Amazon Web Services 한국 블로그

Category: Artificial Intelligence

Amazon Polly, WordPress용 플러그인 콘텐츠 번역 및 음성 변환 기능 추가

올해 초에 WordPress에서 Amazon Polly의 음성 기능 사용 방법을 소개하면서 WordPress용 Amazon Polly 플러그인의 설치, 구성 및 사용과 관련된 단계를 설명했습니다. 오늘은 이 플러그인을 더욱 강력하게 하는 기능을 추가합니다. 이제 콘텐츠를 하나 이상의 언어로 번역하고 각 번역의 오디오 버전을 생성할 수 있습니다. 번역은 AWS의 기계 학습 서비스 포트폴리오에 포함되는 신경망 기계 번역 서비스인 Amazon Translate를 […]

Read More

AWS DeepLens 지금 주문 가능!

AWS DeepLens는 현장에서 디바이스에 직접 딥 러닝 모델을 실행하는 비디오 카메라입니다. 작년에 하드웨어 및 시스템 소프트웨어와 관련하여 상세한 블로그를 게시한 적이 있습니다. 간략히 요약하자면 다음과 같습니다. 하드웨어 – 4메가픽셀 카메라(1080P 비디오), 2D 마이크 배열, 인텔 아톰® 프로세서, 듀얼 밴드 Wi-Fi, USB 및 마이크로 HDMI 포트, 모델 및 코드용 8GB 메모리 소프트웨어 – Ubuntu 16.04, AWS […]

Read More

Amazon SageMaker 기반 컨테이너를 활용한 Scikit-Learn 모델 훈련 및 호스팅 방법

지난 re:Invent 2017에서 처음 소개된 Amazon SageMaker는 원하는 규모의 머신 러닝 모델의 빌드, 훈련, 배포를 할 수 있는 서버리스(serverless) 데이터 사이언스용 환경을 제공하고 있습니다. 이를 통해 scikit-learn 처럼 폭넓게 사용되고 있는 프레임워크를 이용한 작업도 가능해졌습니다. 이 블로그에서는 2가지를 주제로 소개하려고 합니다: 첫번째는, 모델을 훈련(Training)시키고 호스팅하기 위해 Amazon SageMaker에서 컨테이너를 어떻게 사용하는지에 대해 알아봅니다. 그리고 두 […]

Read More

Amazon SageMaker 자동 모델 튜닝 기능 출시 – 기계 학습을 위한 인공 지능

오늘 Amazon SageMaker 자동 모델 튜닝 기능을 출시합니다. 자동 모델 튜닝은 모델의 정확성을 높이기 위한 하이퍼파라미터(Hyperparameter)을 조정하는 힘든 작업을 단순화합니다. 이 기능을 사용하면 개발자 및 데이터 과학자가 기계 학습 모델을 훈련하고 튜닝할 때 상당한 시간과 노력을 절약할 수 있습니다. 하이퍼파라미터 튜닝 작업은 완료된 훈련 작업의 결과를 기준으로 서로 다른 하이퍼파라미터 조합을 사용하는 다수의 훈련 작업을 […]

Read More

Amazon SageMaker 노트북 인스턴스에서 로컬 모드 사용하기

최근 Amazon SageMaker에서는 빌드 형태로 제공되는 TensorFlow와 MXNet 컨테이너를 이용하여 로컬 환경에서 모델 학습이 가능하도록 새로운 기능을 지원하기 시작했습니다. 또한, 데이터 훈련과 호스팅을 위한 완전 관리 서비스 뿐 아니라, 정식 운영 환경에서 사전에 빌드된 컨테이너를 배포하는 기능까지 지원할 수 있게 되었습니다. 이전에는 이러한 컨테이너는 Amazon SageMaker에 특화된 환경에서만 사용할 수 있었습니다. 이러한 컨테이너들이 오픈 소스로 […]

Read More

Amazon SageMaker 업데이트 – CloudFormation, Chainer 및 GreenGrass ML 지원 등

지난주 도쿄에서 열린 AWS 서밋에서 Amazon SageMaker대한 다양한 신규 기능을 발표하였습니다. SageMaker를 아시아 태평양(도쿄) 리전에서 사용할 수 있고 이제 CloudFormation을 지원합니다. MXNet 및 Tensorflow에 더해 새로운 Machine Learning 프레임워크인 Chainer가 SageMaker Python SDK로 제공됩니다. 마지막으로, AWS Greengrass Machine Learning에서는 Chainer 모델을 다수의 디바이스에서 실행할 수 있습니다. 좀 더 자세하게 알아보겠습니다. SageMaker Chainer 지원 Chainer는 유명하고 […]

Read More

Amazon Rekognition을 통한 AI 기술의 역할에 대한 의견

지난 한 주간 얼굴 인식, 감시 및 시민 자유와 관련한 Amazon Rekognition의 역할에 대해 많은 논의가 있었습니다. 이에 대한 AWS의 몇 가지 생각을 공유하고자 합니다. Amazon Rekognition은 AWS에서 2016년 발표한 서비스로서, 사용이 간편하고 저렴한 방식으로 개발자에게 딥 러닝과 같은 새로운 기술을 선사합니다. 고객은 Amazon Rekognition의 이미지 및 비디오 분석 기능을 사회(예: 인신매매 방지, 아동착취 차단, […]

Read More

Amazon SageMaker Notebook에서 (Amazon EMR기반) Apache Spark와의 연동 환경 구축 방법

지난 AWS re:Invent 2017에서 처음 소개된 Amazon SageMaker는 데이터 과학과 머신 러닝 워크플로우를 위한 완전 관리형 서비스를 제공하고 있습니다. 특히 모델을 만드는데 사용되는 Jupyter notebook 인터페이스는 SageMaker에서 대단히 중요한 구성 요소 중 하나입니다. 한편Amazon Elastic MapReduce (Amazon EMR) 상에서 동작하는 Apache Spark 클러스터에 notebook 인스턴스를 연결시켜서 SageMaker의 성능을 훨씬 더 향상시킬 수 있습니다. 참고로 EMR은 […]

Read More

Amazon Transcribe를 이용한 자동 자막 생성하기

Amazon Transcribe는 딥러닝을 통한 자동 음성 인식(Automatic Speech Recognition, ASR)위한 기계 학습 애플리케이션 서비스로서, 지난 4월에 일반 사용자들에게 정식 출시하였습니다. 현재는 영어와 스페인어의 음성 파일에 대한 인식을 지원하며, 최대 2시간의 오디오 및 비디오를 지원합니다. 가능한 한 빠르게 추가 언어에 대한 지원을 제공할 예정입니다. 이 글에서는 Amazon Transcribe를 이용하여 서버리스 기반으로 자동으로 자막을 생성하는 애플리케이션을 구성하는 […]

Read More

이상 탐지를 위한 Amazon SageMaker 의 Random Cut Forest 빌트인 알고리즘

Amazon SageMaker에서 새로운 빌트인 알고리즘으로 Random Cut Forest(RCF)를 사용하실 수 있습니다. RCF는 데이터셋에서 이상치(outlier)를 탐지하는 비지도 학습 알고리즘입니다. 이번 블로그에서는 이상 탐지(anomaly detection) 문제에 대해 설명하고, Amazon SageMaker의 RCF 알고리즘에 대해서도 함께 알아보겠습니다. 아울러, 실제 데이터셋을 대상으로 Amazon SageMaker의 RCF 알고리즘을 어떻게 사용하는지도 소개합니다. 이상 탐지 기술의 중요성 우리가 어느 한 도시에서 여러 개의 블럭(block)을 […]

Read More