Category: Announcements

오늘 AWS는 Amazon Route 53 Application Recovery Controller의 새로운 기능인 Zonal autoshift(영역 자동변속)을 출시합니다. 이 기능을 사용하면 AWS에서 가용 영역에 영향을 미치는 잠재적 장애를 식별할 때 워크로드의 트래픽을 해당 가용 영역 이외의 위치로 자동으로 안전하게 전환하고 장애가 해결되면 다시 되돌릴 수 있습니다. 복원력이 뛰어난 애플리케이션을 배포할 때는 일반적으로 한 리전의 여러 가용 영역에 리소스를 배포합니다. […]

지난 9월에 Knowledge Bases for Amazon Bedrock(평가판)을 소개했습니다. 오늘부터 Knowledge Bases for Amazon Bedrock을 정식 버전으로 사용할 수 있습니다. Knowledge base(기술 자료)를 사용하면 Amazon Bedrock의 파운데이션 모델(FM)을 회사 데이터에 안전하게 연결하여 검색 증강 생성(RAG)을 지원할 수 있습니다. 추가 데이터에 액세스하면 지속적으로 FM을 재훈련할 필요 없이 관련성이 높고 상황에 맞는 정확한 응답을 생성하는 데 도움이 됩니다. […]

오늘, 두 가지 새로운 Amazon Titan 멀티모달 파운데이션 모델(FM)인 Amazon Titan Image Generator(프리뷰)와 Amazon Titan Multimodal Embeddings을 소개합니다. 또한 Amazon Titan Text Lite와 Amazon Titan Text Express가 이제 Amazon Bedrock에서 정식 출시되었다는 소식을 전하게 되어 기쁩니다. 이제 Amazon Titan Multimodal Embeddings을 포함하여 출시된 세 가지 Amazon Titan Text FM 중에서 선택할 수 있습니다. Amazon Titan […]

책임 있는 인공 지능(AI) 전략의 일환으로 이제 Amazon Bedrock Guardrails(미리 보기)을 사용하여 사용 사례와 책임 있는 AI 정책에 맞게 사용자 지정된 보호 장치를 구현함으로써 사용자와 생성형 AI 애플리케이션 간의 안전한 상호 작용을 촉진할 수 있습니다. AWS는 교육과 과학에 중점을 두고, AI 수명 주기 전반에 걸쳐 책임 있는 AI를 통합할 수 있도록 개발자를 지원함으로써 사람 중심의 […]

지난 7월에 Amazon Bedrock용 에이전트(미리보기)를 소개했습니다. 오늘부터 Amazon Bedrock용 에이전트를 정식 버전으로 사용할 수 있습니다. Amazon Bedrock용 에이전트는 여러 단계의 태스크를 오케스트레이션하여 생성형 인공 지능(AI) 애플리케이션 개발을 가속화하는 데 도움이 됩니다. 에이전트는 파운데이션 모델(FM)의 추론 기능을 사용하여 사용자 요청 태스크를 여러 단계로 분할합니다. 개발자 제공 지침을 사용하여 오케스트레이션 계획을 만듭니다. 그런 다음 회사 API를 호출하고 […]

오늘 AWS는 클라우드 도입을 가속화하고 생산성을 개선하며 혁신을 주도할 수 있는 완전관리형 지식 서비스인 AWS re:Post Private를 출시합니다. re:Post Private을 사용하면 조직에서 협업을 강화하고 클라우드 커뮤니티를 위해 구축된 지식 리소스에 액세스할 수 있습니다. 이 서비스에는 AWS에서 엄선한 기술 콘텐츠 및 교육 자료 모음이 포함됩니다. 콘텐츠는 조직 구성원과 AWS Account 팀을 위한 비공개 토론 및 협업 […]

오늘부터 AWS Clean Rooms 차등 프라이버시(평가판)를 사용하여 몇 단계만 거치면 수학적으로 뒷받침되며 직관적인 제어 기능을 통해 사용자의 개인 정보를 보호할 수 있습니다. AWS Clean Rooms의 완전 관리형 기능이므로 사용자 재식별을 방지하는 데 유용한 차등 프라이버시 작업이 사전에 필요하지 않습니다. AWS Clean Rooms 차등 프라이버시는 협업에서의 종합적인 인사이트 생성에 개별 데이터의 기여가 도드라지지 않게 하기 때문에, […]

Amazon SageMaker Clarify에서 이제 파운데이션 모델(FM) 평가(미리 보기)가 지원됩니다. 이제 데이터 과학자 또는 기계 학습(ML) 엔지니어는 SageMaker Clarify를 사용하여 정확성, 견고성, 창의성, 사실적 지식, 편향, 유해성 등의 지표를 기반으로 몇 분 만에 FM을 평가, 비교 및 선택할 수 있습니다. 이 새로운 기능은 SageMaker Clarify의 기존 기능에 추가되어 ML 데이터 및 모델의 편향을 감지하고 모델 예측을 […]

오늘, 배포 비용을 최적화하고 지연 시간을 줄이는 데 도움이 되는 새로운 Amazon SageMaker 추론 기능을 발표합니다. 이 새로운 추론 기능을 사용하면 동일한 SageMaker 엔드포인트에 하나 이상의 파운데이션 모델(FM)을 배포하고 각 FM에 예약되는 액셀러레이터 수와 메모리 양을 제어할 수 있습니다. 이렇게 하면 리소스 활용도를 높이고 모델 배포 비용을 평균 50% 절감하며 사용 사례에 따라 엔드포인트 규모를 […]

이제 Amazon SageMaker에서 개선된 모델 배포 경험을 통해 기존 기계 학습(ML) 모델과 파운데이션 모델(FM)을 더 빠르게 배포할 수 있습니다. 데이터 사이언티스트 또는 ML 실무자는 이제 SageMaker Python SDK의 새로운 ModelBuilder 클래스를 사용하여 모델을 패키징하고 로컬 추론을 수행하여 런타임 오류를 검증하며 로컬 IDE 또는 SageMaker Studio 노트북에서 SageMaker를 배포할 수 있습니다. SageMaker Studio의 새로운 대화형 모델 […]