AWS 기술 블로그

이 글은 AWS Security Blog에 게시된 How to customize behavior of AWS Managed Rules for AWS WAF by Madhu Kondur and Venugopal Pai을 한국어 번역 및 편집하였습니다. AWS WAF용 AWS 관리형 규칙은 자체 규칙을 작성하지 않고도 일반적인 애플리케이션 취약성 및 시스템에 대한 기타 원치 않는 액세스로부터 사용자를 보호하는 데 사용할 수 있는 AWS에서 생성한 규칙 […]

이 글은 AWS Storage Blog에 게시된 Machine Learning with Kubeflow on Amazon EKS with Amazon EFS by Anjani Reddy, Suman Debnath, Daniel Rubinstein, and Narayana Vemburaj을 한국어로 번역 및 편집하였습니다. 기계 학습 모델의 훈련은 여러 단계가 포함되며, 훈련을 위한 데이터 셋의 크기가 수백 GB 범위에 있으면 더 복잡해지고 많은 시간이 소요됩니다. 데이터 과학자는 다양한 모델의 […]

이 글은 AWS Big Data Blog에 게시된 Simplify semi-structured nested JSON data analysis with AWS Glue DataBrew and Amazon QuickSight by Sriharsh Adari, Amogh Gaikwad, and Rahul Sonawane을 한국어 번역 및 편집을 하였습니다. 산업이 성장하고 데이터양이 늘어나면서 빅데이터 분석이 데이터 분석이나 기계 학습(ML)에서 공통으로 사용되고 있습니다. 데이터는 정형, 반정형 및 비정형 형식의 다양한 소스에서 발생합니다. […]

이 글은 AWS Storage Blog에 게시된 Persistent storage for Kubernetes by Suman Debnath, Daniel Rubinstein, Anjani Reddy, and Narayana Vemburaj을 한국어 번역 및 편집하였습니다. 상태 저장 애플리케이션이 올바르게 실행되기 위해서는 데이터가 저장되어 유지되고 읽을 수 있어야 합니다. Kubernetes를 사용하여 상태 저장 애플리케이션을 실행할 때 컨테이너, 포드, 또는 노드 충돌이나 종료에 관계없이 상태가 유지되어야 합니다. 이를 […]

이 글은 AWS IoT Blog에 게시된 How to use your own data source in AWS IoT TwinMaker by Ali Benfattoum을 한국어로 번역 및 편집하였습니다. AWS IoT TwinMaker 소개 AWS IoT TwinMaker를 사용하면 개발자가 여러 소스의 기존 데이터를 사용할 수 있습니다. 이 기능으로 건물 및 공장과 같은 실제 시스템의 디지털 트윈을 쉽게 생성할 수 있습니다. AWS […]

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 Media Blog에 게시된 Deploying virtual linear OTT channels using AWS Media Services by Devendra Sharma and Carlos Salazar을 한국어로 번역 및 편집하였습니다. AWS Elemental MediaTailor 의 채널 어셈블리를 사용하여 채널과 함께 광고가 삽입된 프로그램 일정을 생성할 수 있습니다. 라이브 스트리밍 비디오와 주문형 비디오(VOD)를 일정에 따라서 연속적으로 제공할 수 있는 Virtual linear OTT […]

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 […]

결함 감지 자동화 시스템 개발 배경 현재 제조 업계 인공지능 기술은 23억 달러의 시장 가치를 가지고 있으며, 이 가치는 2027년에는 163억 달러까지 성장할 것으로 예상됩니다. 오늘날 인공지능 기술 중 제조업에서 많이 사용하는 머신 비전은 대부분 PC 기반이지만, 머신 비전을 온프레미스 서버 또는 기계와 소프트웨어 통합형으로 사용하는 데에는 아직 많은 불편함이 있습니다. 고객은 머신 비전을 채택하는 […]