매월 160시간의 워크스페이스 인스턴스 시간 무료 활용
처음 2개월간 AWS 프리 티어 혜택
가리키고 클릭하는 방식의 시각적 인터페이스를 사용하여 분류, 회귀, 예측, 자연어 처리(NLP) 및 컴퓨터 비전(CV)에 대한 정확한 ML 예측을 생성할 수 있습니다.
바로 사용할 수 있는 파운데이션 모델 또는 예측 모델에 액세스하거나 사용자 지정 ML 모델을 자동으로 생성하여 클릭 몇 번으로 결과를 생성할 수 있습니다.
여러 도구에서 ML 모델을 공유, 검토 및 업데이트하여 비즈니스 분석가와 데이터 과학 팀 간의 협업을 증진합니다.
모든 위치의 ML 모델을 가져오고 Amazon SageMaker Canvas에서 직접 예측을 생성합니다.
Amazon SageMaker Canvas를 사용하면 비즈니스 분석가와 데이터 과학 팀이 코드 작성 없이 자체 모델을 구축할 수 있습니다. 회귀 및 예측과 같은 일반적인 사용 사례에 맞게 ML 모델을 구축할 수 있습니다. 또한 콘텐츠 생성, 텍스트 추출 및 텍스트 요약에 사용할 Amazon Bedrock의 파운데이션 모델(FM) 또는 Amazon SageMaker JumpStart의 공개 FM에 액세스하고 평가하여 생성형 AI 솔루션을 지원할 수 있습니다.
작동 방식
Amazon SageMaker Canvas의 코드 없는 인터페이스를 통해 바로 사용 가능한 FM 및 예측 모델에 액세스하거나 사용자 지정 모델을 생성하여 몇 분 만에 정보를 추출하고 AI 결과를 생성할 수 있습니다. Canvas는 Claude, Titan 및 Jurassic과 같은 Amazon Bedrock의 FM과 Falcon 및 MPT와 같은 SageMaker JumpStart의 퍼블릭 모델을 지원합니다. SageMaker Canvas에서 이러한 FM을 사용하여 콘텐츠를 생성, 추출 및 요약할 수 있습니다. 또한 감정 분석, 객체 감지 또는 문서 분석에 바로 사용할 수 있는 모델을 사용하여 콘텐츠를 분석하고 분류할 수 있습니다. 바로 사용할 수 있는 모델로 시작하려면 클릭 한 번으로 모델을 선택하고 데이터를 업로드한 후 모델 결과를 생성하기만 하면 됩니다.
분류, 회귀, 예측, 텍스트 분류 또는 이미지 분류를 위한 사용자 지정 모델을 코드 작성 없이 직접 구축할 수도 있습니다. 사용자 지정 모델을 시작하려면 여러 소스에서 데이터를 가져오고, 예측하려는 값을 선택하고, 데이터를 자동으로 준비 및 탐색한 다음 클릭 몇 번으로 ML 모델을 만들면 됩니다. 또한 비즈니스 및 데이터 사이언티스트 팀이 협업할 수 있습니다. SageMaker Canvas에서 구축된 모델을 SageMaker Studio를 사용하는 데이터 사이언티스트와 공유하여 검토하고 업데이트할 수 있습니다. 데이터 사이언티스트는 모든 위치에서 구축된 ML 모델을 공유할 수도 있습니다. 따라서 코드 작성 없이 SageMaker Canvas에서 이러한 모델을 기반으로 AI 결과를 생성할 수 있습니다.
사용 사례
영업 및 마케팅 콘텐츠 생성
소셜 미디어 게시물, 제품 설명, 이메일 캠페인 등 매력적이고 개인화된 고품질 영업 및 마케팅 콘텐츠를 제작합니다.
콘텐츠 요약
기사, 블로그 게시물 및 문서에 대한 간결한 요약을 작성하여 가장 중요한 정보를 식별하고, 주요 내용을 강조하며, 정보를 더 빠르게 추출할 수 있습니다.
