불과 5년 만에 수만 명의 고객이 아마존 세이지 메이커 수백만 개의 모델을 생성하고, 수십억 개의 매개변수로 모델을 훈련하고, 수천억 개의 월간 예측을 생성합니다.
머신 러닝(ML) 패러다임 전환의 씨앗은 수십 년 동안 존재했지만 사실상 무한한 컴퓨팅 용량의 준비된 가용성, 데이터의 엄청난 확산, ML 기술의 급속한 발전으로 인해 이제 산업 전반에 걸쳐 고객이 혁신적인 기술에 액세스할 수 있습니다. 혜택. 이 기회를 활용하고 ML을 연구실에서 조직의 손으로 가져오기 위해 AWS는 Amazon SageMaker를 만들었습니다. 올해 우리는 AWS re:Invent 5에서 출시되어 AWS 역사상 가장 빠르게 성장하는 서비스 중 하나가 된 당사의 주력 완전 관리형 ML 서비스인 Amazon SageMaker의 2017주년을 기념합니다.
AWS는 ML에 대한 장벽을 허물고 첨단 기술에 대한 액세스를 민주화하기 위해 Amazon SageMaker를 출시했습니다. 오늘날에는 그 성공이 불가피해 보였을 수도 있지만 2017년에는 ML을 중심으로 비즈니스를 구축한 제한된 개발자, 연구원, 박사 또는 회사 그룹이 일반적으로 소유한 전문 기술이 ML에 필요했습니다. 이전에는 개발자와 데이터 과학자가 먼저 알고리즘이 모델을 훈련하는 데 사용할 수 있는 형식으로 데이터를 시각화, 변환 및 사전 처리해야 했습니다. 이를 위해서는 방대한 양의 컴퓨팅 성능, 긴 훈련 기간 및 여러 GPU에 걸쳐 있는 환경을 관리하기 위한 전담 팀이 필요했습니다. 활성화된 서버 및 적절한 양의 수동 성능 조정. 또한 응용 프로그램 내에서 훈련된 모델을 배포하려면 응용 프로그램 설계 및 분산 시스템에 대한 다양한 전문 기술이 필요했습니다. 데이터 세트와 변수가 커짐에 따라 회사는 이전 모델이 구식이 됨에 따라 새로운 정보를 배우고 진화하기 위해 이 프로세스를 반복해야 했습니다. 이러한 도전과 장벽으로 인해 자금이 넉넉한 조직과 연구 기관을 제외하고는 대부분 ML이 접근할 수 없었습니다.
머신 러닝의 새로운 시대의 여명
이것이 바로 개발자, 데이터 과학자 및 비즈니스 분석가가 빠르고 쉽게 데이터를 준비하고 고품질 ML 모델을 대규모로 구축, 교육 및 배포할 수 있도록 지원하는 당사의 주력 ML 관리형 서비스인 Amazon SageMaker를 도입한 이유입니다. 지난 5년 동안 우리는 ML, 디버거, 모델 모니터, 프로파일러, AutoML, 기능 저장소, 코드 없는 기능 및 클라우드와 에지 장치에서 머신러닝을 덜 복잡하고 확장성을 높이기 위해 특별히 제작된 최초의 CI/CD(지속적 통합 및 지속적 전달) 도구입니다.
2021년에는 더 많은 사용자가 ML을 사용할 수 있도록 민주화를 더욱 추진했습니다. Amazon SageMaker를 사용하면 코드 없는 환경을 포함하여 더 많은 사람들이 ML 모델을 생성할 수 있습니다. Amazon SageMaker 캔버스 ML 경험이 없는 비즈니스 분석가와 학생들이 ML을 더 빨리 배우고 실험할 수 있는 설정 및 무료 ML 환경을 제공합니다.
오늘날 고객은 데이터 과학자를 위한 IDE와 비즈니스 분석가를 위한 코드 없는 인터페이스와 같은 도구를 선택하여 Amazon SageMaker로 혁신할 수 있습니다. 그들은 ML을 위해 대량의 구조화된 데이터(표 형식 데이터)와 구조화되지 않은 데이터(사진, 비디오 및 오디오)에 액세스하고 레이블을 지정하고 처리할 수 있습니다. Amazon SageMaker를 사용하면 고객은 최적화된 인프라를 통해 교육 시간을 몇 시간에서 몇 분으로 줄일 수 있습니다. 마지막으로 고객은 조직 전체에서 머신 러닝 작업(MLOps) 관행을 자동화 및 표준화하여 대규모 모델을 구축, 교육, 배포 및 관리할 수 있습니다.
