Amazon Web Services 한국 블로그

Category: Industries

Pulselive, 개인화된 온라인 스포츠 콘텐츠로 고객 참여 확대 사례

이 게시물은 Pulselive의 Mark Wood가 작성한 게스트 게시물입니다. Pulselive는 영국에 기반을 둔 기업으로서, 스포츠 부문의 주요 브랜드의 디지털 파트너이며, 본 게시물은 AWS의 공식 입장과 다를 수 있습니다. Pulselive는 공식 크리켓 월드컵 웹 사이트 또는 영국 프리미어 리그의 iOS 및 Android 앱을 비롯하여 스포츠 팬들이 이들 없이는 살 수 없을 정도의 경험을 만들어냅니다. 고객이 당사를 평가하는 […]

Read More

Amazon Lookout for Equipment로 설비 데이터 실시간 전송하기

설비의 가동률을 높이려고 하는 많은 제조 기업들이 제조 설비에 부착된 센서를 통해서 설비 이상 예측을 하기 위해서 대용량 센서 데이터를 모니터링하고 있습니다. 하지만, 많은 수의 센서를 사람이 직접 보고 설비의 이상 유무를 판단하는 것은 한계가 있습니다. 설비 이상 예측을 성공적으로 구현하려면 많은 기계 센서에서 수집된 특정 데이터를 기계학습(ML)에 적용하여 매우 정확한 예측을 수행해야 합니다. 그러나 […]

Read More

Amazon EC2 X2iezn 인스턴스 출시 – 최신 인텔 제온 스케일러블 CPU 기반 대용량 메모리 활용 가능

Electronic Design Automation(EDA) 워크로드에는 높은 컴퓨팅 성능과 큰 메모리 공간이 필요합니다. 성능이 빠를수록 적은 수의 코어에서 더 많은 작업을 완료 할 수 있기 때문에 이러한 워크로드는 더 빠른 CPU 성능과 더 높은 클럭 속도에 민감합니다. AWS re:Invent 2020에서는 Amazon EC2 M5zn 인스턴스를 출시했습니다. 이 인스턴스는 2세대 인텔 제온 스케일러블 (캐스케이드 레이크) 프로세서를 사용하며 이는 모든 […]

Read More

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 […]

Read More

Amazon HealthLake 정식 출시 – 의료 클라우드 AI 서비스

AWS re:Invent 2020에서는 의료 및 생명 과학 고객이 다양한 사일로 및 형식의 의료 정보를 구조화되고 중앙화된 AWS 데이터 레이크로 집계하고, 분석 및 기계 학습(ML)을 사용하여 해당 데이터에서 인사이트를 추출할 수 있는 완전관리형 HIPAA 지원 서비스인 Amazon HealthLake를 미리보기로 출시하였습니다. 오늘 Amazon HealthLake를 정식 출시 합니다. 어떤 규모에서든 신속하게 건강 데이터를 저장, 변환 및 분석할 수 […]

Read More

Amazon FinSpace – 금융 서비스를 위한 데이터 관리 및 분석 기능

데이터 관리는 금융 서비스 산업 (FSI) 의 핵심입니다. 저는 사설 은행 및 펀드 관리 회사에서 근무했으며 분석가가 포트폴리오 관리, 주문 관리 및 회계 시스템과 같은 내부 데이터 소스는 물론 실시간 시장 피드, 과거 주식 가격 및 대체 데이터 시스템과 같은 외부 데이터 소스에서 수백 페타바이트의 데이터를 수집, 집계 및 분석할 수 있도록 도왔습니다. 이 기간 […]

Read More

Amazon HealthLake – 클라우드 기반 의료 데이터 저장, 변환 및 분석 서비스 제공

의료 기관은 가족력과 임상 관찰부터 진단 및 약물 치료에 이르기까지 매일 방대한 양의 환자 정보를 수집합니다. 그리고 더 나은 의료 서비스를 제공하기 위해 환자의 건강 정보를 포괄적으로 이해하고자 이러한 모든 데이터를 사용합니다. 현재 이 데이터는 다양한 시스템(전자 의료 기록, 실험실 시스템, 의료 이미지 리포지토리 등)에 분산되어 있으며 수십 개의 호환되지 않는 형식으로 존재합니다. Fast Healthcare […]

Read More

Amazon Lookout for Vision – 새로운 ML 서비스로 제조 결함 감지 간소화 (서울 리전 포함)

오늘, 저는 산업 환경에서 고객이 생산 단위 및 장비의 외관 결함을 쉽고 비용 효율적으로 감지할 수 있도록 지원하는 새로운 기계 학습 (ML) 서비스인 Amazon Lookout for Vision을 발표하게 되어 기쁩니다. 이 이미지에서 결함이 있는 회로 기판을 찾을 수 있습니까? 회로 기판에 익숙하다면 해낼 수도 있겠지만, 저의 경우에는 오류를 찾아내는 데 상당한 시간이 걸렸습니다. 인간은 제대로 […]

Read More

AWS 스케일 아웃 컴퓨팅을 활용한 EDA 워크로드 확장 기법

EDA (Electronic Design Automation) 애플리케이션을 사용하는 반도체 및 전자 회사는 AWS에서 제공하는 무한한 컴퓨팅, 스토리지 및 기타 리소스를 활용하여 제품 개발의 수명 주기 및 출시 기간을 크게 단축할 수 있습니다. 이 블로그 게시물에서는 EDA 애플리케이션을 30,000개 이상의 코어로 확장할 수 있는 환경 구축하기 위한 아키텍처 및 시스템 수준의 지침을 제공합니다. EDA 워크로드에는 컴퓨팅 클러스터, 컴퓨팅 […]

Read More

AWS 기반 반도체 설계 워크플로 수행 방법 소개

AWS Semiconductor 및 Electronics팀은 AWS 고객에게 반도체 산업의 최신 연구 개발 동향과 AWS 기반 활용법을 알려드릭고 있습니다. 저희 팀은 전 세계에서 반도체 산업 수십 년의 경험을 가진 업계 리더로 구성된 팀으로, 프런트 엔드 설계 및 검증에서 백 엔드 제조, 패키징 및 조립에 이르기까지 AWS를 사용하여 중요한 반도체 워크플로를 가속화할 수 있도록 최선을 다하고 있습니다. AWS는 […]

Read More