Articles by KENNETH

Amazon ECS Anywhere 시작하기 – 정식 출시 Amazon Elastic Container Service(Amazon ECS)가 2014년에 출시된 이후 AWS는 AWS 리전 외부에서 Amazon ECS 작업을 실행하기 위한 다른 옵션(예: 모바일 엣지 디바이스를 위한 오퍼링인 AWS Wavelength 또는 AWS가 소유하고 완전히 관리하는 하드웨어를 사용하여 고객 환경으로 확장되는 서비스인 AWS Outposts)을 출시했습니다. 그러나 일부 고객은 규정, 지연 시간 및 데이터 상주 요구 사항 또는 기존 인프라 투자 활용 요구 사항으로 인해 온프레미스로 실행해야 하는 애플리케이션을 보유하고 있습니다. 이러한 경우 고객은 별도의 컨테이너 오케스트레이션 소프트웨어를 설치, 운영 및 관리해야 하며 AWS 및 온프레미스 환경 전체에서 서로 다른 도구를 사용해야 합니다. 고객은 이러한 복잡성과 비용 없이 온프레미스 컨테이너를 관리할 수 있는 방법을 요청했습니다. 지난해 Jeff의 사전 발표 이후 Amazon ECS의 새로운 기능인 Amazon ECS Anywhere의 정식 출시를 발표하게 되어 기쁩니다. Amazon ECS Anywhere를 사용하면 컨테이너 기반 애플리케이션을 온프레미스로 쉽게 실행 및 관리할 수 있고 가상 머신(VM), 베어 [ more… ]

Amazon Redshift ML 정식 출시 – SQL기반 기계 학습 모델 생성 및 예측 수행 Amazon Redshift를 사용하면 SQL로 엑사바이트의 구조적 및 반구조화된 데이터를 데이터 웨어하우스, 운영 데이터베이스및 데이터 레이크 전반에서 쿼리하고 결합할 수 있습니다. 이제 AQUA (고급 쿼리 가속기) 를 일반적으로 사용할 수 있으므로 추가 비용 및 코드 변경 없이 쿼리 성능을 최대 10배까지 향상시킬 수 있습니다. 실제로 Amazon Redshift는 다른 클라우드 데이터 웨어하우스보다 최대 3배 향상된 가격 대비 성능을 제공합니다. 그러나 한 단계 더 나아가서 이 데이터를 처리하여 기계 학습(ML) 모델을 훈련하고 이러한 모델을 사용하여 웨어하우스의 데이터에서 통찰력을 창출하려면 어떻게 해야 할까요? 예를 들어 매출 예측, 고객 이탈 예측, 이상 징후 탐지 등의 사용 사례를 구현하려면 어떻게 해야 합니까? 이전에는 Amazon Redshift에서 Amazon S3 버킷으로 훈련 데이터를 내보낸 다음 기계 학습 모델 훈련 과정을 구성하고 시작해야 했습니다 (예시:Amazon SageMaker). 이 과정을 완료하려면 여러 가지 기술이, 그리고 일반적으로 한 명 [ more… ]