Amazon Web Services 한국 블로그

Tag: 서울 리전 소식

Amazon SageMaker Autopilot – 완벽한 제어 및 가시성을 바탕으로 고품질 기계 학습 모델 자동 생성 기능 (서울 리전 포함)

Amazon SageMaker Autopilot은 높은 품질의 분류 및 회귀 기계 학습 모델을 자동으로 생성하면서도, 완벽한 제어 및 가시성을 제공하는 AutoML 서비스입니다. 1959년에 Arthur Samuel은 기계 학습을 명시적 프로그래밍 없이 학습할 수 있는 컴퓨터의 기능이라고 정의했습니다. 그러나, 현실적으로 기존 데이터 세트에서 패턴을 추출하고 이러한 패턴을 사용하여 새 데이터에 일반화되는 예측 모델을 구축할 수 있는 알고리즘을 찾는 것을 […]

Read More

Amazon SageMaker Model Monitor – 기계 학습 모델을 위한 완전 관리형 자동 모니터링 기능 출시 (서울 리전 포함)

Amazon SageMaker Model Monitor는 정식 서비스 환경에서 기계 학습(ML) 모델을 모니터링하고, 데이터 품질 문제가 발생했을 때 이를 알려주는 새로운 서비스입니다. 데이터 작업을 시작하면서 때 처음 깨달은 것은 데이터 품질에 아무리 주의를 기울여도 부족하다는 것입니다. 데이터베이스 중 하나에서 예기치 않은 NULL 값이나 복잡한 문자 인코딩 때문에 발생한 문제를 해결하기 위해 수많은 시간을 보낸 경험을 여러분 모두 […]

Read More

Amazon SageMaker Experiments – 반복적인 기계 학습 모델 훈련 구성, 추적 및 평가 기능 출시 (서울 리전 포함)

Amazon SageMaker Experiments는 반복적인 기계 학습(Machine Learning, ML) 모델 버전을 구성, 추적, 비교 및 평가하는 데 사용되는 새로운 기능입니다. 기계 학습 워크로드는 매우 반복적인 과정입니다. 프로젝트 한 건을 진행하는 동안 데이터 과학자와 ML 엔지니어가 최대한의 정확성을 찾기 위해 학습하는 모델의 수는 수천 개에 달합니다. 실제로, 알고리즘, 데이터 세트 및 학습 파라미터(일명 하이퍼파라미터)의 조합은 무한대이며 이 […]

Read More

Amazon Redshift – 데이터 레이크 내보내기 및 통합 질의 기능 출시 (서울 리전 포함)

데이터 웨어하우스는 트랜잭션 시스템 및 업무용 애플리케이션에서 생성되는 관계형 데이터를 분석하는 데 최적화된 데이터베이스입니다. Amazon Redshift는 표준 SQL과 기존 BI(비즈니스 인텔리전스) 도구를 사용하여 데이터를 간편하고 비용 효율적으로 분석할 수 있는 완전 관리형 데이터 웨어하우스입니다. 데이터 웨어하우스에 맞지 않는 구조화되지 않은 데이터로부터 정보를 얻으려면 데이터 레이크를 빌드할 수 있습니다. 데이터 레이크는 구조화된 데이터와 구조화되지 않은 데이터 모두 […]

Read More

Amazon Redshift 업데이트 – 차세대 컴퓨팅 인스턴스(RA3)와 관리형 분석 최적화 스토리지 출시 (서울 리전 포함)

Amazon Redshift는 2012년에 출시된 전 세계에서 가장 인기 있는 클라우드 기반 데이터 웨어하우스입니다. 빠른 성능, 복잡한 쿼리에 대한 지원 및 트랜잭션 기능을 업계 최고의 가성비로 제공하여 꾸준한 사랑을 받고 있습니다. 원래 Redshift 모델은 컴퓨팅 파워와 스토리지 용량이 꽤 긴밀하게 연결됩니다. 특정 수의 인스턴스로 클러스터를 생성하면 각 인스턴스가 제공하는 로컬 스토리지의 양을 약정에 따라 사용하게 됩니다(경우에 […]

