Artificial Intelligence | Amazon Web Services 한국 블로그

Amazon SageMaker Data Wrangler – 실시간 및 일괄 추론 지원 기능 출시

기계 학습 모델을 구축하려면 기계 학습 엔지니어가 데이터를 준비하기 위한 데이터 변환 파이프라인을 개발해야 합니다. 이 파이프라인을 설계하는 프로세스는 시간이 많이 걸리며 데이터 준비 파이프라인을 프로덕션 환경에 구현하려면 기계 학습 엔지니어, 데이터 엔지니어 및 데이터 과학자 간의 팀 간 협업이 필요합니다. Amazon SageMaker Data Wrangler의 주요 목적은 데이터 준비 및 데이터 처리 워크로드를 쉽게 수행할 […]

Amazon SageMaker JumpStart – 기업 내에서 ML 모델 및 노트북 공유 기능 출시

Amazon SageMaker JumpStart는 ML 여정을 가속화하는 데 도움이 되는 기계 학습(ML) 허브입니다. SageMaker JumpStart를 사용하면 인기 모델 허브의 사전 학습된 모델, 기사 요약 및 이미지 생성과 같은 작업을 수행하는 데 도움이 되는 사전 학습된 기초 모델, 일반적인 사용 사례를 해결하는 엔드 투 엔드 솔루션을 포함한 내장 알고리즘에 액세스할 수 있습니다. 이제 SageMaker JumpStart를 사용하여 AWS […]

AWS Machine Learning University 신규 교육자 지원 프로그램 소개

AWS 기계 학습 대학교는 현재 무료 교육자 지원 프로그램을 제공하고 있습니다. 이 프로그램은 커뮤니티 컬리지, 소수 민족 지원 기관(MSI) 및 흑인 대학(HBCU)의 교수진에게 데이터 분석, 인공 지능(AI) 및 기계 학습(ML) 개념을 가르쳐 현재와 미래의 수요가 많은 일자리를 위한 다양한 파이프라인을 구축할 수 있는 기술과 리소스를 제공합니다. 미국 국립 과학 재단에 따르면 흑인 및 히스패닉 또는 […]

Amazon SageMaker Studio 신규 콘솔 디자인 변경

오늘 Amazon SageMaker Studio를 위해 새롭게 재디자인된 사용자 인터페이스(UI)를 발표하게 되어 매우 기쁩니다. SageMaker Studio는 포괄적인 ML 도구 세트를 사용하여 모든 기계 학습(ML) 개발 단계를 수행할 수 있는 단일 웹 기반 시각적 인터페이스를 제공합니다. 예를 들어 SageMaker Data Wrangler를 사용하여 데이터를 준비하고, 완전 관리형 Jupyter Notebook으로 ML 모델을 구축하고, SageMaker의 다중 모델 엔드포인트를 사용하여 모델을 […]

Amazon SageMaker 섀도우 테스트 기능 – ML 모델 변형 간 추론 성능 비교

기계 학습(ML) 워크로드를 제작 환경으로 옮길 때에는 배포 모델을 지속적으로 모니터링하고, 모델 성능의 편차가 발견되면 이를 처음부터 다시 수행해야 합니다. 신규 모델을 구축할 때는 일반적으로 기간별 추론 요청 데이터를 사용하여 오프라인에서 모델 검증을 시작합니다. 그러나 이 데이터는 때때로 현재의 실제 상황을 설명하지 못합니다. 예를 들어 제품 추천 모델에서 아직 보지 못한 신제품이 트렌드가 될 수 […]

Amazon SageMaker 차세대 노트북 – 데이터 준비, 실시간 협업 및 노트북 자동화 기능 내장

2019년 당사는 데이터 과학 및 기계 학습(ML)을 위한 최초의 완전 통합 개발 환경(IDE)인 Amazon SageMaker Studio를 도입했습니다. SageMaker Studio를 사용하면 전용 도구와 통합되어 데이터 준비부터 모델 학습 및 디버깅, 실험 추적, 모델 배포 및 모니터링, 파이프라인 관리에 이르기까지 모든 ML 단계를 수행하는 완전 관리형 Jupyter Notebook에 액세스할 수 있습니다. 오늘 ML 개발 워크플로 전반의 효율성을 […]