AWS 활용 튜토리얼
AI/ML on AWS
AI/ML on AWS
  • AI/ML on AWS
  • AWS를 활용한 AI/ML 기초
    • AI/ML on AWS 기초
      • AWS의 AI/ML 서비스들
      • AWS에서 GPU 리소스 활용하기
      • Machine Learning 을 위한 GPU 선택 방법과 비용 최적화
    • SageMaker 이론과 실습
  • SageMaker Immersion Day
    • SageMaker Immersion Day 소개
    • SageMaker Immersion Day 실습
  • Low-code on SageMaker
    • AWS에서 Low-code ML을 활용하는 방법
    • Low-code ML with SageMaker 실습
  • AI/ML을 학습 시 도움될 만한 리소스들
    • SageMaker 학습에 도움되는 리소스들
    • 머신러닝/딥러닝 학습에 도움되는 리소스들
  • NO-CODE ON SAGEMAKER
    • SageMaker Canvas
    • No-Code Computer Vision
      • 사전 훈련된 컴퓨터 비전 모델 사용하기
      • 커스텀 컴퓨터 비전 모델 만들기
    • Use case labs
      • Diabetic Patient Readmission Prediction (Healthcare & Life Sciences)
Powered by GitBook
On this page
  • SageMaker와 Low-code ML
  • 실습을 위한 준비
  • 실습 방법
  1. Low-code on SageMaker

Low-code ML with SageMaker 실습

PreviousAWS에서 Low-code ML을 활용하는 방법NextSageMaker 학습에 도움되는 리소스들

Last updated 2 years ago

SageMaker와 Low-code ML

SageMaker 내의 low-code 서비스를 설명한 자료입니다.

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.

자료 링크