aws

AWS 주간 소식 모음 – 2020년 6월 29일 안녕하세요! 여러분~ 매주 월요일 마다 지난 주 업데이트된 국내 AWS관련 콘텐츠를 정리해 드리는 AWS 주간 소식 모음입니다. AWS 클라우드에 대한 새로운 소식을 확인하시는데 많은 도움 되시길 바랍니다. 혹시 빠지거나 추가할 내용이 있으시면, 저에게 메일 주시면 다음 중에 추가 공유해 드리겠습니다. AWS코리아 블로그 Amazon Honeycode 베타 출시 – 코드 작성 없이 웹 및 모바일 앱 구축하기 (2020-06-26) AWS Solutions Constructs – AWS CDK에 대한 아키텍처 패턴 라이브러리 (2020-06-25) Amazon SageMaker와 Deep Graph Library를 이용한 이종 네트워크에서 사기 탐지하기 (2020-06-23) Amazon SageMaker와 Apache Airflow을 통한  기계학습 워크플로 구축하기 (2020-06-22) AWS 클라우드 클리닉 16회 – AWS 6월 새소식 모음 15회 – 클라우드로 인생을 바꾼 김현민님과 함께 AWS 코리아 온라인 세미나 일정 AWS Unboxing  온라인 세미나  (2020-06-30) AWS Game Master @ 트위치 라이브 방송 (2020-06-30) AWS 데이터 분석 특집 웨비나  (2020-07-10) AWS 신규 기능(영문) AWS IoT [ more… ]

Amazon Honeycode 베타 출시 – 코드 작성 없이 웹 및 모바일 앱 구축하기 VisiCalc는 1979년에 출시되었습니다. Apple II에 쓰려고 저도 하나를 구매했습니다(오른쪽 사진 참조). 스프레드시트 모델은 깔끔하고, 사용이 쉬웠으며, 무엇보다 가르치기가 쉬웠습니다. 당시 컴퓨터 소매점에서 일하고 있었는데 사람들이 이 소프트웨어 구매를 문의하고 이 소프트웨어를 실행하는 데 필요한 하드웨어에 대해 묻기 시작했을 때 이것이 대단한 제품이라는 것을 알았습니다. 오늘날의 스프레드시트는 대량 생산되는 패키지형 애플리케이션과 전담 개발자 팀이 만든 맞춤형 코드 사이의 중요한 공백을 채워줍니다. 그러나 모든 도구에는 한계가 있습니다. 다량의 데이터를 다룰 때는 여러 사용자와 여러 스프레드시트에서 데이터를 공유하기가 어렵습니다. 통합과 자동화도 까다로우며 전문 기술이 요구됩니다. 대부분은 스프레드시트보다 맞춤형 앱이 나을 수 있지만 개발자 또는 다른 IT 리소스가 없는 상태에서 맞춤형 앱이 구축되는 경우는 거의 없습니다. Amazon Honeycode 서비스 소개 오늘 Amazon Honeycode가 베타 형태로 출시됩니다. 본 서비스는 코드 작성 없이 강력한 모바일 및 웹 애플리케이션을 구축할 수 있는 능력을 제공합니다. [ more… ]

AWS Solutions Constructs – AWS CDK에 대한 아키텍처 패턴 라이브러리 클라우드 애플리케이션은 가상 서버, 컨테이너, 서버리스 함수, 스토리지 버킷 및 데이터베이스 등 다수의 구성 요소를 사용하여 구축됩니다. 이러한 리소스를 안전하고 반복 가능한 방법으로 프로비저닝하고 구성하는 기능은 프로세스를 자동화하여 구현의 고유한 부분에 집중하는 데 매우 중요합니다. AWS Cloud Development Kit를 사용하면 자주 사용하는 프로그래밍 언어의 표현 기능을 활용하여 애플리케이션을 모델링할 수 있습니다. “적절한 기본값”으로 미리 구성되는 고급 구성 요소인 구문을 사용자 지정하여 새 애플리케이션을 빠르게 구축할 수 있습니다. CDK는 AWS CloudFormation을 사용하여 리소스를 프로비저닝함으로써 인프라를 코드로 관리할 때의 모든 이점을 활용합니다. 제가 CDK를 좋아하는 이유 중 하나는 자체 사용자 지정 구성 요소를 상위 수준의 구문으로 작성하고 공유할 수 있다는 것입니다. 예상하듯이 여기에는 다수의 고객에게 유용할 수 있는 반복적인 패턴이 있습니다. 오늘 발표되는 AWS Solutions Constructs는 이러한 이유로 출시되었습니다. CDK를 위한 오픈 소스 확장 라이브러리로서 고유한 솔루션을 구축하는 데 도움이 되는 Well-Architected 패턴을 [ more… ]