차세대 혁신을 위한 새로운 기능
앞으로 AWS는 고객이 ML을 한 단계 더 발전시키는 데 도움이 될 수 있는 새로운 기능을 지속적으로 적극적으로 개발하고 있습니다. 예를 들어, Amazon SageMaker 다중 모델 엔드포인트(MME)를 사용하면 고객이 단일 Amazon SageMaker 엔드포인트에 수천 개의 ML 모델을 배포하고 모든 모델에서 엔드포인트 뒤에 프로비저닝된 인스턴스를 공유함으로써 비용을 절감할 수 있습니다. 최근까지 MME는 CPU에서만 지원되었지만 Amazon SageMaker MME는 이제 GPU를 지원합니다. 고객은 Amazon SageMaker MME를 사용하여 GPU 인스턴스에 딥 러닝 모델을 배포하고 수천 개의 딥 러닝 모델을 단일 다중 모델 엔드포인트에 배포함으로써 비용을 최대 90%까지 절감할 수 있습니다. Amazon SageMaker는 컴퓨팅 최적화에 대한 지원도 확장했습니다. 아마존 엘라스틱 컴퓨트 클라우드 (Amazon EC2) 인스턴스 제공 AWS Graviton 2 및 Graviton 3 CPU 기반 ML 추론에 매우 적합한 프로세서를 제공하므로 고객은 워크로드에 가장 적합한 인스턴스 유형에 모델을 배포할 수 있습니다.
Amazon SageMaker 고객은 기계 학습의 힘을 발휘합니다
매일 모든 규모와 모든 산업 분야의 고객이 Amazon SageMaker를 사용하여 그 어느 때보다 짧은 시간과 저렴한 비용으로 ML 모델을 실험, 혁신 및 배포하고 있습니다. 그 결과 이제 대화는 가능성의 기술에서 ML을 통해 새로운 수준의 생산성을 발휘하는 것으로 이동하고 있습니다. 오늘날 금융 서비스 분야의 Capital One 및 Fannie Mae, 의료 및 생명 과학 분야의 Philips 및 AstraZeneca, 미디어 분야의 Conde Nast 및 Thomson Reuters, 스포츠 분야의 NFL 및 Formula 1, 소매 분야의 Amazon 및 Mercado Libre, 소매 분야의 Siemens 및 Bayer와 같은 고객 산업 부문은 AWS에서 ML 서비스를 사용하여 비즈니스 혁신을 가속화합니다. 그들은 서비스를 사용하여 수백만 개의 모델을 관리하고, 수십억 개의 매개변수로 모델을 훈련하고, 매달 수천억 개의 예측을 수행하는 수만 명의 다른 Amazon SageMaker 고객과 합류합니다.
더 많은 혁신이 기다리고 있습니다. 그러나 그동안 우리는 고객이 달성한 많은 성공을 축하하기 위해 잠시 멈춥니다.
톰슨 로이터
비즈니스 정보 서비스의 선두 제공업체인 Thomson Reuters는 Amazon SageMaker의 강력한 기능을 활용하여 고객을 위한 보다 직관적인 서비스를 제공합니다.
Thomson Reuters Labs의 엔지니어링 이사인 Danilo Tommasina는 “우리는 장기적으로 긍정적인 투자 수익을 제공하는 견고한 AI 기반 솔루션을 지속적으로 찾고 있습니다. “Amazon SageMaker는 AI R&D 작업의 핵심입니다. 이를 통해 우리는 연구를 성숙하고 고도로 자동화된 솔루션으로 효과적으로 가져올 수 있습니다. Amazon SageMaker Studio를 사용하면 연구원과 엔지니어가 단일 IDE에서 ML 워크플로에 필요한 모든 도구를 사용하여 비즈니스 문제를 해결하는 데 집중할 수 있습니다. Amazon SageMaker Studio 내에서 노트북, 실험 관리, ML 파이프라인 자동화 및 디버깅을 포함한 모든 ML 개발 활동을 수행합니다."
