[월:] 2020년 12월

Amazon Lookout for Vision – 새로운 ML 서비스로 제조 결함 감지 간소화 오늘, 저는 산업 환경에서 고객이 생산 단위 및 장비의 외관 결함을 쉽고 비용 효율적으로 감지할 수 있도록 지원하는 새로운 기계 학습 (ML) 서비스인 Amazon Lookout for Vision을 발표하게 되어 기쁩니다. 이 이미지에서 결함이 있는 회로 기판을 찾을 수 있습니까? 회로 기판에 익숙하다면 해낼 수도 있겠지만, 저의 경우에는 오류를 찾아내는 데 상당한 시간이 걸렸습니다. 인간은 제대로 훈련을 받고 잘 쉬었을 때 일련의 물건에서 이상을 발견하기에 좋은 상태가 됩니다. 그러나 피곤하거나 제대로 훈련을 받지 않은 경우 (이 예시의 저와 같이) 느리고 오류를 일으키기 쉬우며, 일관성이 없을 수 있습니다. 그렇기 때문에 많은 기업들이 머신 비전 기술을 사용하여 이상을 탐지합니다. 그러나 이러한 기술은 제어된 조명 및 카메라 관측점으로 보정해야 합니다. 또한 결함 여부를 정의하는 하드 코딩된 규칙을 지정해야 하므로 기술이 매우 전문화되고 구축하기에 복잡해집니다. Lookout for Vision은 생산 프로세스 전반에 걸쳐 제품 [ more… ]

새로운 기능 – Amazon QuickSight Q가 비즈니스 데이터에 대한 자연어 질문에 답변 세션별 지불 요금제의 첫 번째 BI(비즈니스 인텔리전스) 서비스로 Amazon QuickSight가 출시되었습니다. 오늘 AWS는 기계 학습(ML)을 기반으로 하는 자연어 쿼리(NLQ) 기능인 Amazon QuickSight Q의 preview를 발표하게 되었습니다. 이제 비즈니스 사용자는 Q를 통해 QuickSight를 사용하여 일상 언어로 데이터에 대해 질문하고 몇 초 만에 정확한 답변을 받을 수 있습니다. 예를 들어, “전년 대비 연간 매출 성잘률은 얼마지?” 또는 “전년 대비 가장 많이 성장한 제품은 뭐지?”라고 질문하면 Q는 질문을 자동으로 구문 분석하여 의도를 파악하고 해당 데이터를 검색한 다음, QuickSight에 숫자, 차트 또는 테이블 형태로 답변을 반환합니다. Q는 최첨단 ML 알고리즘을 사용하여 데이터 간의 관계를 이해하고 인덱스를 구축하여 정확한 답변을 제공합니다. 또한 Q를 사용하면 BI 팀이 특정 데이터 세트에 대한 데이터 모델을 미리 빌드할 필요가 없으므로 모든 데이터에 대해 질문할 수 있습니다. Q의 필요성 일반적으로 BI 엔지니어와 분석가는 비즈니스 사용자가 주요 지표를 보다 [ more… ]

Amazon Connect – 더 스마트한 기능, 타사 도구와의 통합성 개선 2017년에 Amazon Connect를 출시한 이래로 수천 명의 고객들이 클라우드에서 자체 고객 센터를 만들었습니다. Amazon Connect를 사용하면 기술이 없는 고객도 쉽게 고객 문의 흐름을 설계하고 상담원을 관리하며 성과 지표를 추적할 수 있습니다. 예를 들어 유럽의 Best Western 호텔 객실을 전화로 예약하면 통화가 Amazon Connect에 의해 관리됩니다. 영국에서는 우체국이 3주 만에 관념화 단계에서 생산 롤아웃 단계로 넘어갔습니다. 프랑스에서는 비즈니스 프로세스 아웃소싱 분야의 글로벌 리더인 WebHelp가 72시간 만에 수천 개의 워크스테이션과 원격 상담원을 활성화했습니다. Amazon Connect에 대해 마지막으로 블로그에 글을 올린 이후 Amazon Connect 팀은 지속적으로 여러분의 피드백에 귀를 기울여 왔습니다. 그리고 오늘 Amazon Connect가 더 스마트하게 작동하고 타사 도구와 더 잘 통합되게 해주는 새로운 기능 모음을 발표하게 되어 기쁩니다. 기계 학습(ML)을 활용하여 더욱 스마트해진 Amazon Connect를 사용하면 실시간으로 대화를 분석하고 고객 센터 상담원이 필요로 하는 관련 정보를 찾으며 고객의 음성으로 고객을 인증할 [ more… ]

새로운 기능 – 장비에 대한 Amazon Lookout, 센서 데이터를 분석하여 장비 고장 감지 산업 장비를 운영하는 기업은 운영 효율성을 개선하고 구성 요소 고장으로 인한 예기치 않은 가동 중지 시간을 방지하기 위해 끊임없이 노력합니다. 그들은 수년간 물리적 센서 (태그), 데이터 연결, 데이터 스토리지 및 대시보드 구축에 많이 반복적으로 투자하여 장비의 상태를 모니터링하고 실시간 알림을 받습니다. 기본 데이터 분석 방법은 단일 변수 임계값 및 물리 기반 모델링 접근법으로, 이러한 방법은 특정 고장 유형 및 작동 조건을 탐지하는 데 효과적이지만 각 장비에 대한 다변량 관계를 도출하여 탐지한 중요 정보를 종종 놓칠 수 있습니다. 기계 학습을 통해 장비의 기록 데이터에서 학습하는 데이터 기반 모델을 제공할 수 있는 보다 강력한 기술이 가능해졌습니다. 그러나 이러한 기계 학습 솔루션의 구현에는 자본 투자와 엔지니어 훈련을 위한 시간과 비용이 많이 필요합니다. 오늘 이상 장비 동작을 감시하는 API 기반 기계 학습 (ML) 서비스인 Amazon Lookout for Equipment를 발표하게 되어 기쁩니다. [ more… ]