aws

AWS Lambda 신규 기능 – Layers 기반 라이브러리 관리 및 Runtime API를 통한 모든 언어 지원 AWS Lambda가 2014년 출시되었던 당시의 흥분이 기억납니다! 4년이 지난 지금, 고객은 다양한 사용 사례에 Lambda 함수를 사용하고 있습니다. 예를 들어, iRobot은 AWS Lambda를 사용하여 Roomba 로봇 진공 청소기를 위한 컴퓨팅 서비스를 제공하고, Fannie Mae는 수백만 건의 모기지를 위한 몬테카를로 시뮬레이션을 실행하고, Bustle은 디지털 콘텐츠에 대한 수십억 건의 요청을 서비스합니다. 오늘, AWS는 서버리스 개발을 더욱 쉽게 만들어줄 두 가지의 새로운 기능을 소개합니다. Lambda Layers는 여러 함수가 공유하는 코드 및 데이터를 중앙에서 관리하는 방식입니다. Lambda Runtime API는 함수 개발을 위해 모든 프로그래밍 언어 또는 언어 버전을 사용할 수 있는 간단한 인터페이스입니다. 이 두 기능은 함께 사용할 수 있습니다. 런타임을 레이어 형태로 공유하면 개발자가 이를 가져와 선호하는 프로그래밍 언어로 Lambda 함수를 제작하는 데 사용할 수 있습니다. 작동 방식을 자세히 살펴보겠습니다. Lambda Layers 서버리스 애플리케이션을 구축할 때에는 코드를 여러 Lambda [ more… ]

Amazon Elastic Inference 출시 – GPU 기반 딥러닝 추론 가속 서비스 (서울 리전 포함) 최근 인공 지능과 딥러닝이 발전한 이유 중 하나로 GPU(그래픽 처리 장치)의 환상적인 컴퓨팅 성능을 꼽을 수 있습니다. 약 10년 전 연구자들은 기계 학습과 고성능 컴퓨팅에 대규모 하드웨어 병렬 처리를 활용하는 방법을 찾아냈습니다. 관심 있는 분들은 2009년 스탠포드 대학이 발표한 논문(PDF)을 살펴보시기 바랍니다. 현재 GPU는 개발자와 데이터 과학자들이 의료 영상 분석이나 자율 주행을 구현하기 위해 복잡한 모델에 방대한 데이터 세트를 훈련시키는 데 도움을 줍니다. 예를 들어 Amazon EC2 P3 제품군에서는 최대 8개의 NVIDIA V100 GPU를 동일한 인스턴스에 사용하여 최대 1PetaFLOP의 혼합 정밀도 성능을 실현할 수 있습니다. 이는 불과 10년 전 당시로서는 역사상 가장 빠른 슈퍼컴퓨터의 성능과 같은 수준입니다. 물론 모델을 학습시키기만 한다고 끝나는 것은 아닙니다. 즉, 모델을 작업에 투입하고 새로운 데이터 샘플의 결과를 예측하는 방법도 찾아야 합니다. 불행히도 개발자들은 인스턴스 유형과 크기를 선택할 때 어려움을 겪는 경우가 [ more… ]

Amazon SageMaker RL – 강화 학습 서비스 출시 (서울 리전 포함) 지난 몇 년간 기계 학습(Machine Learning)은 많은 관심을 받아왔으며, 의료 영상 분석부터 무인 주행 트럭까지 ML 모델을 통해 할 수 있는 복잡한 작업의 목록은 꾸준히 증가하고 있습니다. 이러한 최근 기계학습 기술은 어떤 방법이 있을까요? 간단히 말해 다음과 같은 3가지 방법으로 모델을 훈련할 수 있습니다. 지도 학습(Supervised Learning): 레이블이 지정된 데이터 세트(샘플 및 답변이 포함된 데이터 세트)에서 알고리즘을 실행합니다. 모델은 정답을 올바르게 예측하는 방법을 서서히 학습하게 됩니다. 지도 학습의 예로는 회귀와 분류가 있습니다. 비지도 학습(Unsupervised Learning): 레이블이 지정되지 않은 데이터 세트(샘플만 포함된 데이터 세트)에서 알고리즘을 실행합니다. 비지도 학습에서 모델은 데이터의 패턴을 지속적으로 학습하고 그에 따라 샘플을 구성합니다. 비지도 학습의 예로는 클러스터링 및 주제 모델링이 있습니다. 강화 학습(Reinforcement Learning): 이 방법은 앞의 두 가지 방식과는 많이 다릅니다. 강화 학습에서는 컴퓨터 프로그램(에이전트라고 함)이 환경과 상호 작용합니다. 대부분 이 상호 작용은 시뮬레이터에서 일어납니다. [ more… ]

개발자를 위한 AWS Toolkits for PyCharm 정식 출시 – IntelliJ 및 Visual Studio Code(미리 보기) 소프트웨어 개발자에게는 각자가 선호하는 도구가 있습니다. 일부는 강력한 편집기를 사용하고, 일부는 특정 언어 및 플랫폼에 맞춤화된 통합 개발 환경(IDE)을 사용합니다. 2014년에 저는 Lambda 콘솔에 있는 편집기를 사용하여 AWS Lambda 함수를 처음으로 생성했습니다. 오늘날에는 서버리스 애플리케이션 구축과 배포에 다양한 도구를 사용할 수 있습니다. 한 예로, 작년 AWS Cloud9 출시와 함께 기능이 대폭 향상된 Lambda 콘솔의 편집기를 사용할 수 있습니다. .NET 애플리케이션을 위해선 AWS Toolkit for Visual Studio와 AWS Tools for Visual Studio Team Services를 사용할 수 있습니다. AWS Toolkits for PyCharm, IntelliJ 및 Visual Studio Code 오늘 AWS에서는 AWS Toolkit for PyCharm을 정식으로 출시하고, GitHub에서 활발하게 개발 중인 AWS Toolkits for IntelliJ 및 Visual Studio Code의 개발자 미리 보기도 선보입니다. 이 오픈 소스 툴킷은 서버리스 애플리케이션의 신규 작성, 단계별 디버깅, 그리고 배포를 Python, Java, Node.js, .NET 용 IDE를 통해 손쉽게 개발할 수 [ more… ]