세일즈 포스
세계 최고의 CRM 플랫폼인 Salesforce는 최근 Salesforce의 AI 기술인 Einstein과 함께 Amazon SageMaker를 사용할 수 있는 새로운 통합을 발표했습니다.
Einstein의 EVP인 Rahul Auradkar는 "Salesforce Einstein은 CRM을 위한 최초의 포괄적인 AI이며 모든 회사가 영업, 마케팅, 상거래, 서비스 및 IT를 위한 통합된 AI 기술 세트를 통해 고객에 대해 더 똑똑하고 예측할 수 있게 해줍니다."라고 말했습니다. 및 Salesforce의 통합 데이터 서비스. “오늘날 기업이 직면한 가장 큰 문제 중 하나는 데이터가 격리되어 있다는 것입니다. 모든 접점에서 실시간으로 고객 참여를 제공하고 의미 있는 비즈니스 통찰력을 얻기 위해 데이터를 통합하는 것은 어렵습니다. Salesforce의 실시간 고객 데이터 플랫폼인 Genie를 기반으로 하는 Salesforce와 Amazon SageMaker 통합을 통해 데이터 팀은 Amazon SageMaker에서 ML 모델을 구축하고 교육하기 위해 통합되고 조화된 고객 데이터에 원활하게 액세스할 수 있습니다. 그리고 일단 배포되면 이러한 Amazon SageMaker 모델을 Einstein과 함께 사용하여 Salesforce 플랫폼 전반에 걸쳐 예측 및 통찰력을 강화할 수 있습니다. AI가 발전함에 따라 우리는 BYOM(Bring Your Own Modeling)으로 아인슈타인을 지속적으로 개선하여 그들이 일하는 곳에서 개발자와 데이터 과학자를 만날 수 있습니다.”
메타 AI
Meta AI는 (주)메타플랫폼에 소속된 인공지능 연구소입니다.
Meta AI의 응용 AI 엔지니어링 관리자인 Geeta Chauhan은 "Meta AI는 AWS와 협력하여 개발자가 Amazon SageMaker 및 Trainium 기반 인스턴스를 사용하여 교육을 확장할 수 있도록 하기 위해 torch.distributed를 개선했습니다. “이러한 개선 사항을 통해 테스트를 기반으로 하는 대규모 모델의 교육 시간이 단축되는 것을 확인했습니다. Amazon SageMaker가 ML 혁신을 가속화하기 위해 PyTorch 분산 교육을 지원하게 되어 매우 기쁩니다.”
타이슨 식품 주식 회사
세계 최대의 육류 가공업체이자 마케터 중 하나인 Tyson Foods Inc.는 Amazon SageMaker에 의존하고 있습니다. 아마존 세이지 메이커 그라운드 진실및 AWS 파노라마 효율성을 개선하기 위해.
Tyson Foods Inc의 신흥 기술 수석 관리자인 Barret Miller는 "Tyson Foods의 핵심 우선 순위는 운영 우수성입니다. 우리는 AWS 기반 ML 기반 컴퓨터 비전을 사용하여 생산 효율성을 개선하고 프로세스를 자동화하며 시간 소모적인 오류가 발생하기 쉬운 작업. Amazon Machine Learning Solutions Lab과 협력하여 Amazon SageMaker Ground Truth 및 AWS Panorama를 사용하여 최첨단 객체 감지 모델을 생성했습니다. 이 솔루션을 통해 우리는 낭비를 최소화하면서 필요한 재고를 생성하는 데 도움이 되는 거의 실시간 통찰력을 얻습니다.”
오토 데스크
AutoCAD는 Autodesk의 상업용 컴퓨터 지원 설계 및 제도 소프트웨어 응용 프로그램입니다. AutoCAD는 생성 설계 프로세스를 최적화하기 위해 Amazon SageMaker를 사용합니다.
AutoCAD 제품 관리 이사인 Dania El Hassan은 다음과 같이 말했습니다. , Autodesk에서. "Amazon SageMaker는 사용자에게 사전 예방적 명령 및 바로 가기 권장 사항을 제공하여 강력하고 새로운 디자인 결과를 얻을 수 있도록 지원하는 필수 도구였습니다."
