Category: Amazon SageMaker

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 […]

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 […]

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 […]

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 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 […]

데이터는 기계 학습의 원동력입니다. 기계 학습에서 데이터 준비는 원시 데이터를 추가 처리 및 분석에 적합한 형식으로 변환하는 프로세스입니다. 데이터 준비를 위한 일반적인 프로세스는 데이터를 수집한 다음 정리하고 레이블을 지정하고 마지막으로 검증 및 시각화하는 것으로 시작됩니다. 고품질의 데이터를 올바로 얻는 프로세스는 보통 복잡하고 시간이 많이 걸릴 수 있습니다. 이것이 바로 AWS에서 기계 학습(ML) 워크로드를 구축하는 고객들이 […]

매일 지도 앱을 사용하여 좋아하는 레스토랑을 찾거나 지리공간 데이터를 사용하여 가장 빠른 경로를 여행할 수 있습니다. 지리공간 데이터에는 건물 위치(점), 도로(선) 또는 토지 경계(다각형)와 같은 2차원 평면 도형을 사용하는 벡터 데이터와 위성 및 항공 이미지와 같은 래스터 데이터라는 두 가지 유형이 있습니다. 작년에 개발자들이 애플리케이션에 위치 기능을 쉽게 추가할 수 있는 Amazon Location Service를 도입했습니다. […]

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 […]

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 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 […]