Amazon Web Services 한국 블로그

Category: Artificial Intelligence

Amazon Omics 정식 출시 – 게놈 및 생물학적 데이터 구축 및 분석 서비스

고등학교 생물학 수업에서는 인간 게놈은 디옥시리보핵산(DNA)에서 쌍을 이루는 아데닌(A), 구아닌(G), 시토신(C), 티민(T)으로 이루어진 30억 개 이상의 코드로 구성된다는 것을 배웁니다. 인간 게놈은 모든 인간 세포의 생물학적 청사진 역할을 합니다. 이는 우리를 인간이게 하는 근간일 뿐입니다. 의료 및 생명과학 조직은 환자 치료를 개선하고 과학적 연구를 증진하기 위해 수많은 유형의 생물학적 데이터를 수집합니다. 이러한 기관들은 질병과 개인의 […]

Amazon Comprehend IDP – PDF, 워드 문서 및 이미지를 처리 기능 출시

오늘 지능형 문서 처리(IDP)를 위한 새로운 Amazon Comprehend 기능을 발표합니다. 이 기능을 사용하면 텍스트를 먼저 추출하지 않고도 Amazon Comprehend에서 직접 PDF 문서, Microsoft Word 파일 및 이미지에서 엔터티를 분류하고 추출할 수 있습니다. 많은 고객은 스캔한 영수증 이미지나 PDF 형식의 세금 내역서와 같이 반구조화된 형식의 문서를 처리해야 합니다. 오늘날까지 이러한 고객은 우선 광학 문자 인식(OCR) 도구를 […]

Amazon SageMaker ML Governance – ML 프로젝트에 대한 액세스 제어 및 투명성 강화 기능 출시

비즈니스 애플리케이션에 기계 학습(ML)을 채택하는 사례가 늘어남에 따라 기업은 ML 수명 주기 전반에 걸쳐 간소화된 액세스 제어와 향상된 가시성을 통해 ML 프로젝트의 거버넌스를 개선할 방법을 찾고 있습니다. 이러한 노력의 공통적인 과제는 다양한 그룹 및 ML 활동에 적절한 사용자 권한을 관리하는 것입니다. 예를 들어, 모델을 구축하고 교육하는 팀의 데이터 과학자는 일반적으로 ML 파이프라인을 관리하는 MLOps 엔지니어와는 […]

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 […]

Amazon Textract로 주택 담보 대출 데이터 분류 및 추출 기능 출시

주택 담보 대출 신청서는 미국의 경우 적어도 약 500페이지 이상의 다양한 문서로 구성됩니다. 신청서를 검토하려면 이러한 모든 문서를 분류하고 각 양식의 데이터를 추출해야 합니다. 이것이 쉬운 일은 아닙니다. 각 문서의 데이터 구조가 다를 뿐만 아니라 동일한 데이터 요소의 이름이 문서마다 다를 수 있습니다(예: SSN, 주민등록번호 또는 세금 ID). 이 세 가지는 모두 동일한 데이터를 나타냅니다. […]