Amazon Web Services 한국 블로그

Category: Amazon SageMaker

RStudio on Amazon SageMaker – 데이터 사이언티스트를 위한 완전 관리형 개발 도구

2년 전, AWS는 기계 학습을 위한 최초의 완전 통합형 개발 환경(IDE)인 Amazon SageMaker Studio를 도입했습니다. Amazon SageMaker Studio는 모든 기계 학습 개발 단계를 수행할 수 있는 단일 웹 기반 시각적 인터페이스를 제공하여 데이터 과학 팀의 생산성을 최대 10배까지 향상시킵니다 많은 데이터 사이언티스트는 R 프로젝트를 선호합니다. 이는 18,000개 이상의 패키지가 포함된 오픈 소스 생태계로, 그저 프로그래밍 […]

Amazon Advertisement, Amazon SageMaker 및 AWS Inferentia를 사용한 광고 이미지 검증 확장 사례

Amazon Advertisement 팀은 15개 국 이상에서 웹사이트, 앱, 스트리밍 TV 콘텐츠 등 Amazon 스토어 안팎에 게재되는 광고를 통해 기업이 브랜드를 구축하고 쇼핑객과 소통할 수 있도록 지원합니다. Amazon Marketplace의 등록된 셀러, 공급 업체, 도서 공급업체, Kindle Direct Publishing(KDP) 저자, 앱 개발자 및 에이전시를 비롯한 모든 규모의 기업 또는 브랜드는 이미지, 동영상, 오디오 및 Amazon에서 판매되는 제품 […]

현대자동차, Amazon SageMaker 기반 자율 주행 기계 학습 모델의 학습 시간 단축 사례

현대자동차는 세계에서 가장 큰 자동차 제조업체 중 하나이며, 최근에 자율 주행차를 직접 개발하기 위해 다양한 인적 및 물적 자원을 많이 투자하고 있습니다. 자율 주행에서 자주 사용되는 알고리즘 중 하나로, 이미지의 모든 픽셀에 클래스를 할당하는 작업인 의미 분할(semantic segmentation)이라는 것이 있습니다. 여기서 클래스는 도로, 사람, 자동차, 건물, 풀과 나무, 하늘 등이 될 수 있습니다. 현대자동차 개발팀은 […]

Amazon SageMaker, 엔터프라이즈 MLOps 플랫폼 선두주자 선정

지난 몇 년 동안 기계 학습(ML)은 조직의 효율성을 높이고 혁신을 촉진하는 데 있어 그 가치가 입증되었습니다. 기계 학습이 성숙해지면서 실험에서 생산으로 자연스럽게 초점이 바뀌고 있습니다. 일관되고 신뢰할 수 있는 방식으로 모델 구축, 훈련, 배포 및 관리하려면 기계 학습 프로세스를 간소화, 표준화 및 자동화해야 합니다. 보안, 고가용성, 확장, 모니터링 및 자동화와 같은 오랜 IT 문제도 매우 […]

Amazon Redshift ML 정식 출시 – SQL기반 기계 학습 모델 생성 및 예측 수행 (서울 리전 포함)

Amazon Redshift를 사용하면 SQL로 엑사바이트의 구조적 및 반구조화된 데이터를 데이터 웨어하우스, 운영 데이터베이스및 데이터 레이크 전반에서 쿼리하고 결합할 수 있습니다. 이제 AQUA (고급 쿼리 가속기) 를 일반적으로 사용할 수 있으므로 추가 비용 및 코드 변경 없이 쿼리 성능을 최대 10배까지 향상시킬 수 있습니다. 실제로 Amazon Redshift는 다른 클라우드 데이터 웨어하우스보다 최대 3배 향상된 가격 대비 […]

Amazon SageMaker 인스턴스 가격 인하 및 Savings Plans를 통해 기계 학습 비용 절감

AWS re:Invent 2017에서 출시된 Amazon SageMaker는 이미 수만 명의 고객이 AWS에서 기계 학습(ML) 워크플로를 신속하게 구축하고 배포할 수 있도록 도와준 완전 관리형 서비스입니다. 고객이 비용 대비 ML 효과를 극대화할 수 있도록 Managed Spot Training, Multi-Model Endpoints, Amazon Elastic Inference 및 AWS Inferentia와 같은 일련의 비용 최적화 서비스 및 기능을 추가했습니다. 실제로 고객은 자체 관리형 Amazon […]

새로운 기능 – Amazon SageMaker Debugger 기반 기계 학습 훈련 작업 프로파일링

오늘 Amazon SageMaker Debugger가 기계 학습 모델을 프로파일링하여 하드웨어 리소스 사용으로 인한 훈련 문제를 훨씬 쉽게 식별하고 수정할 수 있음을 발표하게 되어 매우 기쁩니다. 다양한 비즈니스 문제에 대해 인상적인 성능을 발휘하고 있지만 기계 학습(ML)은 여전히 신비한 주제입니다. 이를 바로 잡는 것은 과학, 장인 정신(일부는 마법사라고 말할 것입니다), 때로는 행운의 연금술입니다. 특히 모델 훈련은 데이터 세트의 […]

새로운 기능 – Amazon SageMaker 기반 수십억 개의 파라미터로 딥 러닝 모델 훈련 간소화

오늘 Amazon SageMaker에서 이전에 하드웨어 한계로 인해 훈련이 어려웠던 매우 큰 딥 러닝 모델의 훈련을 단순화 할 수 있는 기능을 발표하게 되어 매우 기쁩니다. 지난 10년 동안 딥 러닝(DL)이라는 기계 학습 관련 기술은 세계에 큰 반향을 일으켰습니다. 신경망을 기반으로 DL 알고리즘은 이미지, 비디오, 음성 또는 텍스트와 같은 방대한 양의 비정형 데이터에 숨겨진 정보 패턴을 추출하는 […]

Amazon SageMaker Edge Manager – 엣지 디바이스에서 기계 학습 모델 운영 간소화

오늘 Amazon SageMaker Edge Manager를 발표하게 되어 기쁩니다. Amazon SageMaker의 새로운 기능으로 엣지 디바이스 플릿에서 기계 학습 모델을 간편하게 최적화, 보안, 모니터링 및 유지 관리합니다. 엣지 컴퓨팅은 정보 기술 분야에서 가장 흥미로운 개발 중 하나입니다. 실제로 컴퓨팅, 스토리지, 네트워킹 및 배터리 기술의 지속적인 발전으로 인해 조직에서는 제조, 에너지, 농업, 의료 등 다양한 산업 애플리케이션을 위해 […]

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 […]