Torc.ai
Amazon SageMaker 및 Amazon SageMaker 분산 데이터 병렬(SMDDP) 라이브러리의 도움으로, Torc.ai2005년부터 자율주행차의 선두주자인 는 화물 산업에서 안전하고 지속적인 장거리 운송을 위해 자율주행 트럭을 상용화하고 있습니다.
부사장인 Derek Johnson은 "우리 팀은 이제 Amazon SageMaker 모델 교육 및 Amazon SageMaker SMDDP(분산 데이터 병렬) 라이브러리를 사용하여 테라바이트 규모의 교육 데이터와 수백만 개의 매개변수가 있는 모델을 사용하여 대규모 분산 교육 작업을 쉽게 실행할 수 있습니다. Torc.ai의 엔지니어링 사장. “Amazon SageMaker 분산 모델 교육 및 SMDDP 덕분에 교육 인프라를 관리할 필요 없이 원활하게 확장할 수 있었습니다. 모델 학습 시간을 며칠에서 몇 시간으로 단축하여 설계 주기를 단축하고 그 어느 때보다 빠르게 차량에 새로운 자율 차량 기능을 제공할 수 있었습니다.”
LG AI 리서치
LG AI Research는 Amazon SageMaker를 사용하여 ML 모델을 더 빠르게 교육하고 배포하여 AI의 다음 시대를 선도하는 것을 목표로 합니다.
LG AI 리서치의 김승환 부사장 겸 비전 랩 리더는 “최근 250억 59천만 개의 고화질 이미지-텍스트 쌍 데이터 세트를 처리할 수 있는 초대형 AI 시스템인 EXAONE으로 구동되는 AI 아티스트 Tilda를 데뷔했다”고 말했다. “멀티모달 AI를 통해 Tilda는 인식하는 언어 너머를 탐색할 수 있는 능력을 통해 스스로 새로운 이미지를 생성할 수 있습니다. Amazon SageMaker는 확장성 및 분산 교육 기능 때문에 EXAONE 개발에 필수적이었습니다. 특히 이 초거대 AI를 훈련시키기 위해서는 막대한 연산이 필요하기 때문에 효율적인 병렬 처리가 매우 중요하다. 또한 대규모 데이터를 지속적으로 관리하고 새로 획득한 데이터에 유연하게 대응해야 했습니다. Amazon SageMaker 모델 교육 및 분산 교육 라이브러리를 사용하여 교육 코드를 크게 수정하지 않고도 분산 교육을 최적화하고 모델을 XNUMX% 더 빠르게 교육했습니다."
뮬러 워터 제품
Mueller Water Products는 엔지니어링 밸브, 소화전, 파이프 연결 및 수리 제품, 계량 제품, 누출 감지 솔루션 등을 제조합니다. Amazon SageMaker를 사용하여 누수를 더 빠르게 감지하는 혁신적인 ML 솔루션을 개발했습니다.
Mueller Water Products의 스마트 인프라 담당 이사인 Dave Johnston은 "우리는 7.7년까지 2027억 갤런의 물 손실을 줄이는 임무를 수행하고 있습니다. “Amazon SageMaker에 구축된 ML 모델 덕분에 음향 기반 이상 감지 시스템인 EchoShore-DX의 정밀도가 향상되었습니다. 결과적으로 누출이 발생했을 때 유틸리티 고객에게 더 빨리 알릴 수 있습니다. 이 솔루션은 675년에 약 2021억 XNUMX만 갤런의 물을 절약했습니다. 우리는 AWS ML 서비스를 계속 사용하여 기술 포트폴리오를 더욱 강화하고 유틸리티 고객과 함께 효율성과 지속 가능성을 계속 추진하게 되어 기쁩니다.”
Canva
인기 있는 온라인 디자인 및 게시 도구 제조업체인 Canva는 빠른 구현을 위해 Amazon SageMaker의 강력한 기능을 사용합니다.
