Amazon Web Services 한국 블로그
Category: Amazon SageMaker
Amazon SageMaker – 안내식 워크플로를 통한 모델 패키징 및 배포 가속화
이제 Amazon SageMaker에서 개선된 모델 배포 경험을 통해 기존 기계 학습(ML) 모델과 파운데이션 모델(FM)을 더 빠르게 배포할 수 있습니다. 데이터 사이언티스트 또는 ML 실무자는 이제 SageMaker Python SDK의 새로운 ModelBuilder 클래스를 사용하여 모델을 패키징하고 로컬 추론을 수행하여 런타임 오류를 검증하며 로컬 IDE 또는 SageMaker Studio 노트북에서 SageMaker를 배포할 수 있습니다. SageMaker Studio의 새로운 대화형 모델 […]
Amazon SageMaker Canvas – 자연어를 기반 데이터 탐색 기능 출시
오늘은 Amazon SageMaker Canvas에서 자연어 명령을 사용하여 기계 학습(ML)용 데이터를 탐색, 시각화 및 변환하는 기능을 소개합니다. 이제 SageMaker Canvas에서 파운데이션 모델(FM) 기반 자연어 명령을 지원하여 데이터 탐색, 분석, 시각화 및 변환을 위한 포괄적인 데이터 준비 기능을 보완합니다. 이제 자연어 명령을 사용하여 데이터를 탐색하고 변환하여 매우 정확한 ML 모델을 구축할 수 있습니다. 이 새로운 기능은 Amazon […]
Amazon SageMaker Canvas – 대규모 비즈니스 분석을 위한 파운데이션 모델 활용
오늘은 Amazon Bedrock과 Amazon SageMaker Jumpstart의 파운데이션 모델(FM)을 코드 없이 사용할 수 있는 Amazon SageMaker Canvas의 새로운 기능을 소개합니다. 이 새로운 기능을 사용하면 특정 사용 사례에 대한 FM의 응답을 매우 정확하게 평가하고 생성할 수 있습니다. 모든 기업에는 고유한 도메인별 단어집이 있는데, 일반 모델은 이러한 단어집을 이해하거나 이에 응답하도록 훈련되지 않았습니다. Amazon SageMaker Canvas의 새로운 기능은 […]
Amazon SageMaker Profiler 미리 보기 – 모델 훈련 시 하드웨어 성능 데이터 추적 및 시각화 제공
새롭게 미리보기로 출시되는 Amazon SageMaker Profiler 기능은 SageMaker에서 딥 러닝(Deepl Learning) 모델을 훈련하는 동안 프로비저닝된 AWS 컴퓨팅 리소스에 대한 자세한 성능 데이터와 시각화를 제공합니다. SageMaker Profiler를 사용하면 CPU 및 GPU 사용률, GPU에서 커널 실행, CPU에서 커널 실행, 동기화 작업, GPU 전반의 메모리 작업, 커널 시작과 해당 실행 간의 지연 시간, 데이터 전송 등 CPU 및 GPU의 […]
Amazon SageMaker JumpStart를 통해 다양한 생성 AI 모델 활용하기
생성형 AI (Generative AI) 모델은 최근 몇 년 동안 상당한 발전을 이루었으며 현재 인공 지능 분야에서 활발히 연구되고 있는 분야입니다. 이러한 모델은 이미지, 음악, 텍스트 및 프로그래밍 코드와 같이 원래 훈련 데이터에서 발견된 것과 유사한 새로운 데이터 샘플을 생성할 수 있습니다. Amazon SageMaker JumpStart는 기계학습(ML) 모델 구축 및 배포를 가속화하기 위해 수백 개의 기본 제공 […]
Amazon SageMaker JumpStart, Meta의 Llama 2 파운데이션 모델 지원
Amazon SageMaker JumpStart를 통해 AWS 고객이 Meta에서 개발한 Llama 2 파운데이션 모델(Foundation Model)을 사용할 수 있게 되었습니다. 대규모 언어 모델(LLM)의 Llama 2 제품군은 70억에서 700억 매개변수를 가진 사전 훈련 및 미세 조정된 생성 텍스트 모델 모음입니다. Llama-2-chat이라고 하는 미세 조정된 LLM은 대화형 활용 사례에 최적화되어 있습니다. 이러한 모델을 쉽게 시험해보고 기계 학습(ML)을 빠르게 시작할 수 […]
Amazon SageMaker Pipelines로 멀티 테넌트 MLaaS 빌드 환경 구현
이 글은 AWS 파트너 블로그의 Implementing a Multi-Tenant MLaaS Build Environment with Amazon SageMaker Pipelines를 기반으로 서호성, 윤종화 AWS 파트너 솔루션즈 아키텍트가 한국어로 번역 및 편집하였습니다. 점점 더 많은 기업이 자체 독점 데이터뿐만 아니라 외부 및 타사 데이터를 사용하여 기계 학습(ML) 모델을 구축하고 있습니다. 학습된 모델은 새로운 수익원으로 외부 고객에게 제공될 수 있습니다. Amazon Web […]
Amazon SageMaker 지리 공간 기능 정식 출시 – 보안 업데이트 및 다양한 활용 사례 소개
AWS re:Invent 2022에서는 Amazon SageMaker의 지리 공간 기능을 미리 살펴보았습니다. 데이터 사이언티스트와 기계 학습(ML) 엔지니어는 이 기능을 사용하여 지리 공간 데이터로 ML 모델을 구축, 훈련 및 배포할 수 있습니다. Amazon SageMaker 기반 지리 공간 ML은 즉시 사용 가능한 지리 공간 데이터, 목적별 처리 작업 및 오픈 소스 라이브러리, 사전 훈련된 ML 모델 및 Amazon SageMaker의 […]
Amazon SageMaker Canvas – 바로 사용 가능 모델, 사용자 지정 텍스트 및 이미지 분류 모델 지원 기능 출시
오늘 Amazon SageMaker Canvas의 새로운 기능을 발표했습니다. 이 기능을 사용하면 비즈니스 분석가가 기계 학습(ML)을 통해 몇 분 만에 수천 줄의 문서, 이미지 및 텍스트에서 인사이트를 얻을 수 있습니다. 오늘부터 바로 사용할 수 있는 모델에 액세스하고 이전에 지원된 테이블 형식 데이터를 위한 사용자 지정 모델과 함께 사용자 지정 텍스트 및 이미지 분류 모델을 만들 수 있습니다. […]
Amazon SageMaker Canvas – 자체 모델을 통한 예측 생성 기능 추가
Amazon SageMaker Canvas는 비즈니스 분석가가 단 한 줄의 코드도 작성하지 않고도 기계 학습(ML)을 사용하여 비즈니스 문제를 해결할 수 있는 시각적 인터페이스를 제공합니다. 2021년에 SageMaker Canvas를 도입한 이후 데이터 과학자가 몇 번의 클릭만으로 학습된 모델을 비즈니스 분석가와 공유할 수 있도록 보다 개선되고 원활한 협업 환경에 대한 요청이 다수 있었습니다. 이제 어느 곳에서 구축되었든 상관없이 모든 ML […]