Amazon Web Services 한국 블로그

Category: SageMaker

Amazon Kinesis 비디오 스트림 및 Amazon SageMaker를 사용한 실시간 대규모 영상 분석

오늘은 Amazon Kinesis Video Streams Inference Template(KIT) for Amazon SageMaker의 기능에 대해 소개합니다. 이 기능은 고객이 Kinesis 비디오 스트림을 Amazon SageMaker 엔드포인트에 몇 분 만에 연결할 수 있습니다. 따라서 서비스를 통합하기 위해 다른 라이브러리를 사용하거나 맞춤형 소프트웨어를 작성하지 않고도 실시간 추론이 가능합니다. KIT는 Docker 컨테이너로 패키징된 Kinesis Video Client Library 소프트웨어와 필요한 모든 AWS 리소스의 […]

Read More

Amazon SageMaker IP Insights 알고리즘을 사용하여 의심스러운 IP 주소 탐지하기

오늘은 Amazon SageMaker를 위한 새로운 IP Insights 알고리즘에 대해 살펴보겠습니다. IP Insights는 IP 주소를 기반으로 비정상적인 동작과 사용 패턴을 탐지하는 비지도 학습 알고리즘입니다. 이 블로그 게시물에서는 IP 주소를 이용한 사기성 동작을 식별하는 데 있어서의 문제점을 소개하고 Amazon SageMaker IP Insights 알고리즘을 설명합니다. 또한, 실제 애플리케이션에 활용하는 방법을 제시하고 해당 알고리즘을 사용하여 얻어진 몇 가지 결과를 공유합니다. […]

Read More

Amazon SageMaker 모델 학습시 관련 지표에 대한 손쉬운 모니터링과 시각화

데이터 과학자와 개발자는 이제 Amazon SageMaker에서 기계 학습 모델을 학습하는 동안 계산된 지표를 쉽고 빠르게 액세스하고 모니터링하고 시각화할 수 있습니다. 여러분들은 Amazon SageMaker용 AWS 관리 콘솔 또는 Python SDK API를 사용하여 추적할 지표를 지정할 수 있습니다. 모델 학습이 시작되면 Amazon SageMaker는 손실 곡선 및 정확도 곡선과 같은 시계열 곡선을 시각화하기 위해 지정된 지표를 자동으로 실시간 […]

Read More

Amazon SageMaker 알아두어야 할 신규 기능: 워크 플로, 새로운 알고리즘 및 보안 규정 준수

지난 1년간 Amazon SageMaker는 다양한 고객사에서 금융 사기 행위를 찾고, 스포츠 플레이를 예측하고, 자동차 엔진 성능을 튜닝하는 등 다양한 인공 지능 서비스를 만들 수 있도록 하는 완전 관리형 기계 학습(ML)서비스입니다. 작년 re:Invent에서 SageMaker가 처음 선보인 이래 100개에 가까운 새로운 기능이 추가되었고 그중 대부분은 고객의 피드백을 기초로 한 것이었습니다. 이 글에서는 그 중에서도 꼭 알아두어야 할 […]

Read More

Amazon SageMaker 자동 모델 최적화를 위한 웜 스타트 구성하기

올해 초 개발자와 데이터 과학자가 기계 학습 모델을 학습시키고 최적화하는 데 소요되는 시간과 노력을 크게 줄일 수 있는 Amazon SageMaker 자동 모델 튜닝을 발표했습니다. 오늘은  자동 하이퍼파라미터 최적화(Hyper Parameter  Optimization, HPO) 작업의 웜 스타트 구성을 하는 방법을 살펴보겠습니다.  웜 스타트 구성은 HPO 프로세스를 가속화하고 모델 최적화 비용을 절감해줍니다. 예를 들어 적은 예산으로 HPO 작업을 시작하고 […]

Read More

Amazon Elastic Inference 출시 – GPU 기반 딥러닝 추론 가속 서비스 (서울 리전 포함)

최근 인공 지능과 딥러닝이 발전한 이유 중 하나로 GPU(그래픽 처리 장치)의 환상적인 컴퓨팅 성능을 꼽을 수 있습니다. 약 10년 전 연구자들은 기계 학습과 고성능 컴퓨팅에 대규모 하드웨어 병렬 처리를 활용하는 방법을 찾아냈습니다. 관심 있는 분들은 2009년 스탠포드 대학이 발표한 논문(PDF)을 살펴보시기 바랍니다. 현재 GPU는 개발자와 데이터 과학자들이 의료 영상 분석이나 자율 주행을 구현하기 위해 복잡한 […]

Read More

Amazon SageMaker RL – 강화 학습 서비스 출시 (서울 리전 포함)

지난 몇 년간 기계 학습(Machine Learning)은 많은 관심을 받아왔으며, 의료 영상 분석부터 무인 주행 트럭까지 ML 모델을 통해 할 수 있는 복잡한 작업의 목록은 꾸준히 증가하고 있습니다. 이러한 최근 기계학습 기술은 어떤 방법이 있을까요? 간단히 말해 다음과 같은 3가지 방법으로 모델을 훈련할 수 있습니다. 지도 학습(Supervised Learning): 레이블이 지정된 데이터 세트(샘플 및 답변이 포함된 데이터 […]

Read More

Amazon SageMaker Ground Truth 서비스 – 데이터 레이블 작업 고도화 및 70% 비용 절감 가능

1959년, Arthur Samuel은 기계 학습을 “명시적으로 프로그래밍하지 않으면서도 컴퓨터에 학습할 수 있는 능력을 부여하는 연구 분야”로 정의했습니다. 하지만, 만능 솔루션은 없습니다. 이러한 학습 프로세스에는 알고리즘(“학습 방법”)과 학습 데이터 세트(“학습 방법”)가 필요합니다. 오늘날 대부분의 기계 학습 작업에는 지도 학습(supervised learning)이라는 기법이 사용됩니다. 레이블이 지정된 데이터 세트에서 패턴 또는 동작을 학습하는 알고리즘이죠. 레이블이 지정된 데이터 세트에는 데이터 […]

Read More

Amazon SageMaker 자동 모델 튜닝을 활용한 ResNet 모델 훈련하기

Amazon SageMaker에서 우리가 사용하는 기계 학습 모델의 하이퍼파라미터(Hyper-Parameter) 값을 자동으로 튜닝하여 보다 정확한 예측을 생성하는 기능이 최근에 출시되었습니다. 하이퍼파라미터는 모델 훈련 중에 알고리즘의 동작을 설명하는 사용자 정의 설정입니다. 예를 들어, 의사 결정 트리의 규모, 세그먼트에서 원하는 클러스터의 수 또는 데이터를 반복할 때 인공신경망 가중치의 증분 업데이트 단위 등이 포함됩니다. 하이퍼파라미터 값은 최종 정확도 및 성능에 […]

Read More

Amazon SageMaker를 위한 서버리스 엔드포인트 만들기

Amazon SageMaker는 AWS에서 기계 학습 모델을 구축 및 교육하고 프로덕션 환경에 배포할 수 있는 강력한 플랫폼을 제공합니다. 이 강력한 플랫폼과 Amazon Simple Storage Service(S3), Amazon API Gateway 및 AWS Lambda의 서버리스 기능을 결합하면, Amazon SageMaker 엔드포인트를 잠재적으로 다양한 소스로부터 새로운 입력 데이터를 수락하고 최종 사용자에게 결과로 나온 추론을 제시하는 웹 애플리케이션으로 변환할 수 있습니다. 이 […]

Read More