Read More

Amazon S3 Access Point – 손쉽게 공유 데이터 세트를 관리하기 위한 엔드 포인트 출시 (서울 리전 포함)

클라우드 컴퓨팅의 기본적인 구성 요소 중 하나는 안전하고 확장 가능하며 탁월한 내구성과 고가용성을 보장하는 스토리지입니다. 2006년에 AWS가 최초로 출시한 서비스가 Amazon Simple Storage Service(S3)는 현재 많은 AWS 서비스의 기반 구성 요소로 사용되었습니다. 지난 10년간 S3는 Amazon Redshift, Amazon Athena, Amazon EMR 및 AWS Lake Formation 같은 기능에서 객체를 저장하고 이러한 데이터를 통찰력으로 변환하는 엔진으로 활용되었습니다. […]

Read More

AWS Fargate, 스팟(Spot) 구매 옵션을 통해 최대 70% 비용 할인 (서울 리전 포함)

오늘 부터 AWS Fargate 스팟 구매 옵션을 사용할 수 있습니다. Fargate 스팟은 Fargate 요금에서 최대 70% 할인된 가격으로 제공 되며, 이는 EC2 스팟 인스턴스와 동일한 개념입니다. 즉, AWS 클라우드의 예비 용량을 사용하여 Fargate 스팟 용량이 제공되면 지정한 요청에 따라 작업을 시작할 수 있습니다. 항상 그렇듯이 AWS에서 용량이 다시 필요해지면 Fargate 스팟에서 실행 중인 작업이 중단됩니다. […]

Read More

Amazon ECS 클러스터 자동 스케일링 정식 출시 (서울 리전 포함)

Amazon Elastic Container Service(ECS) 클러스터에 대한 자동 스케일링(Auto Scaling)을 정식 출시합니다. 이 신규 기능은 클러스터 스케일아웃의 속도 및 안정성을 높이고, 클러스터에 유지되는 예비 용량을 제어하는 기능을 제공하며, 클러스터를 스케일인할 때 인스턴스 종료를 자동으로 관리하여 클러스터 조정 경험을 개선합니다. ECS 클러스터 Auto Scaling을 활성화하려면 용량 공급자라고 하는 새 ECS 리소스 유형을 생성해야 합니다. EC2 ASG(Auto Scaling […]

Read More

Amazon EC2 Image Builder – OS 이미지 빌드 파이프라인 자동화 (서울 리전 포함)

Amazon EC2에 사용되는 AMI(Amazon Machine Image)를  최신 상태로 유지하려면 인스턴스 업데이트 및 스냅샷 생성 작업을 수동으로 수행하거나 이미지를 유지 관리하는 자동화 스크립트를 빌드해야 합니다. 두 방법 모두 여전히 시간 소모적이고 리소스 집약적이며 오류가 발생하기 쉽습니다. 오늘 부터 자동화된 빌드 파이프라인을 사용하여 Windows Server 및 Amazon Linux 2용 보안 OS 이미지를 더 쉽고 빠르게 빌드하고 유지 […]

Read More

AWS IAM Access Analyzer – 수학적 자동 추론을 통한 접근 제어 기능 추가 (서울 리전 포함)

AWS IAM Access Analyzer는 클라우드 자원에 연결된 액세스 제어 정책을 수학적으로 분석하여, AWS 계정 내의 접근 제어의 전체적인 영향을 파악할 수 있으므로 외부의 의도하지 않은 액세스로부터 보호할 수 있습니다. IAM Access Analyzer는 Amazon Simple Storage Service(S3) 버킷, IAM 역할, AWS Key Management Service(KMS) 키, AWS Lambda 함수 및 Amazon Simple Queue Service(SQS) 대기열에 대한 모든 […]

Read More