Articles by KENNETH

Amazon Managed Blockchain 정식 출시- 높은 확장성의 블록체인 관리형 서비스 신뢰는 중요합니다. 그리고 신뢰는 거의 모든 비즈니스와 대인 관계 또는 거래의 기본입니다. 어떤 경우에는 성공적인 거래를 성사시키며 장기간에 걸쳐 신뢰를 다지고, 이러한 신뢰가 관계 형성의 핵심 요소로 간주됩니다. 또 어떤 경우에는 신뢰를 쌓을 시간이 없기 때문에 다른 메커니즘이 사용해야 하기도 합니다. 신뢰가 없는 상태에서는 거래를 성공적으로 성사시키기 위한 방식을 찾아야 합니다. 오늘날에는 Hyperledger Fabric 및 Ethereum 같은 블록체인 기술이 이 중요한 요건을 충족하여 제안된 거래의 유효성에 대해 쌍방이 동의하고 신뢰가 부재한 상황에서 각 거래에 대해 수정 불가한 디지털 기록(일반적으로 “원장”이라고 부름)을 남길 수 있게 해 줍니다. Amazon Managed Blockchain 정식 출시 AWS는 AWS re:Invent 2018에서 Amazon Managed Blockchain을 발표했으며 등록을 통해 미리 보기를 시작한 바 있습니다. 이제 Amazon Managed Blockchain은 미국 동부(버지니아 북부) 리전에서 정식 출시되었습니다. 이 서비스를 사용하면 오픈 소스 프레임워크인 Hyperledger Fabric을 사용하는 확장 가능한 블록체인 네트워크를 생성할 [ more… ]

AWS DeepRacer League 온라인 가상 리그전 공개! AWS DeepRacer는 온보드 하드웨어 및 소프트웨어가 탑재된 1/18 비율의 소형 레이싱카입니다. 지난해 re:Invent 2018부터 시작해 AWS Global Summits에서 DeepRacer League를 통해 직접 경험할 기회가 제공되고 있습니다. 본 리그전에서는 강화 학습을 사용한 모델을 학습하여, 실제 트랙에서 이를 주행할 수 있습니다. 매 서밋에서 가장 빠른 경주용 자동차와 랩 타임이 리더보드에 게시됩니다. 지난 서울 서밋의 딥레이서 리그 기록 DeepRacer League 가상 서킷 공개 AWS는 AWS DeepRacer League 가상 서킷을 공개했습니다. 온라인으로 강화 학습 모델을 구축하고 학습시키며 평가하여, 멋진 수상을 위해 온라인에서 경주에 참가할 수 있습니다. 굳이 오프라인이 아니라 온라인 기반 DeepRacer 콘솔에서 작업할 수 있습니다! 전 세계 유명 경주 트랙의 영감을 받아 매월 새로운 트랙을 추가할 예정이므로, 모델을 조정하고 기술 세트를 확장할 수 있습니다. 매월 리더보드의 상위 입상자에게는 AWS re:Invent 2019의 유료 패키지를 보상으로 제공합니다. re:Invent 2019에서 리그 토너먼트전에 참가해 Championship Cup에 도전할 수 있습니다! DeepRacer [ more… ]

지표 수식을 사용한 Amazon CloudWatch 경보 생성 2018년 AWS에서는 실시간 분석을 위해 여러 지표에 걸친 계산을 수행할 수 있게 해 주는 지표 수식을 발표했습니다.  수집된 지표로 부터 간단한 표현식을 사용해 계산된 지표를 생성하고 이렇게 계산된 지표를 Amazon CloudWatch를 통해 시각화하고 CloudWatch 대시보드에 추가하거나 새롭게 출시된 GetMetricData API를 통해 검색할 수 있습니다. 지표 수식을 사용하면 기존 CloudWatch 지표에 대한 통찰력을 얻고 운영 상태 및 인프라 성능에 대한 이해를 높일 수 있습니다. AWS는 re:Invent 2018에서 지표 수식을 사용하여 CloudWatch 경보를 생성할 수 있는 기능을 발표했습니다. 이 블로그 게시물에서는 AWS Lambda 오류율을 계산하는 지표 수식에 대한 경보를 생성해 보겠습니다. AWS Lambda 오류에 대한 경보를 생성하되 적은 수의 오류는 경보가 트리거되지 않도록 허용하겠습니다. 지표 수식을 사용하면 백분율 형식의 오류율 표현식을 생성할 수 있습니다. 이렇게 하려면 [Errors] 지표를 [Invocations] 지표로 나누어 오류율을 얻고 이에 해당하는 시계열을 CloudWatch 대시보드의 그래프에 추가합니다. 표현식 = 오류 / 요청 * 100.다른 사용 [ more… ]

Amazon SageMaker Factorization Machines 알고리즘을 확장하여 추천 시스템 구현하기 Amazon SageMaker는 기계 학습 워크로드와 관련한 복잡한 비즈니스 문제를 해결하는 데 필요한 유연성을 제공합니다. 내장된 알고리즘은 빠르게 시작하는 데 도움이 됩니다.  이 블로그 게시물에서는 내장된 Factorization Machines 알고리즘을 확장하여 상위 x개의 권장 사항을 예측하는 방법을 설명합니다.이 접근 방식은 정해진 수의 사용자 권장 사항을 배치 형식으로 생성하려고 할 때 이상적입니다. 예를 들어, 이 접근 방식을 사용하여 대규모 세트의 사용자 및 제품 구매 정보에서 특정 사용자가 구매할 가능성이 높은 상위 20개 제품을 생성할 수 있습니다. 그런 다음 추후 대시보드 표시 또는 개인화된 이메일 마케팅에 사용하기 위해 권장 사항을 데이터베이스에 저장할 수 있습니다. 또한 주기적인 재훈련 및 예측을 위해 AWS Batch 또는 AWS Step Functions를 사용하여 이 블로그에 설명된 단계를 자동화할 수 있습니다.Factorization Machines는 모든 종류의 분류 및 회귀 작업 에 사용할 수 있는 범용 지도 학습 알고리즘입니다. 추천 시스템을 위한 엔진으로 설계되었던 이 [ more… ]