Category: Artificial Intelligence

Stable Diffusion 모델을 이용하면 텍스트를 이용하여 창조적인 이미지를 생성할 수 있습니다. AWS에서는 Amazon SageMaker JumpStart을 이용하여 기계 학습(ML)을 쉽게 사용할 수 있도록 사전 학습(pre-trained)된 모델을 제공하고 있는데, 2022년 10월 부터 Stable Diffusion 모델을 추가적으로 제공하고 있습니다. 이를 통해 Stable Diffusion 이미지를 쉽게 생성할 수 있으며, 즉시 Serving할 수 있도록 SageMaker Endpoint도 제공합니다. SageMaker Endpoint는 트래픽이 증가할 […]

농심은 1965년 창립 이후 50여 년 동안 한국의 식문화를 이끌어온 식품 전문 제조기업입니다. 농심은 글로벌 식문화 창조기업으로의 도약을 위해 비전 2025를 수립하고 이에 맞는 중장기 목표와 사업별 성장전략, 역량 확보전략을 새롭게 정립하고 있습니다. 농심은 식품 제조에 필요한 원자재를 ‘비축구매 방식’으로 구매하고 있습니다. 비축구매는 미래 원자재 가격의 오름/내림을 예측하여 n개월 뒤에 받을 원자재를 현재 시점에서 선 […]

항공, 여행 업계는 최근까지 코로나 바이러스로 인해 많은 어려움을 겪었습니다. 하지만 최근에는 Endemic, Post 코로나 시대로 접어 들면서, 움추려 들었던 항공, 여행 수요가 폭발적으로 증가하고 있습니다. 이렇게 증가하는 수요를 비용 효율적으로 수용하기 위한 방법 중의 하나로 기업들은 최근 무인 키오스크를 활용한 셀프 체크인 서비스에 관심을 많이 가지게 되었습니다. 당장 공항만 가더라도 많은 키오스크들이 설치 되어 […]

이 글은 AWS ML Blog의 New performance improvements in Amazon SageMaker model parallel library by Arjun Balasubramanian, Can Karakus, Fei Wu, Rahul Huilgol, Suhit Kodgule, and Zhaoqi Zhu의 한국어 번역 및 편집본입니다. 파운데이션(Foundation ) 모델은 대량의 데이터로 학습된 대규모 딥 러닝 모델을 말합니다. 이 모델들은 파인 튜닝(fine-tuned)을 추가로 진행하여, 다양한 다운스트림 (downstream) 작업을 수행하고 여러 […]

사물인터넷 (IoT) 디바이스에서 이미지 분류를 하기 위해서는 효과적인 기계학습 모델이 필요합니다. 2020년 AWS re:Invent에서 소개된 AWS IoT Greengrass V2는 ResNet-50에 기초한 DLR 이미지 분류 모델 스토어를 Java 기반의 공개 컴포넌트(Public component)로 제공하고 있으므로, IoT 디바이스에서 이미지 분류를 할 때 유용하게 사용할 수 있습니다. DLR (Deep Learning Runtime) 이미지 분류 모델은 Built-in public component인 variant.DLR.ImageClassification.ModelStore로 제공되며, 이것을 IoT […]

기업 내 Machine Learning (ML) 모델들이 점차 늘어나면서 Machine Learning Operations (MLOps)에 대한 관심을 넘어, 많은 기업에서 실제 업무에 MLOps를 활용하고 있습니다. MLOps는 양질의 데이터를 확보하는 활동부터, 데이터 과학자를 위한 학습 환경을 제공하는 활동, 여러 모델들을 신뢰성 있게 학습하는 활동, 학습된 ML 모델을 실제 업무에 배포하는 활동 등에서 생산성 높이기 위해 자동화하고, 이를 통해 전체적인 […]

이 글은 AWS Machine Learning Blog에 게시된 Choose the best data source for your Amazon SageMaker training job by Gili Nachum and Alexander Arzhanov을 한국어로 번역 및 편집하였습니다. Amazon SageMaker는 머신러닝 모델의 빌드, 훈련, 배포를 쉽게 만들어주는 관리형 서비스입니다. 데이터과학자들은 SageMaker 훈련작업을 통해 컴퓨팅 리소스 관리에 대한 고민을 할 필요 없이 사용한 시간 만큼만 비용을 […]

이글은 AWS ML Blog의 Introducing Amazon SageMaker Data Wrangler’s new embedded visualizations by Isha Dua, Parth Patel의 한국어 번역 및 편집본입니다. 수동으로 데이터 품질을 검사하고 데이터를 정리하는 것은 데이터 과학자가 프로젝트에 많은 시간을 할애 할수록 고통스럽고 시간 소모적인 프로세스입니다. 2020년 Anaconda에서 실시한 데이터 과학자 설문 조사에 따르면, 데이터 과학자는 데이터 로드(19%), 데이터 정리(26%), 데이터 시각화(21%)를 […]

이 글은 AWS Storage Blog에 게시된 Machine Learning with Kubeflow on Amazon EKS with Amazon EFS by Anjani Reddy, Suman Debnath, Daniel Rubinstein, and Narayana Vemburaj을 한국어로 번역 및 편집하였습니다. 기계 학습 모델의 훈련은 여러 단계가 포함되며, 훈련을 위한 데이터 셋의 크기가 수백 GB 범위에 있으면 더 복잡해지고 많은 시간이 소요됩니다. 데이터 과학자는 다양한 모델의 […]

기계 학습(Machine Learning) 활용이 일반화 되면서 IoT 디바이스에서도 기계학습을 활용하려는 요구가 증가하고 있습니다. 기계학습 알고리즘을 IoT 디바이스의 동작에 활용하기 위하여 기계학습 서버 API를 이용하면, 1) 디바이스는 항상 네트워크에 접속이 가능하여야 하고, 2) 디바이스의 숫자가 증가하면 서버의 처리 용량이 동일하게 증가되어야 하며, 3) 추론을 위한 API 호출 비용 부담으로 인해서, IoT 디바이스에서 기계학습을 활용할 때 제한 […]