Category: Amazon Machine Learning

기업 내 Machine Learning (ML) 모델들이 점차 늘어나면서 Machine Learning Operations (MLOps)에 대한 관심을 넘어, 많은 기업에서 실제 업무에 MLOps를 활용하고 있습니다. MLOps는 양질의 데이터를 확보하는 활동부터, 데이터 과학자를 위한 학습 환경을 제공하는 활동, 여러 모델들을 신뢰성 있게 학습하는 활동, 학습된 ML 모델을 실제 업무에 배포하는 활동 등에서 생산성 높이기 위해 자동화하고, 이를 통해 전체적인 […]

기계 학습(Machine Learning) 활용이 일반화 되면서 IoT 디바이스에서도 기계학습을 활용하려는 요구가 증가하고 있습니다. 기계학습 알고리즘을 IoT 디바이스의 동작에 활용하기 위하여 기계학습 서버 API를 이용하면, 1) 디바이스는 항상 네트워크에 접속이 가능하여야 하고, 2) 디바이스의 숫자가 증가하면 서버의 처리 용량이 동일하게 증가되어야 하며, 3) 추론을 위한 API 호출 비용 부담으로 인해서, IoT 디바이스에서 기계학습을 활용할 때 제한 […]

이 글은 AWS Machine Learning Blog에 게시된 Host code-server on Amazon SageMaker by Sofian Hamiti, Eric Peña, and Giuseppe Angelo Porcelli의 한국어 번역 및 편집본입니다. 머신 러닝 팀들은 프로젝트를 진행할 때 유연성은 통합개발환경(IDE)을 선택하는 중요한 요소입니다. IDE를 활용하면 생산성 있는 개발자 경험을 확보하고, 빠르게 혁신할 수 있게 해 줍니다. 때로는 하나의 프로젝트에서 여러 개의 IDE를 […]

XGBoost(eXtreme Gradient Boosting)는 분류(Classification)와 회귀(Regression)문제에 모두 적용할 수 있는 빠르고 효과적인 머신러닝 알고리즘입니다. 또한, 대표적­­인 AWS의 서버리스(Serverless) 서비스인 AWS Lambda는 운영에 대한 부담을 줄여주고 사용한 만큼만 지불(Pay As You Go)하면 되기 때문에 다양한 어플리케이션에서 유용하게 활용되고 있습니다. 특히, 2020년 12월부터 Lambda가 컨테이너 이미지를 지원함으로써, Lambda를 머신러닝(Machine Learning) 추론을 배포하는 용도로 사용할 수 있게 되었습니다. 이번 […]