Articles by KENNETH

Amazon SageMaker Studio 신규 콘솔 디자인 변경 오늘 Amazon SageMaker Studio를 위해 새롭게 재디자인된 사용자 인터페이스(UI)를 발표하게 되어 매우 기쁩니다. SageMaker Studio는 포괄적인 ML 도구 세트를 사용하여 모든 기계 학습(ML) 개발 단계를 수행할 수 있는 단일 웹 기반 시각적 인터페이스를 제공합니다. 예를 들어 SageMaker Data Wrangler를 사용하여 데이터를 준비하고, 완전 관리형 Jupyter Notebook으로 ML 모델을 구축하고, SageMaker의 다중 모델 엔드포인트를 사용하여 모델을 배포할 수 있습니다. Amazon SageMaker Studio를 위해 새롭게 디자인된 UI 소개 새롭게 디자인된 UI를 통해 SageMaker Studio에서 ML 도구를 더 쉽게 찾고 시작할 수 있습니다. 새 UI의 주요 특징 중 하나는 데이터 준비부터 ML 모델 구축, 훈련 및 배포에 이르기까지 일반적인 ML 개발 워크플로를 따르는 SageMaker 기능에 대한 링크가 포함된 재디자인된 탐색 메뉴입니다. 또한 각 탐색 메뉴 항목에 대한 새로운 동적 랜딩 페이지를 추가했습니다. 이러한 랜딩 페이지는 생성하거나 업데이트할 때 클러스터, 기능 그룹, 실험, 모델 엔드포인트와 같이 도구와 [ more… ]

Amazon SageMaker 섀도우 테스트 기능 – ML 모델 변형 간 추론 성능 비교 기계 학습(ML) 워크로드를 제작 환경으로 옮길 때에는 배포 모델을 지속적으로 모니터링하고, 모델 성능의 편차가 발견되면 이를 처음부터 다시 수행해야 합니다. 신규 모델을 구축할 때는 일반적으로 기간별 추론 요청 데이터를 사용하여 오프라인에서 모델 검증을 시작합니다. 그러나 이 데이터는 때때로 현재의 실제 상황을 설명하지 못합니다. 예를 들어 제품 추천 모델에서 아직 보지 못한 신제품이 트렌드가 될 수 있습니다. 아니면, 사용자가 이전에 모델을 노출한 적이 없는 제작 환경에서 추론 요청의 양이 갑자기 급증하는 것을 경험할 수도 있습니다. 오늘 저는 Amazon SageMaker의 섀도우 테스트 지원을 발표하게 되어 매우 기쁩니다! 섀도우 모드에서 모델을 배포하면 제작 모델에 대한 실시간 추론 요청의 사본을 신규(섀도우) 모델로 라우팅하여 보다 총체적인 테스트를 수행할 수 있습니다. 하지만 제작 모델의 응답만 호출 애플리케이션에 반환됩니다. 섀도우 테스팅은 모델에 대한 신뢰도를 높이고 잠재적 구성 오류와 성능 문제가 최종 사용자에게 영향을 미치기 [ more… ]

Amazon SageMaker 차세대 노트북 – 데이터 준비, 실시간 협업 및 노트북 자동화 기능 내장 2019년 당사는 데이터 과학 및 기계 학습(ML)을 위한 최초의 완전 통합 개발 환경(IDE)인 Amazon SageMaker Studio를 도입했습니다. SageMaker Studio를 사용하면 전용 도구와 통합되어 데이터 준비부터 모델 학습 및 디버깅, 실험 추적, 모델 배포 및 모니터링, 파이프라인 관리에 이르기까지 모든 ML 단계를 수행하는 완전 관리형 Jupyter Notebook에 액세스할 수 있습니다. 오늘 ML 개발 워크플로 전반의 효율성을 높이는 차세대Amazon SageMaker 노트북을 발표하게 되어 매우 기쁩니다. 이제 내장된 데이터 준비 기능으로 몇 분 안에 데이터 품질을 개선하고, 팀과 함께 동일한 노트북을 실시간으로 편집하며, 노트북 코드를 프로덕션 준비 작업으로 자동 변환할 수 있습니다. 새로워진 요소들을 보여드리겠습니다! 간소화된 데이터 준비를 위한 새로운 노트북 기능 새로운 내장 데이터 준비 기능은 Amazon SageMaker Data Wrangler로 구동하며 SageMaker Studio 노트북에서 사용할 수 있습니다.  SageMaker Studio 노트북은 Pandas 데이터 프레임 위에 주요 시각화를 자동으로 생성하여 [ more… ]