기계 학습(ML)은 자연어 처리 및 컴퓨터 비전부터 사기 탐지, 수요 예측, 제품 추천, 예방 유지 관리, 문서 처리에 이르기까지 광범위한 사용 사례에서 핵심 기술 요소로 자리잡았습니다. 기계 학습의 이점을 대규모로 활용하려면 비즈니스 전체에 걸쳐 현대식 기계 학습 개발 과정을 표준화해야 합니다. 기계 학습 개발 과정을 현대화하면 확장 가능한 인프라, 통합 도구 모음, 기계 학습을 책임감 있게 사용하기 위한 모범 사례, 모든 기계 학습 스킬 수준의 개발자 및 데이터 사이언티스트가 이용할 수 있는 도구 선택, 저렴한 비용의 효율적인 리소스 관리를 통해 혁신을 가속화할 수 있습니다.
이점
기계 학습 혁신 가속화
기계 학습 개발 시간을 몇 달에서 몇 주로 줄여 모델 출시 기간을 단축할 수 있습니다. 기계 학습 개발의 모든 단계에 특별히 제작된 도구를 사용하여 데이터 사이언티스트의 생산성을 향상시킬 수 있습니다. MLOps를 통해 기계 학습 과정을 자동화하여 모델 개발을 확장할 수 있습니다.
기계 학습의 책임감 있는 사용 장려
전체 기계 학습 워크플로에서 편향을 탐지하여 모델에 공정성과 투명성을 강화합니다. 다양한 AWS 보안 및 거버넌스 기능을 사용하여 조직에서 기계 학습 워크로드에 적용 가능한 보안 요구 사항을 관리할 수 있습니다.
모든 기계 학습 스킬 수준에서 혁신
개발자 및 데이터 사이언티스트들이 원하는 대로 기계 학습 모델을 개발할 수 있습니다. 데이터 사이언티스트들이 통합 개발 환경에서 코드를 작성하거나, 기계 학습 모델을 자동으로 구축하거나, 유명한 사용 사례에 대해 사전 구축된 솔루션을 몇 번의 클릭만으로 배포할 수 있습니다.
비용 절감
자동으로 인프라를 최적화하고 리소스 사용률을 개선하여 자체 관리형 옵션에 비해 총 소유 비용을 54% 이상 절감할 수 있습니다.
고객 사례
Lyft의 자율 주행 차량 사업부인 Lyft Level 5는 Amazon SageMaker에서 훈련에 대한 표준화 작업을 수행하여 모델 훈련 시간을 며칠에서 2시간 미만으로 단축했습니다.
Deutsche Fußball Liga(DFL) GmbH에서는 Amazon SageMaker Clarify를 사용하여 Bundesliga Match Facts 인사이트의 핵심 구성 요소를 이해하여 축구 팬에게 고급 인사이트를 제공할 수 있게 되었습니다.
Freddy’s Frozen Custard & Steakburgers에서는 Domo를 통해 Amazon SageMaker Autopilot을 사용함으로써 기계 학습 전문가를 고용하지 않고 기계 학습 모델을 배포했으며, 2자리 숫자의 판매 증가율을 기록했습니다.
NerdWallet은 Amazon SageMaker를 사용하여 훈련된 모델 수를 늘리면서도 기계 학습 훈련 비용을 약 75% 줄였습니다.
사용 사례
이미지의 정확한 분석
객체 탐지, 의료 진단, 자율 주행 등의 광범위한 사용 사례를 위해 컴퓨터 비전 모델을 개발합니다. 예를 들어, 의료 서비스 고객은 이미지 분류 같은 SageMaker 기능을 사용하여 환자의 진단을 개선하고, 진단에서 주관적 요소를 줄이고, 병리학자의 워크로드를 줄일 수 있습니다.
