Amazon Web Services 한국 블로그

Category: Amazon SageMaker

Amazon SageMaker Serverless Inference – 서버리스 기계 학습 추론 기능

2021년 12월, AWS는 기본 인프라를 구성하거나 관리할 필요 없이 추론을 위한 기계 학습(ML) 모델을 배포할 수 있도록 Amazon SageMaker의 새로운 옵션으로 Amazon SageMaker Serverless Inference(평가판)를 도입했습니다. 오늘 Amazon SageMaker Serverless Inference가 정식 출시 되었음을 발표하게 되어 기쁘게 생각합니다. ML 추론 사용 사례에 따라 모델 호스팅 인프라에 대한 요구 사항이 달라집니다. 광고 게재, 사기 탐지 또는 […]

Read More

Amazon SageMaker Clarify를 사용하여 Bundesliga Match Facts xGoals 설명

가장 흥미로운 AWS re:Invent 2020 공지사항 중 하나는 기계 학습(ML) 모델의 바이어스를 감지하고 모델 예측을 설명하도록 돕기 위해 고안된 새로운 Amazon SageMaker 기능인 Amazon SageMaker Clarify입니다. 기계 학습 알고리즘을 통해 대규모 예측이 이루어지는 현대 환경에서 대규모 기술 조직이 기계 학습 모델의 예측을 기반으로 특정 결정을 내린 이유를 고객에게 설명하는 것이 점점 더 중요해지고 있습니다. 결정적으로 이는 입력과 출력은 알지만 내부에서 […]

Read More

Thomson Reuters, Amazon SageMaker기반 자연어 처리 솔루션 개발 사례

이 게시물은 Thomson Reuters의 John Duprey와 Filippo Pompili가 공동 작성하였습니다. 본 게시물의 내용은 AWS의 공식적인 입장과 다를 수 있습니다. Thomson Reuters(TR)는 세계에서 가장 신뢰할 수 있는 답변 제공 업체 중 하나로, 전문가들이 자신 있게 의사 결정을 내리고 더 나은 비즈니스를 운영할 수 있도록 지원합니다. TR의 전문가 팀은 정보, 혁신, 신뢰할 수 있는 인사이트를 결합하여 복잡한 […]

Read More

Amazon Comprehend 기반 설공 상품평 분석을 통한 트렌드 예측 개선하기

이랜드 이노플은 이랜드 그룹 전체의 IT를 담당하는 회사이며, 2014년 빅데이터 사업부 설립 이래 빅데이터 분석 및 AI 서비스를 그룹사를 대상으로 제공해 오고 있습니다. 대외적으로는 2020년부터 스타트업 및 중소기업을 대상으로 빅데이터 트렌드 컨설팅을 통해 성공의 경험을 함께 나누고 있습니다. 그중에서도 저당류 푸드 스타트업인 ‘설탕없는 과자공장'(이하 ‘설공’)에 대한 컨설팅 사례를 공유하고자 합니다. 설공은 푸드 상품기획에 있어서 몇 […]

Read More

Amazon SageMaker기반 무신사 상품 후기 이미지 자동 검수 서비스 개발 사례

무신사는 840만 회원을 보유하고 6,000개 패션 브랜드가 입점한 한국 최대 규모의 온라인 패션 플랫폼입니다. 매월 400만 명의 고객이 무신사에 방문하고 있으며, 고객 연령층은 트렌드에 민감한 10~30대 비율이 90% 이상입니다. 무신사는 한국의 패션 트렌드를 선도하는 플랫폼으로서, 어떤 곳과도 비교할 수 없는 압도적인 양의 데이터를 보유하고 있습니다. 무신사 데이터솔루션팀은 무신사 스토어에 쌓이는 데이터와 관련된 모든 업무를 진행하고 […]

Read More

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