"Canva가 대규모로 성장하려면 지연이나 문제 없이 새로운 기능을 출시할 수 있는 도구가 필요했습니다."라고 Canva의 데이터 플랫폼 책임자인 Greg Roodt가 말했습니다. “Amazon SageMaker의 적응성 덕분에 더 적은 리소스로 더 많은 작업을 관리할 수 있었고 결과적으로 더 빠르고 효율적인 워크로드가 가능해졌습니다. 이를 통해 엔지니어링 팀은 출시한 기능이 사용 사례에 맞게 확장될 것이라는 확신을 갖게 되었습니다. Amazon SageMaker를 통해 강력한 관리형 인프라를 사용하여 2주 만에 텍스트-이미지 모델을 배포했으며 가까운 시일 내에 이 기능을 수백만 명의 사용자에게 확장할 수 있기를 기대합니다.”
격려하다
소비자 중심의 의료 정보 서비스인 Inspire는 Amazon SageMaker를 사용하여 더 나은 치료, 치료 및 결과를 위한 실행 가능한 통찰력을 제공합니다.
인스파이어의 CEO이자 설립자인 브라이언 로우(Brian Loew)는 “우리의 콘텐츠 추천 엔진은 우리 가치 제안의 주요 동인입니다. "우리는 사용자(특정 조건에 거주하는)를 관련성 있고 구체적인 게시물이나 기사로 안내하는 데 사용합니다. Amazon SageMaker를 사용하면 딥 러닝 모델을 쉽게 구축, 교육 및 배포할 수 있습니다. Amazon SageMaker 기반의 정교한 ML 솔루션은 2개 조건에서 1.5억 단어의 라이브러리에서 가져온 3,600백만 명의 등록 사용자에게 관련 콘텐츠를 제안하는 콘텐츠 추천 엔진의 기능을 개선하는 데 도움이 됩니다. Amazon SageMaker 덕분에 환자와 간병인을 희귀 질환 정보 및 치료 경로를 비롯한 개인화된 콘텐츠와 리소스로 정확하게 연결할 수 있었습니다."
레스 메드
ResMed는 수면 무호흡증, COPD, 천식 및 기타 만성 질환이 있는 사람들을 위한 클라우드 연결 솔루션의 선두 제공업체입니다. 2014년에 ResMed는 환자가 수면 치료를 추적할 수 있도록 개인화된 치료 관리 플랫폼 및 응용 프로그램인 MyAir를 출시했습니다.
ResMed의 데이터 과학 부사장인 Badri Raghavan은 "Amazon SageMaker 이전에는 모든 MyAir 사용자가 상태에 관계없이 앱에서 동일한 메시지를 동시에 받았습니다. “Amazon SageMaker를 사용하면 환자가 사용하는 특정 ResMed 장치, 깨어 있는 시간 및 기타 상황 데이터를 기반으로 MyAir를 통해 환자와 상호 작용할 수 있습니다. 몇 가지 Amazon SageMaker 기능을 활용하여 모델 파이프라인을 교육하고 거의 실시간 및 배치 추론을 포함한 배포 유형을 선택하여 맞춤형 콘텐츠를 제공합니다. Amazon SageMaker를 통해 몇 달이 아닌 며칠 또는 몇 주 만에 모델을 배포하여 전 세계에 ML 기능을 내장하려는 목표를 달성할 수 있었습니다."
Verisk
Verrisk는 비즈니스, 사람, 사회가 더 강하고 탄력적이며 지속 가능하도록 돕는 전문적인 데이터 기반 분석 통찰력을 제공합니다. Amazon SageMaker를 사용하여 ML 워크플로를 간소화합니다.
Verrisk 26D Visual의 사장인 Jeffrey C. Taylor는 “Verisk와 Vexcel은 전 세계 3개국에서 캡처된 Vexcel의 초고해상도 항공 이미지 데이터를 포함하여 AWS에서 막대한 양의 데이터를 저장하고 처리하기 위해 긴밀히 협력하고 있습니다. 지능. "Amazon SageMaker는 ML 및 MLOps 팀이 수행하는 작업을 간소화하는 데 도움이 되므로 보험, 부동산, 건설 등의 부동산 이해 관계자를 포함하여 고객의 요구 사항을 충족하는 데 집중할 수 있습니다."
스마트옥토 BV
Amazon SageMaker의 도움으로 Smartocto BV는 ML 기반 콘텐츠 분석을 전 세계 350개 뉴스룸 및 미디어 회사에 제공합니다.
