Articles by KENNETH

Amazon RDS 활용 시, 데이터베이스 관리자 (DBA)의 역할 변화 (2) – 업무 자동화 지난 1부 글에서는 Amazon Relational Database Service(Amazon RDS)를 통해 DBA(데이터베이스 관리자) 역할의 초점을 일상적이고 시간 소모적인 작업에서 신속한 비즈니스 발전에 도움이 되는 프로젝트 작업으로 바꾸는 방법에 대해 설명했습니다. 데이터베이스에 대한 액세스를 제어하는 데 더 많은 시간을 할애하고, 변경 초안을 작성한 후 데이터베이스 구조에 적용하는 애플리케이션 팀의 작업을 지원하고, 사후 및 사전 성능 튜닝을 수행하는 것은 비즈니스 수익률에 직접적으로 기여하는 중요한 일입니다. 이 게시물에서는 이러한 장점을 다음 단계로 확대하고 AWS 도구를 사용한 자동화를 통해 더 많은 작업을 수행하는 방법에 대해 설명합니다. 비즈니스가 최고 속도로 운영되고 있을 때 DBA의 능률을 높이려면 가능한 경우 코드 및 자동화를 사용하는 것이 중요합니다. AWS는 이를 쉽게 하는 도구를 제공합니다. 이 게시물에 포함된 다수의 예제에서는 Amazon RDS에서 AWS CLI(명령줄 인터페이스)를 사용하여 작업을 수행합니다. AWS CLI는 AWS 서비스를 관리하는 통합 도구입니다. 단일 도구를 다운로드하고 구성하면 여러 [ more… ]

AWS Step Functions을 이용한 Amazon SageMaker 모델 자동 배포 방법 Amazon SageMaker는 모델의 개발, 훈련 및 배포, 솔루션 구축 비용 절감 및 데이터 과학 팀의 생산성 개선을 위한 완전한 ML(기계 학습) 워크플로 서비스입니다. SageMaker에는 다수의 미리 정의된 알고리즘이 포함되어 있습니다. 모델 교육을 위한 훈련 이미지인 Docker 이미지와 REST 엔드포인트에 배포할 추론 모델을 제공하여 자체 알고리즘을 생성할 수도 있습니다. 기계 학습 서비스를 정식으로 구축할 때는 기계 학습 모델의 구축 및 배포를 자동화하는 단계가 중요합니다. 코드 및/또는 데이터가 업데이트되면 모델을 재교육하고 배포해야 하기 때문입니다. 이 블로그에서는 AWS Step Functions를 사용한 SageMaker의 자동화 기술에 대해 설명하며, 새로운 오픈 소스 프로젝트인 aws-sagemaker-build를 데모에 사용합니다. 이 프로젝트는 ML 워크플로를 완벽하게 구현합니다. 이 소스 코드에는 Python 및 Amazon Alexa를 사용하여 빌드를 생성, 시작 및 중지 등 빌드 진행률을 추적하는 방법을 보여주는 Jupyter 노트북이 포함되어 있습니다. aws-sagemaker-build의 목표는 Amazon SageMaker 및 AWS Step Functions를 사용하는 일반적이고 유용한 [ more… ]