Amazon SageMaker는 Amazon Web Services가 제공하는 클라우드 기반 머신러닝 플랫폼으로, 개발자가 머신러닝 모델을 생성, 학습, 배포할 수 있게 해준다. 2017년 11월 AWS re:Invent 컨퍼런스에서 출시된 이 플랫폼은 사전 학습된 모델부터 사용자 정의 알고리즘까지 다양한 추상화 수준을 지원하며, 모델을 임베디드 시스템과 엣지 디바이스에 배포할 수 있다. SageMaker는 다른 AWS 서비스와 통합되어 ML 워크플로우를 위한 포괄적인 환경을 제공한다.
이 플랫폼은 ML 수명 주기를 단순화하도록 설계되었으며, 관리형 인프라, 내장 알고리즘, 대화형 개발을 위한 인터페이스를 제공한다. 자동 확장, 강화 학습, 엣지 디바이스로의 모델 배포와 같은 기능을 통해 발전해 왔으며, 초보자와 숙련된 실무자 모두에게 유용한 도구가 되었다.
기능
SageMaker는 여러 수준의 추상화에서 작동한다. 가장 높은 수준에서는 사전 학습된 ML 모델을 그대로 배포할 수 있어 사용자 정의 학습의 필요성을 줄여준다. 또한 분류, 회귀, 클러스터링과 같은 일반적인 작업을 다루는 내장 ML 알고리즘을 제공하여 개발자가 자체 데이터로 학습할 수 있게 한다. 더 전문화된 요구 사항을 위해 플랫폼은 TensorFlow 및 Apache MXNet의 관리형 인스턴스를 제공하여 개발자가 처음부터 사용자 정의 알고리즘을 만들 수 있게 한다.
다른 AWS 서비스와의 통합은 주요 강점이다. 개발자는 SageMaker 모델을 구조화된 데이터 저장을 위한 Amazon DynamoDB, 오프라인 배치 처리를 위한 AWS Batch, 실시간 데이터 처리를 위한 Amazon Kinesis에 연결할 수 있다. 이러한 통합은 데이터 수집부터 모델 배포까지의 종단 간 파이프라인을 가능하게 한다.
개발 인터페이스
SageMaker는 상호 작용을 위한 여러 인터페이스를 제공한다. 웹 API는 SageMaker 서버 인스턴스의 원격 제어를 허용하며, Amazon은 Python, JavaScript, Ruby, Java, Go를 포함한 언어용 API 바인딩을 제공한다. SageMaker Python SDK는 Anaconda의 conda-forge 채널을 통해 접근할 수 있으며, 관리형 Jupyter Notebook 인스턴스는 대화형 프로그래밍을 지원한다. 2025년 12월에는 새로운 서버리스 사용자 정의 기능이 발표되어 Amazon Nova, Llama, Qwen, DeepSeek, GPT-OSS와 같은 AI 모델과의 인터페이스를 가능하게 했다.
역사 및 기능
SageMaker는 2017-11-29에 AWS re:Invent에서 출시되었다. 주요 이정표는 다음과 같다:
- 2018-02-27: 관리형 TensorFlow 및 MXNet 심층 신경망 학습 및 추론 지원.
- 2018-02-28: 여러 서버 인스턴스로의 모델 추론 자동 확장.
- 2018-07-13: 순환 신경망 학습, word2vec, 다중 클래스 선형 학습기, LARS를 사용한 Chainer 분산 학습 지원.
- 2018-07-17: 고처리량 비실시간 추론을 위한 AWS Batch Transform.
- 2018-11-08: Object2Vec 단어 임베딩 학습 및 추론.
- 2018-11-27: Mechanical Turk, 타사 공급업체 또는 직원을 통한 인간 주석자를 사용한 데이터 라벨링을 위한 SageMaker Ground Truth.
- 2018-11-28: 규모에 맞는 RL 모델 개발을 위한 SageMaker 강화 학습, 스마트폰 및 스마트 카메라와 같은 엣지 디바이스로 모델을 배포하기 위한 SageMaker Neo.
- 2018-11-29: 제3자 개발자가 ML 모델을 사고 팔 수 있게 하는 AWS Marketplace for SageMaker.
- 2019-01-27: SageMaker Neo가 오픈 소스 소프트웨어로 출시됨.
이러한 기능은 SageMaker의 유용성을 확장하여 AWS의 AI 제공에서 중심 도구가 되게 했다.
AWS 생태계와의 통합
SageMaker는 Amazon Lex, Amazon Polly, Amazon Rekognition과 같은 서비스를 포함하는 더 넓은 AWS AI 스택의 일부이다. 또한 ML 학습을 위한 AWS의 사용자 정의 실리콘인 AWS Trainium과도 관련이 있으며, SageMaker 내에서 비용 효율적인 학습을 위해 사용될 수 있다. 플랫폼의 다른 AWS 서비스와의 통합은 개발자가 클라우드의 전체 성능을 활용하는 복잡한 ML 애플리케이션을 구축할 수 있게 한다.