Smartocto의 최고 데이터 책임자인 Ilija Susa는 "비즈니스가 확장됨에 따라 ML 모델의 배포를 단순화하고 출시 시간을 단축하며 제품 제공을 확장해야 했습니다. “그러나 ML 워크로드를 자체 호스팅하기 위해 오픈 소스와 클라우드 솔루션을 결합하는 것은 관리하는 데 점점 더 많은 시간이 소요되었습니다. 우리는 ML 모델을 Amazon SageMaker 엔드포인트로 마이그레이션했으며 3개월도 채 되지 않아 새로운 AWS 네이티브 솔루션인 Smartify를 출시했습니다. Smartify는 Amazon SageMaker를 사용하여 거의 실시간으로 예측 편집 분석을 제공하여 고객이 콘텐츠를 개선하고 대상을 확장하는 데 도움이 됩니다.”
비주얼패브릭
Visualfabriq은 인공 지능 기능을 적용한 수익 관리 솔루션을 세계 최고의 소비재 기업에 제공합니다. Amazon SageMaker를 사용하여 대규모 ML 모델의 성능과 정확성을 개선합니다.
Visualfabriq의 수요 예측, 인공 지능 및 매출 성장 관리 팀 리더인 Jelle Verstraaten은 "기술 스택을 조정하여 성능과 확장성을 개선하고 모델을 더 쉽게 추가, 업데이트 및 재교육할 수 있도록 하고 싶었습니다."라고 말했습니다. “Amazon SageMaker로의 마이그레이션의 가장 큰 영향은 우리 솔루션의 상당한 성능 향상이었습니다. 웹 서버 대신 전용 서버에서 추론을 실행함으로써 우리 솔루션은 더 효율적이고 비용은 일관되고 투명합니다. 판촉 활동이 소매업체의 판매량에 미치는 영향을 예측하는 수요 예측 서비스의 응답 시간을 200% 개선하고 수동 개입이 덜 필요하고 신규 고객 온보딩을 가속화하는 확장 가능한 솔루션을 배포했습니다.”
소포스 (Sophos)
차세대 사이버 보안 솔루션 및 서비스의 세계적인 리더인 Sophos는 Amazon SageMaker를 사용하여 ML 모델을 보다 효율적으로 교육합니다.
Sophos의 인공 지능 책임자인 Konstantin Berlin은 "우리의 강력한 기술은 교묘하게 맬웨어에 연결된 파일을 탐지하고 제거합니다. “그러나 XGBoost 모델을 사용하여 여러 테라바이트 크기의 데이터 세트를 처리하는 것은 시간이 많이 소요되었으며 제한된 메모리 공간에서는 불가능할 때도 있었습니다. Amazon SageMaker 분산 교육을 통해 이전 모델보다 디스크(최대 25배 더 작음)와 메모리(최대 XNUMX배 더 작음)에서 훨씬 더 작은 경량 XGBoost 모델을 성공적으로 훈련할 수 있습니다. Amazon SageMaker 자동 모델 조정 및 스팟 인스턴스에 대한 분산 교육을 사용하면 이러한 대규모 데이터 세트로 확장하는 데 필요한 기본 교육 인프라를 조정하지 않고도 모델을 빠르고 더 효과적으로 수정하고 재교육할 수 있습니다."
노스 웨스턴 대학
인공 지능 과학 석사(MSAI) 프로그램의 노스웨스턴 대학교 학생들은 Amazon SageMaker 스튜디오 랩 해커톤에서 사용하기 전에
MSAI 프로그램의 부국장인 Mohammed Alam은 “Amazon SageMaker Studio Lab의 사용 용이성은 학생들이 학습한 내용을 신속하게 적용하여 창의적인 솔루션을 구축할 수 있도록 했습니다. “우리는 학생들이 5시간이라는 짧은 경쟁에서 자연스럽게 장애물에 부딪힐 것으로 예상했습니다. 대신, 그들은 모든 프로젝트를 완료했을 뿐만 아니라 복잡한 ML 개념을 중요한 실제 문제에 적용하는 인상적인 프레젠테이션을 제공하여 우리의 기대를 초과했습니다."
