AWS Innovate 2020 온라인 컨퍼런스 – 인공지능 및 기계학습 특집 다시 보기
지난 2월에 열린 AWS INNOVATE 온라인 컨퍼런스 – AI & ML 특집에서는 기조 연설 및 다양한 강연을 통해 AI 및 기계 학습에 대한 최신 정보가 소개 됐습니다.
그리고 AWS 고객이 의료 서비스의 품질을 개선하고, 범죄 사건을 수사하며, 더욱 효율적인 고객 서비스를 제공하는 등의 다양한 용도로 기계 학습을 사용하는 방법이 소개됐습니다. AWS에서 제공하는 폭넓은 심층 기계 학습 및 AI 서비스 세트를 활용하면 새로운 분석 정보를 생성하고, 작업 효율성을 높이고, 더욱 정확한 예측이 가능합니다. 이것이 바로 10,000개가 넘는 고객사가 기계학습을 위해 AWS를 선택한 이유입니다.
아래 주요 세션을 온라인으로 만나보세요!
기초 – AWS AI 서비스 미리 보기
수백만 사용자 대상 기계 학습 서비스를 위한 확장 비법 (윤석찬 AWS 테크 에반젤리스트)
기계 학습은 이제 개발자에게 필수 기술셋이 되었습니다. 본 세션에서는 AWS의 다양한 인공 지능 서비스를 활용하여 개발자들이 기계 학습을 처음 접하는 시점부터 혼자서 공부하는 방법부터 팀에서 초기 도입시, 그리고 정식 프로덕션 환경에서 수백만 사용자를 위한 서비스를 향해 가는 과정을 알려드림으로서 기계 학습 기반 개발자가 될 수 있는 방법을 알아봅니다.
간단한 Python 코드만으로 높은 성능의 기계 학습 모델 만들기 (김무현 AWS Sr. 데이터 사이언티스트)
여러분의 애플리케이션에 인공 지능 기능을 추가하는 방법 중 하나로, GluonCV 및 AutoGluon 라이브러리를 이용해서 간단한 Python 코드로 높은 성능의 기계 학습 모델을 만들고 이를 예측에 사용하는 방법을 소개합니다. 정형 데이터에 대한 분류 또는 수치 예측 모델 생성부터 이미지 분류, 객체 탐지, 세그먼테이션, 행동 인식 등의 모델을 기계 학습에 대한 전문 지식이 없이도 자동으로 만들고 활용하는 방법을 알아봅니다.
한국어를 위한 AWS 인공지능(AI) 서비스 소개 및 활용 방법 (강정희 AWS 솔루션즈 아키텍트)
언어와 문자에 대한 이해는 인공지능 기술의 대표적인 주제입니다. AWS는 인공지능에 대한 깊은 이해나 투자 없이도 손쉽게 이를 활용할 수 있도록, 2017년 부터 다양한 AI 언어 서비스들을 발표하였습니다. 이러한 AI 언어 서비스들은 최근의 Amazon Comprehend 사례와 같이 지속적으로 한국어 지원을 추가하고 있습니다. 본 세션에서는 AI 언어 서비스와 문서 인식 서비스인 Textract를 활용하여 여러분의 애플리케이션에 비즈니스에 필요한 인사이트를 손쉽게 추가할 수 있는 다양한 사용 사례를 데모와 함께 알아봅니다.
Kubernetes와 SageMaker를 활용하여 Machine Learning 워크로드 관리하기 (강성문 AWS 솔루션즈 아키텍트)
기계 학습 (ML) 워크로드를 실제 운영환경에서 사용하기 위하여 다양한 툴들과 방법들이 시도되고 있습니다. 본 세션에서는 ML 운영을 위해 어떤 툴들이 활용되고 있는지를 살펴보고, 그 중 엔터프라이즈 환경에서 많이 선택하고 았는 Kubernetes와 Kubeflow를 사용하여, 어떻게ML 전처리와 훈련 작업을 관리하고 운영환경에 배포할 수 있는지를 데모와 함께 알아봅니다.
