AWS, Gartner의 Magic Quadrant for Cloud AI Developer Services 리더 선정

저는 지난 주 대규모 AWS 고객의 경영진들 앞에서 발표하고 Amazon 문화의 여러 측면을 그들과 공유할 수 있는 기회를 가졌습니다. 아마존 리더십 원칙과 거꾸로 일하기(Working Backward) 업무 모델에 대해서도 이야기했습니다.

고객들은 저에게 향후 5년이나 10년 내에 업계가 어떤 모습이 될 것인지에 관해 질문했습니다. AWS는 제품 로드맵의 약 90%가 고객의 요청에 따라 움직이기 때문에 이 질문에 대답하기란 쉽지 않습니다. 솔직히 미래가 어떻게 흘러갈지 알 수 없지만 고객이 목표를 달성하고 비전을 실현하는 데 도움이 될 것이라는 사실은 확신하고 있습니다.

Magic Quadrant for Cloud AI Developer Services
저희가 열심히 한 만큼 고객에게 기쁨을 주고 Gartner와 다른 주요 분석 기관으로부터 인정을 받게 되면 많은 보람을 느낍니다. AWS가 Gartner의 Magic Quadrant for Cloud AI Developer Services에서 최상위권의 자리를 차지하며 실행 능력 및 비전의 완전성 측면에서 가장 높은 점수를 받았다는 사실을 나눌 수 있게 되어 매우 기쁩니다.

자세한 내용은 전체 보고서에서 확인할 수 있습니다(등록 필요).

비법을 공유합니다!
AWS AI 및 ML 서비스의 능력을 보여주는 간단하면서도 강력한 예는 Ben Hamm의 DeepLens 기반 출구를 참조하십시오.

AWS AI 및 ML 서비스
AWS 컴퓨팅, 스토리지, 네트워킹, 보안, 데이터베이스 및 분석 서비스를 기반으로 AI 및 ML 제품 라인업은 신규 사용자와 전문가, 그 사이에 있는 모든 사람들에게 적합한 서비스를 제공할 수 있도록 설계되었습니다. 이 중 몇 가지를 살펴보겠습니다.

Amazon SageMaker – 개발자 및 데이터 과학자에게 기계 학습 모델을 구축, 학습, 테스트, 세부 조정, 배포 및 관리할 수 있는 기능을 제공합니다. SageMaker는 수고를 줄이고 비용을 낮추며 가능한 한 빠르게 모델을 프로덕션에 적용할 수 있도록 설계된 일련의 완벽한 기계 학습 구성 요소를 제공합니다.

Amazon Kendra – 이 서비스는 기계 학습 기반의 정확하고 사용이 편리한 엔터프라이즈 검색 서비스입니다. Kendra에서 제공하는 강력한 기능의 자연어 쿼리를 통해 여러 개별 소스에서 콘텐츠를 검색할 수 있습니다.

Amazon CodeGuru – 이 서비스를 코드를 자동으로 검토할 수 있는 기능을 제공하고 가장 중요한 코드 줄을 식별하여 애플리케이션 성능을 향상시킬 수 있는 추천 서비스를 제공합니다. GitHub에서 수십만 개의 내부 Amazon 프로젝트와 10,000개 이상의 오픈 소스 프로젝트에서 학습을 받았습니다.

Amazon Textract – 이 서비스는 양식의 필드 내용과 테이블에 저장된 정보를 식별함으로써 기존 OCR과는 비교할 수 없는 정도의 수준으로 스캔한 문서에서 텍스트와 데이터를 추출합니다. 기계 학습을 기반으로 Textract는 수동 작업이나 사용자 지정 코드 없이 거의 모든 유형의 문서를 처리할 수 있습니다.

Amazon Personalize – Amazon.com에 적용된 것과 동일한 기술을 기반으로 이 서비스는 실시간 개인화 및 추천 서비스를 제공합니다. 자세한 내용은 Amazon Personalize – 모든 사용자를 위한 실시간 개인화 및 추천 서비스를 참조하십시오.

지금 공부하기
AI 및 ML에 대해 자세히 알아보려면 기계 학습용 AWS 램프 업 가이드를 참조하십시오.

기계 학습을 통한 강의실 교육과 기계 학습을 통한 디지털 교육 라이브러리도 살펴보십시오.

— Jeff

Gartner는 연구 출판물에서 언급된 공급업체, 제품 또는 서비스를 보증하지 않으며, 기술 사용자에게 등급이 가장 높거나 기타 지정된 공급업체만 선택하도록 권장하지 않습니다. Gartner 연구 출판물은 Gartner 연구 조직의 의견으로 구성되며 사실을 표현한 내용으로 해석되어서는 안 됩니다. Gartner는 상업성이나 특정 목적의 적합성에 대한 보증을 포함하여 해당 연구의 명시적 또는 묵시적인 모든 보증을 부인합니다.