최대 1M 셀의 데이터를 갖춘 모델을 최대 10개까지 무료로 생성
처음 2개월간 AWS 프리 티어 혜택
포인트 앤 클릭 방식의 시각적 인터페이스에서 데이터를 연결, 준비, 분석 및 탐색하여 ML 모델을 구축하고 정확한 예측을 생성합니다.
클릭 몇 번으로 가상 분석을 실행하고 단일 또는 대량 예측을 실행할 수 있는 ML 모델을 자동으로 구축합니다.
여러 도구에서 ML 모델을 공유, 검토 및 업데이트하여 비즈니스 분석가와 데이터 사이언티스트 간의 협업을 증진합니다.
모든 위치의 ML 모델을 가져오고 Amazon SageMaker Canvas에서 직접 예측을 생성합니다.
Amazon SageMaker Canvas는 비즈니스 분석가를 위한 시각적 인터페이스를 제공합니다. 기계 학습 경험이 없는 비즈니스 분석가도 코드를 작성할 필요 없이 정확한 ML 예측을 스스로 생성할 수 있도록 함으로써 기계 학습(ML)의 접근성을 높입니다.
작동 방식
Amazon SageMaker Canvas를 사용하면 서로 다른 소스에서 데이터를 가져오고, 예측하려는 값을 선택하고, 데이터를 자동으로 준비 및 탐색하고, 기계 학습 모델을 신속하고 보다 쉽게 구축할 수 있습니다. 그런 다음 클릭 몇 번으로 모델을 분석하고 정확한 예측을 생성할 수 있습니다. 또한 2가지 방법으로 데이터 사이언티스트와 협업할 수 있습니다. 첫째, SageMaker Canvas에서 구축된 모델을 SageMaker Studio를 사용하는 데이터 과학자와 공유하여 검토하고 업데이트할 수 있습니다. 그런 다음에는 SageMaker Canvas에서 업데이트된 모델을 기반으로 분석을 수행하고 예측을 생성할 수 있습니다. 둘째, 데이터 사이언티스트는 모든 위치에서 구축된 ML 모델을 공유할 수 있습니다. 따라서 코드 작성 없이 SageMaker Canvas에서 이러한 모델을 기반으로 예측을 생성할 수 있습니다.
사용 사례
고객 이탈 예측
제품 소비 및 구매 내역 데이터를 사용하여 고객 이탈 패턴을 파악하고 추후 이탈 위험을 예측할 수 있습니다.
가격 및 수익 최적화
과거 수요 및 가격과 계절적 동향을 통해 상품 및 서비스의 가격을 예측하여 수익을 최대화하는 동시에 고객에게 최상의 가격을 제공할 수 있습니다.
적시 배송 개선
주문, 이행, 수송, 휴일 데이터를 사용해 배송 시간을 예측하여 공급망을 최적화하고 상품을 더욱 효율적으로 배송할 수 있습니다.
재고를 효율적으로 계획
과거 판매 및 수요 데이터를 관련 웹 트래픽, 가격, 제품 카테고리, 날씨 및 휴일 데이터와 결합하여 재고 관리 측면의 필요 사항을 예측할 수 있습니다.
제품 품질 예측
제조 라인 및 기록 데이터를 사용하여 제품 출고 전에 최종 단계의 제품 품질을 설명하고 예측할 수 있습니다.
계획되지 않은 유지 보수 예측
기록 유지 보수 및 운영 데이터를 사용하여 운영에 영향이 발생하기 전에 계획되지 않은 유지 보수 이벤트를 설명하고 예측할 수 있습니다.
고객 성공 사례
Siemens Energy는 사회에 동력을 공급합니다. Siemens Energy는 환경, 사회, 거버넌스(ESG)의 핵심 중점 영역에서 혁신하고 있으며, 이 혁신을 통해 파트너와 직원 모두를 위해 오늘과는 다른 내일의 미래를 만들고 있습니다.
