[월:] 2022년 12월

Amazon Aurora 및 RDS용 Trusted Language Extensions for PostgreSQL 지원 PostgreSQL은 개발자를 위한 확장 가능한 디자인으로 많은 기업과 스타트업이 선호하는 오픈 소스 관계형 데이터베이스가 되었습니다. 개발자가 PostgreSQL을 사용하는 이유 중 하나는 선호하는 프로그래밍 언어로 확장 프로그램을 구축하여 데이터베이스 기능을 추가할 수 있기 때문입니다. 이미 Amazon Aurora PostgreSQL 호환 에디션과 PostgreSQL용 Amazon Relational Database Service에 PostgreSQL 확장 프로그램을 설치하고 사용할 수 있습니다. Amazon Aurora와 Amazon RDS에서 85개 이상의 PostgreSQL 확장 프로그램을 지원합니다. 예를 들어, 데이터베이스 활동을 기록하기 위한 PGAudit 확장 프로그램이 있습니다. 많은 워크로드에서 이러한 확장 프로그램을 사용하지만 고객이 PostgreSQL 데이터베이스 인스턴스에 대해 선택한 확장 프로그램을 구축하고 실행할 수 있는 유연성을 요구한다는 의견을 들었습니다. 오늘 PostgreSQL 확장 프로그램을 구축하기 위한 새로운 오픈 소스 개발 키트인 PostgreSQL용 신뢰할 수 있는 언어 확장 프로그램(pg_tle)의 정식 출시를 발표합니다. PostgreSQL용 신뢰할 수 있는 언어 확장 프로그램을 통해 개발자는 PostgreSQL에서 안전하게 실행되는 고성능 확장 프로그램을 구축할 [ more… ]

Amazon Omics 정식 출시 – 게놈 및 생물학적 데이터 구축 및 분석 서비스 고등학교 생물학 수업에서는 인간 게놈은 디옥시리보핵산(DNA)에서 쌍을 이루는 아데닌(A), 구아닌(G), 시토신(C), 티민(T)으로 이루어진 30억 개 이상의 코드로 구성된다는 것을 배웁니다. 인간 게놈은 모든 인간 세포의 생물학적 청사진 역할을 합니다. 이는 우리를 인간이게 하는 근간일 뿐입니다. 의료 및 생명과학 조직은 환자 치료를 개선하고 과학적 연구를 증진하기 위해 수많은 유형의 생물학적 데이터를 수집합니다. 이러한 기관들은 질병과 개인의 유전적 소인 간의 상관관계를 밝히거나, 단백질 구조 및 작용 기전을 기준으로 신약 표적을 식별하거나, 특정 세포에서 발현되는 유전자에 따라 종양을 프로파일링하거나, 장내 세균이 인체 건강에 미치는 영향을 조사합니다. 이러한 연구를 통틀어 ‘오믹스(omics)’라고 합니다. AWS는 10년 넘게 의료 및 생명과학 조직이 이 데이터를 유용한 인사이트로 신속하게 변환할 수 있도록 지원해왔습니다. Ancestry, AstraZeneca, Illumina, DNAnexus, Genomics England, GRAIL 등 여러 업계 리더들이 검색 시간을 단축하는 동시에 비용을 절감하고 보안을 강화하기 위해 AWS를 활용하고 있습니다. [ more… ]

Amazon Comprehend IDP – PDF, 워드 문서 및 이미지를 처리 기능 출시 오늘 지능형 문서 처리(IDP)를 위한 새로운 Amazon Comprehend 기능을 발표합니다. 이 기능을 사용하면 텍스트를 먼저 추출하지 않고도 Amazon Comprehend에서 직접 PDF 문서, Microsoft Word 파일 및 이미지에서 엔터티를 분류하고 추출할 수 있습니다. 많은 고객은 스캔한 영수증 이미지나 PDF 형식의 세금 내역서와 같이 반구조화된 형식의 문서를 처리해야 합니다. 오늘날까지 이러한 고객은 우선 광학 문자 인식(OCR) 도구를 사용하여 해당 문서를 사전 처리하고 텍스트를 추출해야 했습니다. 그런 다음 Amazon Comprehend를 사용하여 사전 처리된 파일에서 항목을 분류하고 추출할 수 있었습니다. 이제 IDP용 Amazon Comprehend를 통해 고객은 단일 API 호출로 일반 텍스트 문서뿐만 아니라 PDF, docx, PNG, JPG 또는 TIFF 이미지와 같은 반구조화된 문서를 처리할 수 있습니다. 이 새로운 기능은 OCR과 Amazon Comprehend의 기존 자연어 처리(NLP) 기능을 결합하여 문서에서 항목을 분류하고 추출합니다. 사용자 지정 문서 분류 API를 사용하면 문서를 범주 또는 클래스로 구성할 [ more… ]

Amazon SageMaker ML Governance – ML 프로젝트에 대한 액세스 제어 및 투명성 강화 기능 출시 비즈니스 애플리케이션에 기계 학습(ML)을 채택하는 사례가 늘어남에 따라 기업은 ML 수명 주기 전반에 걸쳐 간소화된 액세스 제어와 향상된 가시성을 통해 ML 프로젝트의 거버넌스를 개선할 방법을 찾고 있습니다. 이러한 노력의 공통적인 과제는 다양한 그룹 및 ML 활동에 적절한 사용자 권한을 관리하는 것입니다. 예를 들어, 모델을 구축하고 교육하는 팀의 데이터 과학자는 일반적으로 ML 파이프라인을 관리하는 MLOps 엔지니어와는 다른 권한을 필요로 합니다. 또 다른 과제는 ML 프로젝트에 대한 가시성을 높이는 것입니다. 예를 들어, 사용 목적, 범위를 벗어난 사용 사례, 위험 등급 및 평가 결과와 같은 모델 정보가 종종 이메일이나 문서를 통해 캡처되고 공유됩니다. 또한 배포된 모델 동작을 모니터링하고 보고하는 간단한 메커니즘이 없는 경우가 많습니다. 이러한 이유로, Amazon SageMaker를 위한 새로운 ML 거버넌스 도구 세트를 발표하게 되어 매우 기쁩니다. ML 시스템 또는 플랫폼 관리자는 이제 Amazon SageMaker Role Manager를 [ more… ]