AWS 기술 블로그
Category: Amazon Machine Learning
NAB Show 2025, AWS의 최신 생성형 AI 및 라이브 클라우드 스포츠 제작 기능 선보여
“이 글은 AWS M&E Blog에 게시된 NAB Show 2025 featured latest generative AI, live cloud sports production capabilities from AWS를 한국어 번역 및 편집하였습니다.” 160개국에서 온 55,000명 이상의 미디어 및 엔터테인먼트 전문가들이 NAB Show 2025를 위해 라스베이거스에 모였습니다. 올해 행사에서 Amazon Web Services(AWS)는 새로운 혁신, 업계 발표 및 기억에 남는 순간들을 선보였습니다. 창조하고. 연결하고. 매료시키다. […]
Amazon Bedrock에서 프롬프트 캐싱 효과적으로 사용하기
이 글은 Effectively use prompt caching on Amazon Bedrock by Sharon Li, Kosta Belz, Satveer Khurpa, Sean Eichenberger, and Shreyas Subramanian 을 한국어 번역 및 편집하였습니다. 프롬프트 캐싱은 현재 Amazon Bedrock에서 Anthropic의 Claude 3.5 Haiku와 Claude 3.7 Sonnet, Claude 4 Sonnet과 Opus, 그리고 Nova Micro, Nova Lite, Nova Pro 모델 등과 함께 사용 가능하며, 자주 […]
더블유젯소프트(WZSOFT)의 미음 챗봇 도입기: AWS Bedrock 기반 AI 챗봇으로 뷰티샵 상담 자동화 하기
들어가며 더블유젯소프트(WZSOFT)는 뷰티샵 운영의 디지털 전환을 선도하는 SaaS 플랫폼 미음을 통해, 예약 관리, 고객 응대, 매출 분석 등 운영에 필요한 기능을 통합적으로 제공합니다. 미음은 디자이너가 시술에 집중할 수 있도록 반복적인 관리 업무를 자동화하고, 매장 운영 효율을 극대화하는 것을 목표로 합니다. 뷰티샵의 고객 상담은 운영 시간, 시술 가격, 예약 변경 등 정형화된 문의가 대부분입니다. 하지만 이러한 […]
티오더의 Amazon Bedrock을 활용한 MCP 기반 운영 플랫폼 개발기
티오더는 ‘테이블 오더’ 서비스를 시작으로, F&B 시장의 새로운 패러다임을 만들어나가고 있는 기업입니다. 누적 25만 대 이상의 태블릿 설치 대수와 매월 2,500만 명 이상의 사용자를 보유하며 태블릿 메뉴판 시장에서 업계를 선도해 나가고 있습니다. 다양한 사용자의 데이터를 수집 및 가공하여 F&B 시장에 꼭 필요한 정보를 추출하고, 가공한 데이터를 다시 매장의 사장님께 제공함으로써 서로 상생해나가는 선순환 구조를 확립하였습니다. […]
Amazon Bedrock Agents와 AWS Support 자동화 워크플로우(SAW)를 통한 AWS 리소스 문제 해결 간소화
이 글은 AWS Machine Learning Blog에 게시된 Streamline AWS resource troubleshooting with Amazon Bedrock Agents and AWS Support Automation Workflows by Wael Dimassi and Marwen Benzarti 를 한국어 번역 및 편집하였습니다. AWS 환경이 복잡해짐에 따라, 리소스 관련 문제를 해결하는 것은 어려운 작업이 될 수 있습니다. 특히 복잡한 시스템을 다룰 때 수동으로 문제를 조사하고 해결하는 것은 […]
Amazon Bedrock과 LangGraph로 Multi Agent 시스템 구현하기
이 글은 AWS Machine Learning Blog 에 게시된 Build multi-agent systems with LangGraph and Amazon Bedrock by Jagdeep Singh Soni, Ajeet Tewari, and Rupinder Grewal 을 한국어 번역 및 편집 하였습니다. 대규모 언어 모델(LLM)은 사용자가 자연어로 애플리케이션과 소통할 수 있다는 기대치를 높이며 인간-컴퓨터 상호작용의 수준을 한 단계 끌어올렸습니다. 단순한 언어 이해를 넘어, 실제 애플리케이션에서는 복잡한 워크플로우 관리, 외부 데이터 […]
Amazon OpenSearch Service 의 LTR 플러그인을 활용한 검색 품질 개선
개요 Amazon OpenSearch Service는 BM25(Best Match 25)라는 확률론적 순위 알고리즘을 사용하여 문서와 검색 키워드간 관련성 점수를 계산합니다. 문서에 고유 키워드가 더 자주 나타난다면 BM25 알고리즘은 해당 문서에 더 높은 점수를 부여합니다. 이는 검색 서비스에서 사용하는 인기 있는 알고리즘으로 사용자의 검색 의도에 맞게 키워드의 가중치를 조정하여 결과를 정렬합니다. 하지만, 이 알고리즘은 CTR(Click-through rate)과 같은 사용자의 행위는 […]
Amazon Bedrock기반에서 Contextual Retrieval 활용한 검색 성능 향상 및 실용적 구성 방안
개요 인공지능 기술의 발전과 함께 대규모 언어 모델(LLM)의 성능 향상을 위한 다양한 방법들이 연구되고 있습니다. 그 중에서도 Retrieval Augmented Generation (RAG)은 외부 지식을 활용하여 모델의 응답 능력을 크게 개선하는 주요 기술로 주목받고 있습니다. RAG는 사용자의 질문에 관련된 정보를 외부 데이터베이스에서 검색하고, 이를 프롬프트에 추가하여 더 정확하고 맥락에 맞는 응답을 생성하는 방식으로 작동합니다. 하지만 기존의 RAG […]
Amazon Bedrock과 AWS Config를 활용한 규제 요구사항 자동 매핑 도우미 – Part 1.
클라우드 보안 전문가로서 규제 준수는 항상 우리의 최우선 과제 중 하나입니다. 그러나 오늘날 클라우드 환경은 그 어느 때보다 복잡해지고 있으며, 규제 준수의 어려움도 함께 증가하고 있습니다. 금융, 의료, 공공 등 다양한 산업 분야에서 GDPR, HIPAA, PCI DSS, K-ISMS와 같은 다양한 규제 프레임워크를 동시에 준수해야 하는 상황이 일반화되었습니다. 이러한 규제 프레임워크들은 각각 수십-수백 개의 통제항목을 포함하고 […]
LinqAlpha 의 Amazon Bedrock과 Amazon OpenSearch 를 활용한 헤지펀드 투자사를 위한 Company Screener Agent
LinqAlpha 소개 LinqAlpha는 헤지펀드와 자산운용사를 위한 AI 기반 금융 리서치 솔루션을 제공하는 미국 기반 AI 스타트업으로, 방대한 시장 데이터를 신속하고 정확하게 분석하여 최적의 투자 결정을 지원합니다. 기관 투자자들은 글로벌 경제 지표와 기업 실적, 다양한 자산군의 가격 변동 등 복잡한 데이터를 실시간으로 처리해야 합니다. LinqAlpha는 최신 인공지능 기술 기반의 하이브리드 검색과 금융 특화 모델을 활용해 투자 […]