기계 학습 개발 과정 현대화

전반적인 기계 학습 혁신 가속화 및 비용 절감

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. 전반적으로 기계 학습의 이점을 활용하려면 사업 전체에 걸쳐 현대식 기계 학습 개발 과정의 표준화가 필요합니다. 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. 

Amazon SageMaker를 사용한 기계 학습 개발 과정 현대화(1:45)

이점

기계 학습 혁신 가속화

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 개발의 크기를 조정할 수 있습니다. 

기계 학습의 책임감 있는 사용 장려

기계 학습의 책임감 있는 사용 장려

기계 학습 워크플로 전체에서 편차를 찾아내어 모델에 공정성과 투명성을 강화합니다. 다양한 AWS 보안 및 거버넌스 기능을 사용하여 조직에서 기계 학습 워크로드에 적용 가능한 보안 요구 사항을 관리할 수 있습니다. 

기계 학습 스킬 수준에 관계없는 혁신

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

비용 절감

자동으로 인프라를 최적화하고 리소스 사용률을 개선하여 자체 관리형 옵션에 비해 총 소유 비용을 54% 이상 절감할 수 있습니다. 

고객 사례

Lyft

Lyft의 자율 주행 차량 사업부인 Lyft Level 5는 Amazon SageMaker에서 훈련에 대한 표준화 작업을 수행하여 모델 훈련 시간을 며칠에서 2시간 미만으로 단축했습니다. 

자세한 내용은 블로그를 참조하세요.

Bundesliga

Deutsche Fußball Liga(DFL) GmbH에서는 Amazon SageMaker Clarify를 사용하여 Bundesliga Match Facts 인사이트의 핵심 구성 요소를 이해하여 축구 팬에게 고급 인사이트를 제공할 수 있습니다.

블로그 보기 »

Freddy's

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. 

자세히 알아보기 »

NerdWallet

NerdWallet은 Amazon SageMaker를 사용하여 훈련된 모델 수를 늘리면서도 기계 학습 훈련 비용을 약 75% 줄였습니다.

사례 연구 읽기 »

사용 사례

이미지의 정확한 분석

객체 탐지, 진료, 자율 주행 등의 광범위한 사용 사례를 위해 컴퓨터 비전 모델을 개발합니다. 예를 들어, 의료 서비스 고객은 이미지 분류 같은 SageMaker 기능을 사용하여 환자 진료를 개선하고, 진료에서 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 관리와 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 환경을 제공하여 고객 만족도를 높이고 기계 학습을 사용하여 비즈니스를 빠르게 성장시킵니다. Amazon SageMaker는 인수분해 기계(factorization machines)와 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.

AWS 솔루션

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 없애줌으로써 귀하가 핵심 사업에 집중할 수 있게 해줍니다. 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.

Amazon SageMaker에 대해 자세히 알아보기 »

리소스

Amazon SageMaker 단계별 안내서

동영상 보기 »

Amazon SageMaker 10분 자습서

자습서 참조 »

Amazon SageMaker JumpStart에서 사용할 수 있는 사전 구축된 솔루션

SageMaker 시작하기 »

시작할 준비가 되셨나요?

영업 팀에 문의
문의처

기계 학습 현대화에 대한 자세한 내용은 당사에 문의하세요.

문의처 
파트너 찾기
파트너 찾기

글로벌 기술 및 컨설팅 파트너와 협력하려면 AWS 파트너 네트워크에 문의하세요.

시작하기 
이니셔티브 시작하기
기계 학습 현대화 이니셔티브 시작하기

AWS Professional Services 조직은 AWS를 사용하여 원하는 비즈니스 성과를 달성하도록 도울 수 있는 글로벌 전문가 팀입니다.

자세히 알아보기