Amazon Web Services 한국 블로그

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

AWS Well-Architected Tool – 모범 사례 기반의 워크로드 검토를 위한 셀프 서비스 도구

AWS가 2015년에 AWS Well-Architected Framework를 발표했을 때, Are You Well-Architected?라는 글을 게시했습니다. AWS의 Well-Architected 프레임워크에는 클라우드의 시스템 설계를 위한 핵심 전략과 모범 사례를 캡슐화하는, 다음과 같은 5가지 요소가 포함되어 있습니다. 운영 효율성 – 비즈니스 가치를 제공하도록 시스템을 운영하고 관리합니다. 보안 – 정보와 시스템을 보호합니다. 안정성 – 장애를 예방하고 신속하게 복구합니다. 성능 효율성 – IT 및 […]

Read More

Amazon Comprehend Medical – 의료 서비스 특성이 반영된 자연어 처리 서비스

대개 병원에서 의사들이 하는 인체 해부학, 외과 시술, 약물의 명칭이나 그 약어 등 복잡한 의학 용어가 나오면 이해하기가 쉽지 않습니다.  따라서, Amazon Comprehend의 의료 서비스 고객용 확장판인 Amazon Comprehend Medical는 이러한 의학 용어를 이해하는데 큰 도움을 줄 것으로 생각합니다. 우선 Amazon Comprehend는 지난 해 AWS re:Invent에서 출시되었습니다. 이 자연어 처리 서비스는 언어 감지, 엔터티 분류, […]

Read More

AWS DeepRacer 자율 주행 모형차 – 직접 체험하는 강화 학습

강화 학습은 “에이전트”가 상호작용이 가능한 환경에서 행동에 대한 피드백을 통하여 미리 정의된 목표에 도달하거나 일종의 점수 또는 보상을 최대화하여 학습하는 과정을 거치며 시행착오에 따라 행동하는 기계 학습의 한 영역입니다.  이는 추론을 위한 일련의 요소들(실제 데이터)을 사용해 훈련하는 지도 학습과 같은 다른 형태의 기계 학습과 대조를 이룹니다. 오늘은 AWS re:Invent에서 제공되는 강화 학습을 직접 체험할 수 있는 […]

Read More

11월 22일 AWS 서울 리전 이슈의 후속 조치 안내

Read in English AWS 코리아에서 고객 여러분께 간략하게 중요한 업데이트 사항을 공유 드립니다. 지난 11월 22일(목) 오전 AWS 서울 리전의 일부 DNS 서버 설정이 잘못되어 84분 동안 Amazon EC2 인스턴스의 DNS 확인을 방해하는 일이 발생했습니다. 당시 설정 오류는 바로 해결되었으며, 그 이후 서비스는 정상적으로 운영되고 있습니다. 다시 한번, AWS는 이로 인해 한국 고객 여러분들께 불편을 끼친 […]

Read More

AWS 주간 소식 모음 – 2018년 12월 10일

안녕하세요! 여러분~ 매주 월요일 마다 지난 주에 업데이트된 국내 AWS관련 콘텐츠를 정리해 드립니다. AWS 클라우드에 대한 새로운 소식을 확인하시는데 많은 도움 되시길 바랍니다. 혹시 빠지거나 추가할 내용이 있으시면, 저에게 메일 주시면 추가 공유해 드리겠습니다. AWS코리아 블로그 Amazon DynamoDB On-Demand 기능 출시 (서울 리전 포함) (2018-12-08) Amazon EC2 인스턴스 최대 절전 모드 기능 추가 (서울 리전 포함) (2018-12-07) AWS Cloud […]

Read More

Amazon DynamoDB On-Demand 기능 출시 (서울 리전 포함)

Amazon DynamoDB는 Amazon이 2007년에 발행한 Dynamo 백서에 실린 원칙을 바탕으로 만들어졌으며, 지난 몇 년 동안 AWS 고객의 데이터베이스 사용 방식을 더욱 단순화하는 새로운 기능이 많이 도입되었습니다. 유휴 상태의 암호화, 시점 복구, 인 메모리 캐싱, 오토 스케일링, 99.99%의 가동 시간 SLA(서비스 수준 계약) 등의 기능을 갖추었고, 멀티 리전 글로벌 테이블을 만들 수 있습니다. 하지만, 여전히 많은 […]

Read More