Amazon Web Services 한국 블로그

Category: Amazon SageMaker

Amazon SageMaker Clarify – 데이터 편향성 감지를 통한 기계 학습 모델의 투명성 개선

오늘 Amazon SageMaker Clarify를 발표하게 되어 매우 기쁩니다. Amazon SageMaker의 새로운 기능인 Clarify는 이해관계자와 고객에게 모델의 동작을 설명함으로써 기계 학습(ML) 모델의 바이어스를 감지하고 투명성을 개선하는 데 도움이 됩니다. 데이터 세트에 존재하는 통계 패턴을 학습하는 훈련 알고리즘에 의해 ML 모델이 구축되기 때문에 몇 가지 질문이 즉시 떠오릅니다. 첫째, ML 모델이 특정 예측을 제시하는 이유를 설명할 수 […]

Read More

Amazon SageMaker Pipelines – 기계 학습 프로젝트에 DevOps 자동 배포 기능 제공

오늘 Amazon SageMaker의 새로운 기능인 Amazon SageMaker Pipelines를 출시합니다. 이 기능을 사용하면 데이터 사이언티스트 및 엔지니어가 전체 기계 학습 파이프라인을 쉽게 구축하고 자동화하여 확장할 수 있습니다. 기계 학습(ML)은 본질적으로 실험적이며 예측할 수 없습니다. 여러 가지 많은 방법으로 며칠 또는 몇 주에 걸쳐 데이터를 탐색하고 처리하며, 귀중한 보석을 찾기 위해 반짝이는 정동석을 깨뜨리려고 합니다. 그리고 다양한 […]

Read More

Amazon SageMaker Feature Store – 기계 학습 피처 저장, 검색 및 공유 기능 제공

오늘 Amazon SageMaker의 새로운 기능인 Amazon SageMaker Feature Store를 소개하게 되어 정말 기쁩니다. 이 기능을 사용하면 데이터 사이언티스트와 기계 학습 엔지니어는 훈련 및 예측 워크플로에서 사용되는 준비된 데이터를 쉽고 안전하게 저장, 검색 및 공유할 수 있습니다. 기계 학습(ML) 모델을 훈련하는 올바른 알고리즘 선택의 중요성 때문에 숙련된 실무자는 고품질 데이터 제공의 중요성을 잘 알고 있습니다. 데이터 […]

Read More

Amazon SageMaker Data Wrangler – 기계 학습을 위해 데이터를 준비하는 시각적 인터페이스 제공

오늘 Amazon SageMaker의 새로운 기능인 Amazon SageMaker Data Wrangler를 소개하게 되어 정말 기쁩니다. 이 기능을 사용하면 데이터 사이언티스트와 엔지니어가 시각적 인터페이스를 사용하여 기계 학습(ML) 애플리케이션을 위한 데이터를 쉽고 빠르게 준비할 수 있습니다. 데이터 사이언티스트와 ML 엔지니어 그룹에 실제로 ML 문제를 연구하는 데 얼마나 많은 시간을 할애하는지 물어볼 때마다 이들은 단체로 한숨을 쉰 후에 “운이 좋으면 […]

Read More

Amazon SageMaker JumpStart로 사전 구축된 모델과 기계 학습 솔루션 액세스 단순화

오늘 Amazon SageMaker JumpStart 출시 소식을 발표할 수 있게 되어 무척 기쁩니다. 이는 Amazon SageMaker의 한 기능으로, 클릭 한 번으로 인기 모델 컬렉션(“모델 동물원”으로도 알려진)과 공통적인 사용 사례를 해결하는 전체적 솔루션에 액세스하여 기계 학습 워크플로를 가속화할 수 있습니다. 최근 몇 년 동안, 기계 학습(ML)은 업무 프로세스를 개선하고 자동화하는 데 중요한 기술이라는 것이 입증되었습니다. 실제로 과거 […]

Read More

Amazon SageMaker Studio, 서울 리전 출시

Amazon SageMaker Studio는 기계 학습 모델을 쉽게 빌드, 훈련, 디버깅, 배포 및 모니터링할 수 있게 해주는 기계 학습을 위한 웹 기반의 통합 개발 환경(IDE)입니다. Studio는 생산성을 높이는 동시에 실험에서 생산에 이르기까지 모델을 적용하는 데 필요한 모든 도구를 제공합니다. 단일 통합 시각적 인터페이스에서 고객은 다음 작업을 수행할 수 있습니다. 작년 AWS re:Invent에서 출시 된 후, 꾸준한 […]

Read More

Amazon SageMaker, 기계 학습 분야를 선도하다! GPU 인스턴스 요금 최대 18% 인하 발표

Amazon Web Services(AWS)는 2006년 이래로 수백만 개의 고객사가 IT 워크로드를 구축하고 관리하는 작업을 도왔습니다. 스타트업에서 대기업, 공공 기관에 이르기까지 모든 규모의 기관이 AWS 클라우드 컴퓨팅 서비스에서 지금까지 경험해보지 못한 수준의 보안, 회복성, 확장성을 얻고 있습니다. 이들은 나날이 실험, 혁신, 프로덕션 배포에 소요되는 시간을 단축하고, 그 어느 때보다도 큰 비용을 절감하고 있습니다. 이에 따라 비즈니스 기회를 […]

Read More

Amazon SageMaker Ground Truth – 동영상 레이블 지정 기능 출시 (서울 리전 포함)

AWS re:Invent 2018에서 공개된 Amazon Sagemaker Ground Truth는 기계 학습 데이터 세트에 간편하게 주석을 기록해주는 Amazon SageMaker의 기능입니다. 고객은 내장 워크플로로 효율적이고 정확하게 이미지, 텍스트 및 3D 포인트 클라우드에 레이블을 지정하거나 사용자 지정 워크플로로 모든 유형의 데이터에 레이블을 지정할 수 있습니다. 데이터 샘플이 인력(개인, 타사 또는 MTurk)에게 자동으로 배포되고 주석이 Amazon Simple Storage Service(S3)에 저장됩니다. […]

Read More

Amazon SageMaker와 Deep Graph Library를 이용한 이종 네트워크에서 사기 탐지하기

이상 행위자나 의심스러운 계정으로 인해서 매년 수 십조 원의 손실이 발생하고 있습니다. 시스템에서 악의적인 행동들이 일어나는 것을 방지하기 위해서 많은 기업들은 규칙 기반 필터를 적용하고 있지만, 이 필터들은 다루기 힘들기도 하고 악의적인 행동 전체를 잡아내지 못합니다. 하지만 그래프 기술과 같은 솔루션들은 이상 행위자나 악의적인 사용자를 탐지하는데 아주 적합합니다. 이상 행위자는 규칙 기반의 시스템이나 단순한 특징 […]

Read More

Amazon SageMaker와 Apache Airflow을 통한  기계학습 워크플로 구축하기

기계 학습(Machine Learning, ML) 워크플로는 데이터 수집 및 변환을 가능하게 함으로써 ML 작업 순서를 오케스트레이션하고 자동화합니다. 그런 다음 ML 모델을 학습, 테스트 및 평가하여 결과를 얻습니다. 예를 들어 Amazon SageMaker에서 모델을 학습하고 모델을 프로덕션 환경에 배포하여 추론하기 전에 Amazon Athena에서 쿼리를 수행하거나 AWS Glue에서 데이터를 통합하고 준비 할 수 있습니다. 이러한 작업을 자동화하고 다양한 서비스에서 […]

Read More