Amazon Forecast를 사용한 비트코퍼레이션의 무인로봇카페 지능화 및 자동화 운영 방법 (레벨 200)
비트코퍼레이션은 국내 200여 곳에 무인 로봇 카페인 B;eat Coffee 머신을 운영하고 있습니다. 무인 로봇 카페의 재고 관리 및 물류 자동화를 위해 Amazon Forecast를 활용하였습니다. 이를 통해, 원두/우유/시럽과 같은 음료 재료의 사용량과 재고소진율을 예측하여 물류 업무의 효율화를 높였습니다. 추진 과정에서 Amazon Forecast를 선택한 이유, AWS와의 협업 방법, 현재까지의 진척 상황 및 과정에서 얻은 노하우에 대해서 이야기하고, 마지막으로 앞으로의 진행 계획 및 AWS와의 협업 포인트에 대해 살펴봅니다.

발표자: 
민지수, 솔루션즈 아키텍트, AWS
조창우, 스타트업 어카운트 매니저, AWS
문성환, 연구소장, B;eat Corporation

시간: 30분

비즈니스 분석가의 No-Code ML 적용사례 및 시작하기 (레벨 200)
최근 'Democratizing AI/ML' 단어를 들어 보셨을 겁니다. 비즈니스 사용자들도 쉽게 사용할 수 있는 No(Low)-code 기반의 AI/ML 서비스 도입이 기업 내에서 확대되고 있습니다. Amazon Sagemaker Canvas를 통하여 비즈니스 사용자들이 직면해 있는 문제를 해결하는 방식과 기대 효과를 알아보겠습니다. 

발표자: 이우진, 솔루션즈 아키텍트, AWS
시간: 30분

금융 워크로드를 위한 카카오페이의 AWS 기반 MLOps 플랫폼 구축 사례 (레벨 300)
카카오페이에서 MLOps 플랫폼을 구축하게 된 배경과 AWS 솔루션을 선택한 이유에 대해서 공유합니다. 금융 워크로드에서 기계학습 적용이 늘어남에 따라 기계학습의 데이터 관리, 훈련, 모델 배포, 모니터링의 모든 과정을 체계적으로 효율적으로 관리할 필요가 생겼고, 이에 따라 카카오페이에서는 MLOps 플랫폼을 구축하게 되었습니다. 파이프라인, 피처 스토어, 모델 저장소, 서빙 레이어의 각 단계의 구축과정과 AWS 솔루션을 도입한 배경에 대해 자세하게 설명합니다.

발표자: 
김영욱, 솔루션즈 아키텍트, AWS
오영규, 데이터 엔지니어, 카카오페이
조은비, ML 엔지니어, 카카오페이

시간: 30분

카카오스타일의 Amazon SageMaker Feature Store를 통한 개인화 추천 고도화 여정 (레벨 300)
카카오스타일에서는 Amazon Personalize와 Amazon SageMaker를 통해 개인화 추천을 하고 있습니다. 카카오스타일 개인화추천 추천시스템의 최적화를 위해 Amazon SageMaker 기반으로 새로운 알고리즘을 활용한 추천시스템 고도화 여정을 진행하고 있습니다. 특히, 해당 세션에서는 이력정보 등 개인화 추천용 모델링 및 학습시 필요한 다양한 Feature를 Amazon SageMaker Feature Store를 통해 정리하여 개인화 추천을 고도화 하고 Amazon SageMaker와의 시너지를 갖게된 과정을 함께 알아봅니다.

발표자:
서호석, 솔루션즈 아키텍트, AWS
이명휘, 데이터 사이언티스트, 카카오스타일 

시간: 30분

반년 만에 데이터 레이크 구축부터 기계학습(ML) 모델 개발/배포까지 기계학습 End-to-End 솔루션 구축기 (레벨 300)
국내 제조 업체에서 신규 제품 개발 시간을 줄이기 위한 물성 예측 모델을 개발하고 이를 연구원에 제공하기 위한 End-to-End 솔루션 개발까지의 5개월간의 Proserve 여정에 대해 알아봅니다. AutoGluon을 활용한 데이터 모델 선택, AWS DMS/AWS Glue를 통한 SAP/Oracle 데이터 연동,  Amazon S3/AWS Glue/Amazon Athena를 사용한 데이터 레이크 구축, 주기적인 모델 분석 및 개발을 위해 AWS Codepipeline/AWS Lambda/Amazon API Gateway/Amazon SageMaker를 활용한 MLOps 구현, 그리고 AWS CDK를 통한 환경 구성 자동화까지의 과정에 대해 알아봅니다. 

발표자: 서지혜, AI/ML 컨설턴트, AWS
시간: 30분

Amazon SageMaker Data Wrangler와 Amazon SageMaker Autopilot을 활용하여 데이터 준비부터 모델 배포까지 더 쉽고 간편하게 하기 (레벨 300)
모델 학습에 필요한 데이터를 준비하고, EDA, Feature engineering 등을 하는 작업은 많은 시간과 경험이 필요합니다. Amazon SageMaker Data Wrangler를 활용하면 이러한 반복적인 과정을 더 빠르고 쉽게 진행할 수 있습니다. 데이터를 아무리 잘 준비해도 최적의 기계 학습(ML) 모델을 만드는 것은 많은 지식과 노력이 필요한 일입니다. Amazon SageMaker Autopilot을 활용하면 데이터에 가장 적합한 알고리즘을 찾고, 하이퍼파라미터까지 최적화한 최고 성능의 모델을 생성하고 배포까지 할 수 있습니다. 두 가지 서비스를 연계하여 ML practitioner들이 더 효율적으로 일할 수 있는 방식에 관해 데모와 함께 알아보겠습니다.

