Amazon Web Services 한국 블로그

Category: Artificial Intelligence

새로운 기능 – Amazon SageMaker Studio로 EMR 클러스터 및 Spark 작업 생성 및 관리

이제 Amazon SageMaker Studio 서비스에 세 가지 새로운 개선 사항을 제공하게 되어 매우 기쁩니다. 현재 SageMaker Studio의 사용자는 단일 AWS 계정 내에서 그리고 조직 전체의 공유 계정에서 실행되는 Amazon EMR 클러스터를 생성, 종료, 관리, 검색 및 연결할 수 있습니다. 이 모든 작업을 SageMaker Studio에서 직접 수행할 수 있습니다. 또한 SageMaker Studio Notebook 사용자는 SparkUI를 활용하여 […]

Read More

Amazon SageMaker Inference Recommender 신규 기능 출시 – 자동 ML 인스턴스 로드 테스트 및 모델 성능 최적화

오늘, 기계 학습(ML) 인스턴스 전반에서 부하 테스트를 자동화하고 모델 성능을 최적화하는 새로운 Amazon SageMaker Studio 기능인 Amazon SageMaker Inference Recommender를 발표하게 되어 기쁘게 생각합니다. 더 나아가 이 기능은 개발부터 프로덕션에 이르기까지 기계 학습 모델을 얻는 데 걸리는 시간을 줄이고 운영과 관련된 비용을 최적화합니다. 지금까지 모델에 가장 적합한 기계 학습 인스턴스를 선택할 수 있는 수단을 MLOps […]

Read More

Amazon SageMaker Ground Truth Plus 신규 기능 출시 – 데이터 레이블 전문가를 통한 턴키 솔루션

오늘, Amazon SageMaker 제품군의 최신 서비스를 발표하게 되어 기쁩니다. 이를 통해 이전보다 훨씬 쉽게 데이터 집합에 레이블을 지정할 수 있습니다. Ground Truth Plus는 전문 인력을 사용하여 고품질 훈련 데이터 집합을 빠르게 제공하고 비용을 최대 40% 절감하는 턴키 서비스입니다. 기계 학습 모델 생성의 과제 기계 학습(ML) 모델을 구축하고 훈련하는 데 있어 가장 큰 과제 중 하나는 […]

Read More

Amazon SageMaker Training Complier 신규 기능 출시 – 딥러닝 모델 훈련 속도 가속화

오늘, 딥 러닝(DL) 모델 훈련을 최대 50% 가속화할 수 있는 새로운Amazon SageMaker 기능인 Amazon SageMaker Training Complier 를 발표하게 되어 기쁩니다. DL 모델의 복잡성이 커짐에 따라 최적화 및 훈련에 소요되는 시간도 늘어납니다. 예를 들어 널리 사용되는 자연어 처리(NLP) 모델 “RoBERTa“를 훈련하는 데 25,000시간의 GPU가 소요될 수 있습니다. 고객이 모델 훈련에 소요되는 시간을 줄이기 위해 적용할 […]

Read More

Amazon SageMaker Studio Lab 미리보기 – 무료 기계 학습 학습 및 실습용 공개 서비스

AWS의 사명은 기계 학습(ML)을 보다 쉽게 이용할 수 있도록 하는 것입니다. 지난 몇 년간 많은 대화를 통해 많은 기계 학습 초보자가 직면하는 장벽에 대해 배웠습니다. 기존 기계 학습 환경은 초보자에게는 너무 복잡하거나 최신 기계 학습 실험을 지원하기에는 너무 제한적인 경우가 많습니다. 초보자는 빠르게 학습을 시작하기를 원하며, 인프라 가동, 서비스 구성 또는 예산 초과를 피하기 위한 […]

Read More

Amazon SageMaker Canvas 발표 – 비즈니스 분석가를 위한 손쉬운 노코드 기계 학습 기능

비즈니스 문제에 직면하고 매일 데이터를 처리하는 조직으로서, 비즈니스 결과를 예측할 수 있는 시스템을 구축하는 능력이 매우 중요합니다. 이 기능을 사용하면 느린 프로세스를 자동화하고 IT 시스템에 인텔리전스를 포함시켜 문제를 해결하고 더 빠르게 나아갈 수 있습니다. 하지만 조직의 모든 팀과 개별 의사 결정권자가 다른 데이터 과학 및 데이터 엔지니어링 팀에 의존하지 않고 이러한 기계 학습(ML) 시스템을 대규모로 […]

Read More

Amazon DevOps Guru for RDS 출시 – ML 기반Amazon Aurora 관련 문제 탐지, 진단 및 해결

오늘은 Amazon DevOps Guru를 위한 새로운 기능인 DevOps Guru for RDS를 발표합니다. 이를 통해 개발자는 Amazon Aurora에서 성능 및 운영 문제를 쉽게 탐지, 진단 및 해결할 수 있습니다. 가용성, 확장성 및 내구성이 뛰어나서, 현재 수십만 명의 고객이 Amazon Aurora를 사용하고 있습니다. 그러나 애플리케이션의 규모와 복잡성이 커짐에 따라 이러한 고객은 운영 및 성능 문제를 신속하게 탐지하고 […]

Read More

AWS AI/ML 장학금 프로그램 – 소수 및 취약 계층 학생의 인공 지능 관력 경력 개발을 위한 지원 프로젝트

수년 동안 정보 기술(IT) 분야에서 일하는 여성으로서 오랜 성별 고정 관념에 도전하고 더 많은 젊은 학습자들이 기술 분야 취업을 고려하도록 격려하는 것이 중요하다고 저는 생각해 왔습니다. 기술의 미래를 정의하는 인공 지능(AI)과 기계 학습(ML)으로 인해 이러한 미래는 다양한 표현의 영향을 받게 됩니다. 세계경제포럼은 2025년까지 인공 지능 및 기계 학습 분야를 포함하여 기술 발전과 자동화가 9천 7백만 […]

Read More

Amazon CodeGuru Reviewer Secrets Detector – AWS Secrets Manager를 통해 하드 코딩된 보안 정보 식별 및 보호

Amazon CodeGuru는 Java 및 Python 애플리케이션을 스캔하고 프로파일링하여 코드 품질을 개선하고 코드 검토를 자동화하는 데 도움이 됩니다. CodeGuru Reviewer는 코드에서 잠재적인 결함과 버그를 감지할 수 있습니다. 예를 들어 보안 취약성, 리소스 유출, 동시성 문제, 잘못된 입력 검증, AWS 모범 사례 이탈 등의 경우에 개선 사항을 제안합니다. 가장 잘 알려진 보안 사례 중 하나는 암호, API […]

Read More

신규 Amazon EC2 G5 인스턴스 – NVIDIA A10G Tensor Core GPU 기반

2년 전에 저는 최대 8개의 NVIDIA T4 Tensor Core GPU를 탑재한 당시의 새로운 G4 인스턴스에 대해 이야기했습니다. 이러한 인스턴스는 기계 학습 추론 및 그래픽 집약적 애플리케이션을 위한 비용 효율적인 GPU 성능을 제공하도록 설계되었습니다. 오늘 저는 최대 8개의 NVIDIA A10G Tensor Core GPU를 탑재한 새로운 G5 인스턴스에 대해 알려드리게 되어 기쁩니다. 2세대 AMD EPYC 프로세서로 구동되는 […]

Read More