Amazon Web Services 한국 블로그

Category: AWS re:Invent

AWS Online Tech Talks – re:Invent 신규 서비스 알아보기

12월 동안 AWS 글로벌팀에서는 re:Invent 2018에서 출시된 신규 서비스에 대한 기능 및 이점을 알아보고, 라이브 데모와 궁금한 점을 질문할 수 있는 온라인 세미나를 진행합니다. 신규 출시 서비스를 간략하게 알아보는 한국 온라인 세미나는 아래 에서 보실 수 있습니다. AWS re:Invent 2018 신규 서비스 살펴보기 – 윤석찬, AWS 테크에반젤리스트 영어로 진행되는 세션은 한국 시간으로 새벽 시간이지만, 참여해 […]

Read More

AWS Step Functions, 워크플로 통합 관리에 8개 서비스 추가 (서울리전 포함)

AWS Step Functions는 애플리케이션 개발자를 위한 완전 관리형 워크플로우 서비스입니다. 고객은 높은 레벨에서 생각하고 작업하면서 안정적이고 반복 가능한 방식으로 작업을 연결 및 조율하는 동시에 비즈니스 로직을 워크플로우 로직으로부터 분리할 수 있습니다. 워크플로우(AWS에서는 이를 “상태 시스템”이라고도 부름)를 설계 및 테스트했으면 수만 개에서 수십만 개에 이르는 개별 워크플로우가 동시에 실행되도록 대규모로 배포할 수 있습니다. Step Functions는 각 […]

Read More

AWS Lambda 신규 기능 – Layers 기반 라이브러리 관리 및 Runtime API를 통한 모든 언어 지원

AWS Lambda가 2014년 출시되었던 당시의 흥분이 기억납니다! 4년이 지난 지금, 고객은 다양한 사용 사례에 Lambda 함수를 사용하고 있습니다. 예를 들어, iRobot은 AWS Lambda를 사용하여 Roomba 로봇 진공 청소기를 위한 컴퓨팅 서비스를 제공하고, Fannie Mae는 수백만 건의 모기지를 위한 몬테카를로 시뮬레이션을 실행하고, Bustle은 디지털 콘텐츠에 대한 수십억 건의 요청을 서비스합니다. 오늘, AWS는 서버리스 개발을 더욱 쉽게 만들어줄 두 […]

Read More

Amazon Elastic Inference 출시 – GPU 기반 딥러닝 추론 가속 서비스 (서울 리전 포함)

최근 인공 지능과 딥러닝이 발전한 이유 중 하나로 GPU(그래픽 처리 장치)의 환상적인 컴퓨팅 성능을 꼽을 수 있습니다. 약 10년 전 연구자들은 기계 학습과 고성능 컴퓨팅에 대규모 하드웨어 병렬 처리를 활용하는 방법을 찾아냈습니다. 관심 있는 분들은 2009년 스탠포드 대학이 발표한 논문(PDF)을 살펴보시기 바랍니다. 현재 GPU는 개발자와 데이터 과학자들이 의료 영상 분석이나 자율 주행을 구현하기 위해 복잡한 […]

Read More

Amazon Personalize – 실시간 개인화 및 추천 서비스 미리보기 출시

기계 학습이 제공하는 다양한 작업 주제 중에서 가장 흥미로운 주제는 개인화와 추천일 것입니다. 언뜻 보기에는 사용자가 좋아할 것 같은 항목을 연결하는 간단한 문제처럼 느껴집니다. 그러나 효율적인 추천 시스템을 개발하는 작업은 그리 쉽지 않습니다. 심지어 Netflix에서는 몇 년 전에 영화 추천 대회를 열면서 백만달러(한화 11억3천만원)에 달하는 상금을 걸었습니다! 실제로 실시간 개인화를 구축하고 최적화하고 배포하려면 분석, 응용 […]

Read More

Amazon SageMaker RL – 강화 학습 서비스 출시 (서울 리전 포함)

지난 몇 년간 기계 학습(Machine Learning)은 많은 관심을 받아왔으며, 의료 영상 분석부터 무인 주행 트럭까지 ML 모델을 통해 할 수 있는 복잡한 작업의 목록은 꾸준히 증가하고 있습니다. 이러한 최근 기계학습 기술은 어떤 방법이 있을까요? 간단히 말해 다음과 같은 3가지 방법으로 모델을 훈련할 수 있습니다. 지도 학습(Supervised Learning): 레이블이 지정된 데이터 세트(샘플 및 답변이 포함된 데이터 […]

Read More

Amazon SageMaker Ground Truth 서비스 – 데이터 레이블 작업 고도화 및 70% 비용 절감 가능

1959년, Arthur Samuel은 기계 학습을 “명시적으로 프로그래밍하지 않으면서도 컴퓨터에 학습할 수 있는 능력을 부여하는 연구 분야”로 정의했습니다. 하지만, 만능 솔루션은 없습니다. 이러한 학습 프로세스에는 알고리즘(“학습 방법”)과 학습 데이터 세트(“학습 방법”)가 필요합니다. 오늘날 대부분의 기계 학습 작업에는 지도 학습(supervised learning)이라는 기법이 사용됩니다. 레이블이 지정된 데이터 세트에서 패턴 또는 동작을 학습하는 알고리즘이죠. 레이블이 지정된 데이터 세트에는 데이터 […]

Read More

AWS Marketplace, 기계 학습 알고리즘 및 모델 분류 추가

AWS는 개발자 누구나 기계 학습 기술을 손쉽게 활용할 수 있도록 하고자 합니다. 2017년에 Amazon SageMaker를 출시한 것도 그 때문입니다. 그 후 전 세계 수천 개 고객사에서 사용하는 AWS 역사상 가장 빠르게 성장하는 서비스 중 하나로 자리 잡았습니다. Amazon SageMaker를 사용하는 고객은 Amazon SageMaker에서 제공되는 최적화된 알고리즘을 통해 완전관리형 MXNet, TensorFlow, PTorch 및 Chainer 알고리즘을 실행하거나 […]

Read More

AWS App Mesh, 마이크로서비스를 위한 서비스 메시

AWS App Mesh는 AWS의 마이크로 서비스 응용 프로그램 간 통신을 쉽게 모니터링하고 제어 할 수있게 해주는 서비스 메시입니다. Amazon Elastic Container Service (Amazon ECS), Amazon Elastic Container Service for Kubernetes (Amazon EKS) 및 Amazon EC2에서 실행되는 Kubernetes 에서 실행되는 마이크로 서비스와 함께 App Mesh를 사용할 수 있습니다. App Mesh는 현재 미리보기로 제공됩니다. 앞으로 몇 달 […]

Read More

Amazon SageMaker Neo – 다양한 하드웨어를 위한 기계학습 모델 컴파일러

기계 학습(Machine Learning)은 훈련(Training)과 추론(Inference)의 두 가지 단계로 나뉩니다. 훈련은 모델 구축과 관련됩니다. 즉, 데이터 세트에서 ML 알고리즘을 실행하여 유의미한 패턴을 식별합니다. 이 프로세스에는 다량의 스토리지와 컴퓨팅 파워가 필요하기 때문에 클라우드에서 Amazon SageMaker 및 AWS Deep Learning AMI 같은 서비스를 사용하여 ML 작업을 훈련하는 것이 적절합니다. 추론은 모델 사용과 관련됩니다. 즉, 모델이 한 번도 보지 […]

Read More