Amazon SageMaker와 Deep Graph Library를 이용한 이종 네트워크에서 사기 탐지하기 이상 행위자나 의심스러운 계정으로 인해서 매년 수 십조 원의 손실이 발생하고 있습니다. 시스템에서 악의적인 행동들이 일어나는 것을 방지하기 위해서 많은 기업들은 규칙 기반 필터를 적용하고 있지만, 이 필터들은 다루기 힘들기도 하고 악의적인 행동 전체를 잡아내지 못합니다. 하지만 그래프 기술과 같은 솔루션들은 이상 행위자나 악의적인 사용자를 탐지하는데 아주 적합합니다. 이상 행위자는 규칙 기반의 시스템이나 단순한 특징 기반의 모델을 속이기 위해서 그들이 사용하는 방법을 진화시키지만, 그래프 구조나 사용자와 다른 참여자들 사이의 거래나 상호 활동 로그에 담긴 관계를 속이는 것은 어렵습니다. 그래프 뉴럴 네트워크(GNN)은 사용자나 거래의 속성과 함께 그래프 구조로부터 정보를 조합해서 이상 행위자나 이벤트를 적법한 행위나 이벤트로부터 구별할 수 있는 표현을 배웁니다. 이 글에서 Amazon SageMaker와 Deep Graph Library (DGL)를 사용해서 GNN 모델을 학습시키고 이상 행위자나 이상 거래를 탐지하는 방법을 설명합니다. 이상 탐지를 완전 관리형 AWS AI 서비스로 사용하고 싶은 기업들은 Amazon [ more… ]

Amazon SageMaker와 Apache Airflow을 통한  기계학습 워크플로 구축하기 기계 학습(Machine Learning, ML) 워크플로는 데이터 수집 및 변환을 가능하게 함으로써 ML 작업 순서를 오케스트레이션하고 자동화합니다. 그런 다음 ML 모델을 학습, 테스트 및 평가하여 결과를 얻습니다. 예를 들어 Amazon SageMaker에서 모델을 학습하고 모델을 프로덕션 환경에 배포하여 추론하기 전에 Amazon Athena에서 쿼리를 수행하거나 AWS Glue에서 데이터를 통합하고 준비 할 수 있습니다. 이러한 작업을 자동화하고 다양한 서비스에서 오케스트레이션하면 반복 가능하고 재사용 가능한 ML 워크플로를 구축 할 수 있습니다. 이러한 워크플로는 데이터 엔지니어와 데이터 사이언티스트 간에 작업을 공유할 수 있습니다. 시작하기 ML 워크플로는 모델의 정확성을 높이고 더 나은 결과를 얻기 위해 주기적이고 반복적인 작업으로 구성됩니다. 최근 아마존은 이러한 워크플로를 구축하고 관리할 수 있는 Amazon SageMaker로 통합이 가능한 새로운 기능을 발표하였습니다. AWS Step Functions 는 엔드 투 엔드 워크 플로우에서 Amazon SageMaker 관련 작업을 자동화하고 오케스트레이션합니다. Amazon S3에 데이터 세트 게시를 자동화하고 Amazon SageMaker를 사용하여 데이터에 대한 [ more… ]