[월:] 2020년 12월

새로운 기능 — Amazon EMR on Amazon Elastic Kubernetes Service(EKS) 수만 명의 고객이 Amazon EMR을 사용하여 Apache Spark, Hive, HBase, Flink,Hudi 및 Presto와 같은 프레임워크에서 빅 데이터 분석 애플리케이션을 대규모로 실행합니다. EMR은 이러한 프레임워크의 프로비저닝 및 조정을 자동화하고 다양한 EC2 인스턴스 유형으로 성능을 최적화하여 가격 및 성능 요구 사항을 충족합니다. 이제 고객은 Kubernetes를 사용하여 조직 전체에서 컴퓨팅 풀을 통합하고 있습니다. Amazon Elastic Kubernetes Service(EKS)에서 Apache Spark를 관리하는 일부 고객은 EMR을 사용하여 프레임워크 및 AWS 서비스와의 통합을 설치하고 관리하는 번거로움을 없애고자 합니다. 또한 고객은 EMR이 제공하는 더 빠른 런타임, 개발 및 디버깅 도구를 활용하기를 원합니다. 오늘은 고객이 EKS에서 오픈 소스 빅 데이터 프레임워크의 프로비저닝 및 관리를 자동화할 수 있는 EMR의 새로운 배포 옵션인 Amazon EKS on Amazon EMR의 출시를 발표합니다. EKS 기반 EMR을 통해 고객은 이제 동일한 EKS 클러스터에서 다른 유형의 애플리케이션과 함께 Spark 애플리케이션을 실행하여 리소스 활용율을 높이고 인프라 관리를 [ more… ]

Amazon SageMaker JumpStart로 사전 구축된 모델과 기계 학습 솔루션 액세스 단순화 오늘 Amazon SageMaker JumpStart 출시 소식을 발표할 수 있게 되어 무척 기쁩니다. 이는 Amazon SageMaker의 한 기능으로, 클릭 한 번으로 인기 모델 컬렉션(“모델 동물원”으로도 알려진)과 공통적인 사용 사례를 해결하는 전체적 솔루션에 액세스하여 기계 학습 워크플로를 가속화할 수 있습니다. 최근 몇 년 동안, 기계 학습(ML)은 업무 프로세스를 개선하고 자동화하는 데 중요한 기술이라는 것이 입증되었습니다. 실제로 과거 데이터로 훈련한 모델은 금융 서비스, 리테일, 제조, 통신, 생명 공학 등의 다양한 산업 부문에서 결과를 정확히 예측할 수 있습니다. 그러나 이 모델을 사용하려면 과학자나 개발자와 같은 일부 사람들만 가지고 있는 기술과 경험이 필요합니다. 즉, 데이터 세트 준비, 알고리즘 선택, 모델 훈련, 정확도 최적화, 프로덕션 배포, 시간에 따른 성능 모니터링이 이에 해당합니다. 모델 구축 프로세스를 단순화하기 위해 ML 커뮤니티는 모델 동물원, 즉 인기 있는 오픈 소스 라이브러리로 구축하고 주로 참조 데이터 세트로 미리 훈련한 모델의 [ more… ]

AWS Audit Manager로 감사 준비 간소화 감사를 뒷받침할 증거를 모으는 작업은 오류가 발생하기 쉽고 때로는 분산되어 있는 수동 프로세스로 인해 적절한 시간내에 완료하기 상당히 어려운 일입니다. 규정을 준수해야 하는 기업은 감사에 대비하는 과정에서 상당한 생산성 손실이 발생하고 업무에 지장이 생길 수 있습니다. 기존의 온프레미스 시스템에 적용하도록 설계된 감사 내용을 클라우드 인프라에 적용하는 데도 문제가 생길 수 있습니다. 일반 데이터 보호 규정(GDPR), 의료보험의 양도 및 책임에 관한 법률(HIPAA), 지불 카드 산업 데이터 보안 표준(PCI DSS) 등의 복잡하고 진화되는 규제와 규정 준수 표준을 준수하려면 증거를 수집, 확인 및 종합해야 합니다. 또한, AWS 사용이 이런 변화하는 규정 준수 관리 요구 사항에 어떻게 매핑되는지 지속적으로 재평가해야 합니다. 요구 사항을 준수하려면 데이터 암호화가 활성화되어 있다는 것을 보여주고, 서버 구성이 변경된 것에 대한 로그 파일, 애플리케이션의 고가용성을 보여주는 다이어그램, 필수 교육이 완료된 것을 확인할 수 있는 트랜스크립트, 소프트웨어 사용량이 라이선스로 제공된 용량을 초과하지 않은 것을 보여주는 [ more… ]