발표자: 
맹욱재, 프로토타이핑 엔지니어, AWS
윤영구, 데이터랩 아키텍트, AWS

시간: 30분

Amazon SageMaker Pipelines를 사용해 멀티 어카운트에 모델 배포하기 (레벨 300)
조직의 리소스를 효율적으로 사용하기 위해 여러 계정을 만들어 관리하는 것은 DevOps의 모범 사례입니다. 이 세션에서는 SageMaker Pipelines를 통해 멀티 어카운트 (staging & production)에 모델을 배포하는 방법을 알아봅니다.

발표자: 이유동, AI/ML 전문 솔루션즈 아키텍트, AWS
시간: 30분

AIOps 엔지니어를 위한 Amazon DevOps Guru의 이상 징후 감지 및 운영 패턴 구성하기 (레벨 300)
Amazon DevOps Guru는 기계 학습(ML)을 이용해 애플리케이션 운영환경에서 이상운영 패턴을 사전에 감지하여 이슈될 문제를 미리 식별할 수 있도록 알려주는 사전 예측 방법입니다. 본 세션에서는 실제 서버리스 애플리케이션 아키텍처 구성을 통해 Amazon DevOps Guru가 어떻게 동작하는지 알아보겠습니다. 

발표자: 김영진, 솔루션즈 아키텍트, AWS
시간: 30분

데이터 과학자가 직접 만들고 실행하는 MLOps (레벨 300)
레고 블록을 구성하여 완성품(예: 탑, 비행기, 배)을 만들듯이, 데이터 과학자가 ML Ops를 직접 구성하고 단계별로 만들어서 실행할 수 있을까요? 이 세션에서는 (1) Amazon SageMaker Pipeline으로 모델 훈련 및 서빙 파이프라인을 생성하는 방법, (2) CI/CD 연결을 위한 AWS  CodePipeline의 튜토리얼 실습, (3) CodePipeline을 Amazon SageMaker Pipeline으로 연결하는 방법, 마지막으로 (4) 이벤트 스케줄러 생성 및 전체 과정 실행하기를 배우게 됩니다. 이 모든 과정은 데이터 과학자에게 친숙한 쥬피터 노트북에서 진행이 되며, 중요한 과정을 데모로 보여 드립니다. 세션 이후에 제공된 소스 코드를 다운로드하여 본인의 모델로 레고 블록 쌓듯이 본인의 ML Ops를 구성해보세요.

발표자: 
문곤수, AI/ML 전문 솔루션즈 아키텍트, AWS
김제삼, 솔루션즈 아키텍트, AWS

시간: 30분

하이퍼커넥트의 AWS 기계 학습 추론 가속기 적용을 통한 모델 서빙 비용 절감 사례와 꿀팁 (레벨 200-300)
기계 학습(ML) 모델을 실시간으로 서빙할 때, 수많은 요청에 대한 낮은 레이턴시와 높은 입출력 속도를 위해 사용되는 GPU 인스턴스는 비용 부담이 다소 높습니다. 이때 AWS에서 개발한 추론 가속기인 AWS Inferentia를 사용하면, GPU 인스턴스를 사용할 때 보다 훨씬 저렴한 비용으로 ResNet부터 BERT/ViT와 같은 트랜스포머 기반 모델을 서빙할 수 있습니다. 본 세션에서는 기존 딥러닝 모델을 AWS Inferentia로 이전하는 방법을 데모와 함께 소개하고 하이퍼커넥트의 Inferentia 도입 여정을 공유합니다.

발표자: 
김대근, AI/ML 전문 솔루션즈 아키텍트, AWS
김선우, 머신러닝 소프트웨어 엔지니어, 하이퍼커넥트

시간: 30분

더욱 강력해진 Amazon SageMaker Studio를 소개합니다 (레벨 200)
Amazon SageMaker Studio는 데이터 전처리, 모델 학습, 배포 그리고 모니터링에 이르기까지 기계 학습(ML)에 필요한 모든 과정이 통합된 개발환경을 제공하고 있는데요, 이번 re:Invent에서 새롭게 추가된 유용한 기능들이 소개되었습니다. 이번 세션을 통해 re:Invent 2022에서 소개된 Amazon SageMaker Studio의 신규 기능들을 살펴보고, ML 워크로드를 더욱 효율적으로 구성해 보세요!

발표자: 장동진, AI/ML 전문 솔루션즈 아키텍트, AWS
시간: 30분

Amazon SageMaker JumpStart를 활용해 Stable Diffusion V2를 빠르게 배포하기 (레벨 200)
Amazon SageMaker JumpStart를 활용하면 사기 탐지나 예지보전과 같은 대표적인 기계 학습(ML) 사용사례를 위한 솔루션들뿐만 아니라 컴퓨터 비전, 자언어처리를 위한 최신 알고리즘들을 손쉽게 사용하실 수 있습니다. 이번 세션에서는 JumpStart에서 제공하는 대표적인 솔루션 및 모델들에 대해 간략히 알아보고, 최근 많은 주목을 받고있는 생성 모델인 Stable Diffusion V2를 JumpStart를 통해 손쉽게 배포하는 방법을 확인해보겠습니다.

발표자: 심대열, AI/ML 엑스퍼트 솔루션즈 아키텍트
시간: 30분