Low-code ML with SageMaker 실습

SageMaker와 Low-code ML

SageMaker 내의 low-code 서비스를 설명한 자료입니다.

• 자료 링크

실습을 위한 준비

SageMaker 작업 환경

• SageMaker notebook을 새로 생성합니다.

Git repository

• Terminal 을 열어서 아래 git repo를 clone 받도록 합니다.

git clone https://github.com/sungeuns/low-code-sagemaker

데이터 준비

• 01번 notebook에 있는 내용을 진행합니다.

  • 만일 instructor가 준비된 데이터를 제공했다면 s3 업로드만 진행합니다.

  • 준비된 데이터가 없다면 notebook에 있는 내용을 참고하여 다운로드 받아서 데이터를 준비합니다.

실습 방법

각 노트북 별 설명

• 01

  • 데이터를 준비하는 과정입니다.

  • Image classification, time series prediction, tabular (regression) 용도 데이터를 준비합니다.

• 02

  • SageMaker 의 built-in algorithm을 활용하여 새로운 이미지에 대해서 image classification을 하는 예시입니다.

• 03

  • SageMaker 의 built-in algorithm 중 DeepAR를 활용하여 time-series prediction 하는 예시입니다.

• 04

  • SageMaker autopilot을 활용하는 예시입니다.

• 05

  • AutoGluon을 tabular data에 적용하여 regression task를 수행하는 예시입니다.

• 06

  • AutoGluon의 Multi-modal 기능을 활용하여 zero-shot image classification을 하는 예시입니다.

• 07

  • SageMaker Jumpstart를 활용하여 Stable Diffusion 모델을 fine-tuning 하는 예시입니다.