# 4.1 Custom Container Overview

Amazon SageMaker에는 이전 실습에서 확인할 수 있듯이 다양한 모델들과 솔루션, 선도적인 머신러닝 프레임워크가 세팅 된 컨테이너 이미지를 제공하고 있으며 대부분의 경우 제공되는 모델, 머신러닝 컨테이너를 사용하여 다양한 과제들을 빠르고 손쉽게 학습 및 테스트할 수 있지만, 활용하지 못하는 경우도 존재합니다.

크게 아래와 같은 이유로 데이터 사이언티스트와 개발자는 새로운 고려사항을 요구합니다.

{% hint style="info" %}

* 경우에 따라 몇가지 알고리즘을 사용자 지정하거나 복잡한 모델 로직이 필요한 경우
* 제공되는 다양한 알고리즘 중 버전 릴리즈가 잦은 상황에서 최신 버전을 실험하고자 하는 경우
* 종속성 및 환경을 구성하고 설치
  {% endhint %}

SageMaker는 내부적으로 도커 컨테이너를 사용하여 사용자가 알고리즘을 교육하고 배포할 수 있도록 합니다. 사용자 지정 컨테이너를 통해 개발자와 데이터 사이언티스트는 소프트웨어를 패키지화하여 활용할 수 있고, 새로운 고려사항을 충족할 수 있습니다.

다음 그림은 사용자 지정 컨테이너 생성 과정을 보여줍니다.

<figure><img src="/files/V7qQyT3mozpHqaYPnVZ9" alt=""><figcaption></figcaption></figure>

AWS Cloud9 / Local Instance / SageMaker Studio 등을 이용하여 도커 컨테이너를 생성하고, Codebuild를 통해 ECR에 사용자 지정 컨테이너를 배포하는 워크플로우를 보여줍니다. 위와 같은 과정을 통해 학습 및 배포용 인스턴스를 배포할 수 있으며, 이후 실습에서 사용자 지정 컨테이너를 이용하여 모델을 배포하고 테스트하는 실습을 진행할 수 있습니다.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://cheolmin-ki.gitbook.io/sagemaker-image-workshop/lab4.-use-your-own-model-or-algorithm/4.1-custom-container-overview.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.