Amazon SageMaker JumpStart를 사용하면 기계 학습을 빠르고 쉽게 시작할 수 있습니다. 간편한 시작을 위해 SageMaker JumpStart는 몇 번의 클릭만으로 쉽게 배포할 수는 가장 공통적인 사용 사례용 솔루션 세트를 제공합니다. 솔루션은 완전히 사용자 지정할 수 있으며 AWS CloudFormation 템플릿과 참조 아키텍처 사용을 소개하므로 귀하의 ML 여정을 더욱 앞당길 수 있습니다. 또한 Amazon SageMaker JumpStart는 클릭 한 번으로 배포되고 자연어 처리, 객체 탐지 및 이미지 분류 모델과 같은 150개가 넘는 널리 사용되는 오픈 소스 모델에 대한 세분화된 튜닝도 지원합니다.

사용 사례

Amazon SageMaker JumpStart의 가능성 살펴보기

예측 유지 보수

예측 유지 보수

부품 교체, 최적의 시간에 정비, 가장 저렴한 비용으로 장비의 남은 유효 수명 연장, 운영 효율성 개선과 같은 예방 조치를 수행합니다.

동영상 보기 »

컴퓨터 비전

컴퓨터 비전

다양한 애플리케이션에 자동화 또는 지능형 기능 보강을 추가하여 품질과 속도를 개선합니다.

블로그 읽기 »

자율 주행

자율 주행

도로에서 보행자와 다른 차량과 같은 객체를 탐지하여 혁신을 가속화하고 자율 주행 차량 기술을 실제 생활에 실현합니다.

블로그 읽기 »

사기 탐지

사기 탐지

의심스러운 거래 및 기타 이상 동작의 보다 빠른 탐지를 자동화하고 시기 적절한 방식으로 고객에게 알려 잠재적 재정 손실을 줄이고 고객과의 신뢰를 강화합니다.

동영상 보기 »

신용 위험 예측

신용 위험 예측

대출의 채무 불이행 가능성을 예측하여 위험 조정 수익을 극대화합니다.

동영상 보기 »

문서에서 데이터 추출 및 분석

문서에서 데이터 추출 및 분석

보다 정확한 조사와 보다 빠른 의사결정을 위해 육필로 쓴 문서와 전자 문서에서 데이터를 자동으로 추출, 처리 및 분석합니다.

블로그 읽기 »

이탈 예측

이탈 예측

고객 이탈 가능성을 예측하고 잠재적인 이탈자에 주목하여 프로모션 오퍼와 같은 수정 조치를 수행해 고객 유지를 개선합니다.

블로그 읽기 »

수요 예측

수요 예측

시기 적절한 의사결정을 위해 수요 지표를 더 빠르고 정확하게 예측하여 고객 기대치를 충족하고 비용과 낭비로 이어지는 재고를 줄입니다.

동영상 보기 »

맞춤형 추천

맞춤형 추천

고객에게 맞춤화된 고유한 경험을 전달하여 고객 만족도를 높이고 비즈니스를 빠르게 성장시킵니다.

블로그 읽기 »

시작하기

사용 사례

솔루션

시작하기

예측 유지 보수

차량 차대에 대한 예측 유지 보수

GitHub »

제조 분야에서 예측 유지 보수

GitHub »

컴퓨터 비전

이미지에서 제품 결함 탐지

GitHub »

자율 주행

자율 주행 차량의 능동 학습에서 시각적 인지

GitHub »

사기 탐지

악의적인 사용자 및 거래 탐지

GitHub »

Deep Graph Library를 사용하여 금융 거래에서 사기 탐지

GitHub »

신용 위험 예측

신용 관련 결정 설명

GitHub »

문서에서 데이터 추출 및 분석

감정 분류를 위한 차등 개인정보 보호

GitHub »

문서 요약, 엔터티 및 관계 추출

GitHub »

Amazon SageMaker를 사용한 수기 필체 인식

GitHub »

테이블 형식의 레코드에서 누락된 값 채우기

GitHub »

이탈 예측

텍스트를 사용한 이탈 예측

GitHub »

수요 예측

딥 러닝을 사용한 수요 예측

GitHub »

맞춤형 추천

Deep Graph Library를 통해 자격 증명 그래프에서 엔티티 분석

GitHub »

구매 모델링

GitHub »

고객

  • Mission Automate
  • MyCase
  • Pivotree
  • Mission Automate
  • Mission Automate
    Mission Automate
    "Amazon SageMaker JumpStart 덕분에 며칠 만에 ML 솔루션을 시작할 수 있어서 기계 학습 예측 요구 사항을 더 빠르고 안정적으로 이행할 수 있었습니다."

    Mission Automate의 CEO, Alex Panait

  • MyCase
  • MyCase
    MyCase
    "Amazon SageMaker JumpStart 덕분에 더 효과적인 시작점을 활용하면서 3~4개월이 아니라, 4~6주 안에 우리만의 사용 사례를 위한 ML 솔루션을 배포할 수 있었습니다."

    MyCase의 소프트웨어 엔지니어, Gus Nguyen

  • MyCase
  • Pivotree
    Pivotree
    “Amazon SageMaker JumpStart를 통해 자동 이상 탐지 또는 객체 분류와 같은 ML 애플리케이션을 더 빠르게 구축하고 솔루션을 시작하여 며칠 안에 개념 증명에서 프로덕션으로 진행할 수 있습니다."

    Pivotree의 플랫폼 아키텍트, Milos Hanzel 

리소스

블로그


Amazon SageMaker를 사용한 심층적 수요 예측

블로그 읽기 »


Amazon SageMaker의 강화 학습을 사용하여 AI 지원 Battlesnake 구축

블로그 읽기 »


Amazon SageMaker의 분산된 강화 학습으로 AI 지원 Battlesnake 확장

블로그 읽기 »


Amazon SageMaker를 통해 금융 거래 네트워크에서 사기 탐지

웨비나 보기 »


Amazon SageMaker로 자율 주행 차량 솔루션 가속화 Lyft

동영상 보기 »


Amazon SageMaker를 사용하여 개인화 모형을 구축하는 방법

동영상 보기 »


Amazon SageMaker로 더욱 빠르게 사기 탐지 Coinbase

동영상 보기 »

AWS 히어로

AWS Machine Learning 히어로

커뮤니티의 SageMaker 솔루션에 대해 자세히 알아보기
자세히 알아보기