Rensselaer Polytechnic Institute
뉴욕 기술 연구 대학인 Rensselaer Polytechnic Institute(RPI)는 Amazon SageMaker Studio를 사용하여 학생들이 ML 개념을 빠르게 배울 수 있도록 지원합니다.
컴퓨터 과학 교수인 Mohammed J. Zaki는 "RPI는 세계에서 가장 강력한 슈퍼컴퓨터 중 하나를 소유하고 있지만 AI는 가파른 학습 곡선을 가지고 있습니다. “학생들이 비용 효율적으로 시작할 수 있는 방법이 필요했습니다. Amazon SageMaker Studio Lab의 직관적인 인터페이스를 통해 학생들은 빠르게 시작할 수 있었고 강력한 GPU를 제공하여 캡스톤 프로젝트를 위한 복잡한 딥 러닝 모델로 작업할 수 있었습니다.”
홍콩직업교육원
Hong Kong Institute of Vocational Education(Lee Wai Lee)의 IT 부서는 Amazon SageMaker Studio Lab을 사용하여 학생들에게 실제 ML 프로젝트에서 작업할 수 있는 기회를 제공합니다.
수석 강사인 Cyrus Wong은 "학생들에게 다양한 클라우드 기술에 대한 견고한 기반을 제공하는 기본 ML 및 Python 관련 과정에서 Amazon SageMaker Studio Lab을 사용합니다. “Amazon SageMaker Studio Lab을 통해 학생들은 설정이나 구성에 얽매이지 않고 실제 데이터 과학 프로젝트에 대한 실습 경험을 얻을 수 있습니다. 다른 공급업체와 달리 이것은 학생들을 위한 Linux 머신으로, 더 많은 코딩 연습을 할 수 있습니다.”
MapmyIndia
디지털 지도, 지리 공간 소프트웨어 및 위치 기반 사물 인터넷(IoT) 기술을 제공하는 인도 최고의 공급업체인 MapmyIndia는 Amazon SageMaker를 사용하여 ML 모델을 구축, 교육 및 배포합니다.
"MapmyIndia와 우리의 글로벌 플랫폼인 Mappls는 경제 발전, 인구 증가, 농업 측정과 같은 다양한 사용 사례에 대해 강력하고 매우 정확하며 전 세계적인 AI와 컴퓨터 비전 기반 위성 및 거리 이미지 기반 분석을 제공합니다. MapmyIndia의 CEO이자 전무이사인 Rohan Verma는 "출력, 건설 활동, 도로 표지판 감지, 토지 분할 및 도로 변경 감지"라고 말했습니다. “속도와 정확성으로 모델을 생성, 교육 및 배포하는 우리의 능력은 우리를 차별화합니다. AI/ML 오퍼링을 위해 AWS와 협력하게 된 것을 기쁘게 생각하며 Amazon SageMaker가 이를 빠르게 확장할 수 있는 능력에 대해 기쁘게 생각합니다.”
새트슈어
지구 관측 데이터를 사용하여 통찰력을 생성하는 의사 결정 인텔리전스 솔루션의 인도 기반 리더인 SatSure는 Amazon SageMaker를 사용하여 페타바이트 규모의 ML 데이터를 준비하고 교육합니다.
SatSure의 CEO인 Prateep Basu는 "Amazon SageMaker를 사용하여 페타바이트의 EO, GIS, 재무, 텍스트 및 비즈니스 데이터 세트를 처리하고 AI/ML 기능을 사용하여 모델을 신속하게 혁신하고 확장합니다. "우리는 2017년부터 AWS를 사용하고 있으며 금융 기관이 인도, 나이지리아, 필리핀 전역의 2만 명 이상의 농부에게 대출을 제공하는 동시에 매주 1만 평방 킬로미터를 모니터링하도록 도왔습니다."
결론
Amazon SageMaker를 시작하려면 다음을 방문하십시오. aws.amazon.com/sagemaker.
저자에 관하여
안쿠르 메로트라 2008년에 Amazon에 합류하여 현재 Amazon SageMaker의 총책임자입니다. Amazon SageMaker 이전에는 Amazon.com의 광고 시스템과 자동 가격 책정 기술을 구축하는 일을 했습니다.