텍스트 처리 자동화
기계 학습 모델을 구축하면 필기 문서 및 전자 문서의 데이터를 자동으로 처리 및 분석할 수 있어 문서를 보다 빠르고 정확하게 비용 효율적으로 분석할 수 있습니다. Amazon SageMaker는 텍스트 분류, 자연어 처리(NLP), 광학 문자 인식(OCR)에 최적화된 BlazingText 및 Linear Learner와 같은 내장된 기계 학습 알고리즘을 제공합니다. SageMaker는 유명한 NLP 모델 라이브러리인 Hugging Face와 통합됩니다.
신속한 이상 탐지
사기 탐지 및 예측 유지 보수와 같은 다양한 애플리케이션에서 비정상적인 데이터를 식별합니다. 예를 들어 기계 학습을 통해 의심스러운 트랜잭션 발생 전에 이를 미리 식별해서 고객에게 적시에 알림으로써 고객의 신뢰를 강화합니다. SageMaker는 사기 탐지 모델을 신속하게 훈련하고 배포하는 데 사용할 수 있는 Random Cut Forest 및 XGBoost와 같은 내장된 기계 학습 알고리즘을 제공합니다.
맞춤형 추천 제공
고객에게 맞게 조정된 온라인 경험을 제공하여 고객 만족도를 높이고 기계 학습을 사용하여 비즈니스를 빠르게 성장시킵니다. Amazon SageMaker는 factorization machine과 같은 내장된 기계 학습 알고리즘을 제공하여 추천 엔진을 구축합니다. 또한 SageMaker Autopilot을 사용하여 개인 맞춤형 모델을 자동으로 생성하고 단 몇 번의 클릭으로 이를 배포할 수 있습니다.
AWS의 주요 솔루션
비즈니스 및 기술 사용 사례를 신속하게 해결하기 위한 목적별 서비스, AWS 솔루션, 파트너 솔루션 및 지침을 알아보세요.
Amazon SageMaker
Amazon SageMaker는 사업 부문 전체에 걸쳐 기계 학습 환경을 즉시 현대화하여 모든 기계 학습 스킬 수준의 개발자 및 데이터 사이언티스트들이 사실상 모든 사용 사례에 적용할 기계 학습 모델을 구축, 훈련 및 배포할 수 있습니다. SageMaker는 특별히 제작된 다양한 기계 학습 기능을 하나의 통합된 시각적 사용자 인터페이스로 통합하여 자체 기계 학습 환경을 구축할 필요성을 제거하므로 사용자는 핵심 사업에 집중할 수 있습니다. SageMaker는 제품 추천, 맞춤형 제작, 지능형 쇼핑, 로봇 공학, 음성 지원 디바이스를 포함하여 20년에 걸친 Amazon의 실제 기계 학습 애플리케이션 개발 경험에 기반하여 구축된 서비스입니다.
MLOps Workload Orchestrator
이 솔루션은 기계 학습(ML) 모델 생산을 위해 아키텍처 모범 사례를 간소화하고 적용하는 데 도움이 됩니다. 이 솔루션은 AWS 기계 학습 서비스 및 서드 파티 서비스에 대한 기계 학습 파이프라인 관리용의 표준 인터페이스를 제공하는 확장 가능한 프레임워크입니다.
Guidance for Overhead Imagery Inference on AWS
위성, 무인 항공기 및 기타 원격 감지 장치에서 수집된 객체를 자동으로 감지하고 식별하는 기계 학습 모델을 사용하여 원격 감지 이미지를 처리하는 방법을 알아봅니다.
Guidance for Distributed Model Training on AWS
이 지침은 온프레미스 제한이 있거나 기존 Kubernetes에 투자한 고객이 Amazon Elastic Kubernetes Service(Amazon EKS)와 Kubeflow 또는 Amazon SageMaker를 사용하여 하이브리드 분산 기계 학습(ML) 훈련 아키텍처를 구현하는 데 도움이 됩니다.
리소스
Amazon SageMaker 단계별 안내서
Amazon SageMaker 10분 자습서
Amazon SageMaker JumpStart에서 사용할 수 있는 사전 구축된 솔루션