심화 – 개발자를 위한 AWS AI 서비스 심층 분석
Amazon SageMaker 신규 기능을 활용한 다양한 ML 모델 실험해 보기 (서지혜 AWS AI/ML 스페셜리스트)
데이터사이언티스트는 다양한 실험 과 반복을 통해서 최적의 기계 학습 모델을 만들 수 있지만 이에 따른 시간과 노력, 자원이 필요합니다. 본 세션에서는 인프라 걱정없이 다양한 모델을 만들어 보고 관찰 해 볼수 있는 Amazon SageMaker 신규 기능인 Sagemaker Experiment와 Debugging 에 대해 알아 봅니다. 통합 기계 학습 개발 환경(IDE)인 Jupyter Notebook Interface인 SageMaker Studio에 어떻게 해당 기능들이 통합 되었는지 데모를 통해 알아봅니다.
ML 모델 생성 및 운영 효율화를 높이는 Amazon SageMaker의 신규 기능들 (남궁영환 AWS Sr. AI/ML 컨설턴트)
기계 학습 모델링에는 여전히 많은 수작업이 수반됩니다. 여기에는 모델 평가, 성능 모니터링, 실효성 검증 등 다양한 요소들이 포함되어 있습니다. 본 세션에서는 기계 학습 모델에서 데이터 라벨링 작업의 어려움을 해소하는 SageMaker Ground Truth, 모델 예측 결과에 대한 사람에 의한 리뷰 작업을 도와 주는 Augmented AI (A2I), 모델에 대한 성능 모니터링을 도와주는 SageMaker Model Monitor 등에 대해 알아봅니다.
Amazon Forecast를 통한 시계열 예측 활용하기 (김종선 AWS 솔루션즈 아키텍트)
Amazon Forecast는 제품 수요, 리소스 요구량 또는 금융 실적 등의 향후 비즈니스 성과를 정확하게 예측하기 위해 기계 학습을 사용하는 완전관리형 기계 학습 서비스입니다. 본 세션에서는 기계 학습 경험이 없어도 시작 가능한 시계열 예측 방법을 제공하는 Amazon Forecast의 데모를 통해서, 데이터가 추가 변수와 결합하여 예측을 만들어내는 과정을 상세하게 알아봅니다.
Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 (최원근 AWS 솔루션즈 아키텍트)
Amazon Personalize는 Amazon.com에서 20년 이상 추천/개인화를 제공해 온 경험을 바탕으로, 회사가 권장 사항, 검색 결과, 이메일 캠페인및 알림과 같은 개인화 된 경험을 제공하도록 돕는 완전 관리 형 서비스입니다. 본 세션에서는 기계 학습에 대한 지식 없이도 개인화 및 추천 기능을 도입하고 싶을때, 현장에서 충분히 활용 가능한 Amazon Personalize를 상세하게 알아보고 이를 활용한 간단한 데모를 통해 실제 활용 예시를 살펴보겠습니다.
실습 – Amazon SageMaker
Amazon SageMaker 입문 (강성문 AWS 솔루션즈 아키텍트)
Amazon SageMaker의 사용법과 예제 주피터 노트북들을 간단히 살펴보고, 고객 이탈 예측 모델을 Amazon SageMaker Autopilot으로 자동으로 생성하는 법을 데모를 통해 알아봅니다.
Amazon SageMaker 실습 (김대근 AWS 데이터 사이언티스트)
추가적으로 AWS Innovate AI/ML 온디맨드에 등록하시면, 위의 세션 외에도 아래 자막 버전 영상을 보실 수 있습니다.
- Data and Machine Learning: Helping Amazon Innovate Faster for Customers (Glenn Core, AWS 수석 아키텍트)
- Powering Voice Interaction (Manoj Sindhwani, Alexa Speech 부사장)
- Before you click ‘buy’ (Jenny Freshwater, Amazon 예측&용량 계획 공급 체인 감독)
- How Machine Learning is applied at Amazon (Mike Vogelsong, Amazon 시니어 머신 러닝 과학자)
- The Amazon Robotics Innovation Flywheel (Tye Brady, Amazon Robotics 수석 테크놀로지스트)
위의 세션에 언급된 AWS기반 기계학습 서비스와 파트너 솔루션 확인해보시기 바랍니다. 온라인을 통한 학습을 통해 여러분의 클라우드 역량을 키워 보세요!
– AWS 코리아 마케팅팀 안지윤 매니저;
Leave a Reply