“Siemens Energy에서 데이터 과학 전략의 핵심은 데이터 과학 전문가 없이도 다양한 데이터 소스 및 기계 학습 프레임워크를 실험할 수 있도록 지원하여 모든 비즈니스 사용자에게 기계 학습의 힘을 제공하는 것입니다. 이를 통해 Dispatch Optimizer 및 Diagnostic 서비스와 같은 에너지 솔루션의 혁신 및 디지털화 속도를 높일 수 있습니다. Amazon SageMaker Canvas는 비즈니스 사용자가 데이터 과학 팀과 공유 및 협업하는 동시에 실험을 수행할 수 있도록 하기 때문에 Simens Energy 기계 학습 도구 키트에 대한 훌륭한 추가 기능입니다. 협업은 더 많은 기계 학습 모델을 생산화하고 모든 모델이 품질 표준 및 정책을 준수하도록 하기 때문에 중요합니다.”
Davood Naderi, Siemens Energy 산업용 애플리케이션 데이터 과학 팀장
2004년에 Koch Industries의 자회사로 편입된 INVISTA는 나일론 6.6과 CORDURA, ANTRON 등의 유명 브랜드를 위한 독점 재료를 시장에 출시하고 있습니다.
“저희 비즈니스 분석가는 데이터에 능통하며, 예측 모델을 생성할 수 있는 능력이 필요했습니다. 그러나 마찬가지로 중요한 것은 데이터 과학 팀이 필요에 따라 지원 및 프로덕션화할 수 있도록 구축된 모델에 대한 가시성을 확보하는 것이었습니다. 저희는 Amazon SageMaker Canvas를 통해 비즈니스 사용자와 프로세스 엔지니어가 이전에 데이터 과학 팀이 겪은 데이터 과학 문제에 대한 작업을 시작할 수 있을 것으로 예상합니다. Amazon SageMaker Canvas의 직관적인 사용자 인터페이스와 간편한 탐색 옵션을 통해 비즈니스 사용자는 다양한 데이터를 가져오고, 수동으로 데이터를 정리할 필요성을 최소화하고, 다양한 알고리즘을 적용하여 클릭 몇 번으로 데이터에 가장 적합한 모델을 찾을 수 있습니다. Amazon SageMaker Studio를 통해 코드와 데이터를 데이터 과학 팀에 손쉽게 전송할 수 있으므로 모델을 모델 관리 시스템에 통합하고 전사적으로 모델의 전체 그림을 볼 수 있습니다.”
Caleb Wilkinson, INVISTA 리드 데이터 사이언티스트
독일 뮌헨에 본사를 둔 BMW Group은 BMW, BMW Motorrad, MINI, Rolls-Royce 브랜드를 보유한 글로벌 프리미엄 자동차 및 오토바이 제조업체입니다. 이 회사는 또한 프리미엄 금융 및 모빌리티 서비스도 제공합니다.
"인공지능을 핵심 기술로 사용하는 것은 BMW Group의 디지털 트랜스포메이션 과정에서 필수적인 요소입니다. 회사는 이미 가치 사슬 전반에 걸쳐 AI를 채택하여 고객, 제품, 직원, 프로세스에 대한 부가 가치를 창출할 수 있습니다. 지난 몇 년 동안 저희는 비즈니스 가치 영향을 기준으로 측정된 최고의 BMW Group 사용 사례의 다수를 산업화했습니다. Amazon SageMaker Canvas를 통해 BMW Group 전반에 걸쳐 확대되는 AI/ML를 강화할 수 있다고 생각합니다. SageMaker Canvas를 사용하면 비즈니스 사용자가 기계 학습 모델을 손쉽게 탐색하고 구축하여 코드 작성 없이 정확하게 예측할 수 있습니다. 또한 SageMaker를 사용하면 비즈니스 사용자가 생성한 모델을 프로덕션에 게시하기 전에 중앙의 데이터 과학 팀이 협업하고 평가할 수 있습니다."