을 생성한다. 시간은 1시간 45분 걸린다고 나왔다.

 

모두 끝나면 모델이 생성되고

 

분석 결과

 

Prediction

예측을 돌리고 결과를 받아볼 수 있다.

 

Deploy

 

를 할 수 있게 된다.

 

다 사용하면 꼭 꺼 놔야 한다.

안 그러면 계속 과금된다.

 

짧게 둘러본 느낌으로는

쉽다. 빠르다. 모두 자동으로 된다.

 

내 데이터는 imbalance가 심해서

극적인 성능 향상은 없었는데 깔끔하게 돌아가긴 해서

신기했다.

 

그리고 이 모든 것을 끝내고 받은 요금은 $60.

160시간 사용이 무료이긴 한데, 학습을 시키는 것은 돈을 받는다

 

SageMaker CAVAS를 켜 두는것 = 월 160시간 무료

이것으로 머신러닝을 돌리는것 =  유료