자유 형식 텍스트 내의 감정 감지
텍스트 줄에서 감정을 감지할 수 있습니다. 예를 들어 상품 후기, 고객 지원 티켓 또는 문서에서 긍정적, 부정적, 중립적, 혼합된 감정을 감지합니다.
문서에서 정보 추출
보험 청구, 인보이스, 경비 보고서 또는 신분 증명서와 같은 다양한 문서에서 정보를 분석하고 추출합니다.
이미지 내의 객체 및 텍스트 식별
이미지 내의 객체, 개념, 장면 및 텍스트 줄을 자동으로 식별합니다.
고객 이탈 예측
제품 소비 및 구매 내역 데이터를 사용하여 고객 이탈 패턴을 파악하고 추후 이탈 위험을 예측할 수 있습니다.
재고를 효율적으로 계획
과거 판매 및 수요 데이터를 관련 웹 트래픽, 가격, 제품 카테고리 및 연휴 데이터와 결합하여 재고 수준을 예측할 수 있습니다.
이미지 분류
비즈니스에 특화된 사용자 지정 범주를 기반으로 이미지를 분류할 수 있습니다. 예를 들어 조립 라인에서 결함이 있는 제품을 식별하거나, 재고 관리를 위해 제품을 분류하거나, 차량 손해 평가를 수행하여 보험 청구의 처리 속도를 높입니다.
텍스트 분류
소셜 미디어 피드백, 고객 지원 티켓, 제품 후기 등 비즈니스에 특화된 사용자 지정 범주를 기반으로 텍스트 줄을 분류합니다.
고객 성공 사례
한국에 본사를 둔 삼성전자는 전 세계 사람들에게 휴대폰, 컴퓨터 및 스마트 디바이스와 같은 기술을 제공하는 글로벌 기업입니다. 삼성SDS는 최대 성능, 신뢰성 및 수명을 제공하기 위해 전자 디바이스의 내부 작동에 중점을 둡니다.
“Amazon SageMaker Canvas의 사용법은 간단하며 인터페이스는 사용자 친화적입니다. 저와 같은 비즈니스 분석가도 기계 학습을 사용하여 데이터를 분석하고 인사이트를 얻을 수 있습니다.”
이두용, 삼성전자 Marketing Intelligence 담당 관리자
Clarium은 기계 학습 및 데이터 도구를 사용하여 재고 수준을 최적화하고 비용을 절감하며 운영 효율성을 개선함으로써 의료 서비스 제공자의 역량을 강화하는 의료 서비스 공급망 플랫폼입니다.
“우리 고객들은 미국 전역의 병원에서 흔히 볼 수 있듯이 자체 데이터의 품질과 통합 문제로 인해 어려움을 겪는 경우가 많습니다. 게다가 일관되지 않은 품질 보증 관행과 단편화된 데이터 프로세스가 수십 년 동안 누적되면서 수십억 행의 잘못된 데이터를 정리, 검증, 통합하는 어려운 일을 해결해야 했습니다. 이 문제를 해결하기 위해 당사의 분석 팀은 Amazon SageMaker Canvas를 사용하여 미국 내 의료 서비스 제공자로부터 나오는 무제한의 소스에서 데이터를 추출, 정리, 표준화합니다. 그러면 단 한 줄의 코드를 작성하지 않고도 사용자 지정 텍스트 분류 모델을 쉽게 구축할 수 있습니다. SageMaker Canvas를 통해 당사는 시간과 비용을 줄이면서 ERP 데이터에 대한 검증되고 표준화된 제품 설명 및 분류, 절차적 활용 데이터에 대한 검증된 임상 분류, 환자 치료 품질을 최적화하도록 설계된 데이터 기반 권장 사항을 제공합니다. 신뢰할 수 있는 데이터와 최첨단 분석을 제공함으로써 현재를 겨우 따라가는 대신 미래를 내다보고 의료 서비스 분야에서 더 밝은 미래를 건설할 수 있도록 지원합니다.”
Justin Jacobson, Head of Analytics, Clarium Health
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."