Amazon SageMaker BlazingText를 사용하여 텍스트 분류 및 단어벡터 기능 향상시키기

Amazon SageMaker BlazingText 알고리즘에 대한 몇 가지 새로운 기능이 추가되었습니다. 감정 분석, 명명 개체 인식 및 기계 번역과 같은 많은 다운스트림 NLP (자연어 처리) 작업은 텍스트 데이터를 실제로 가치있는 벡터로 변환해야 합니다. 고객은 수백 기가 바이트의 텍스트 문서에서 이러한 벡터를 학습하기 위해 Word2Vec 알고리즘의 BlazingText의 고도로 최적화된 구현을 사용하고 있습니다. 결과로 나오는 벡터는 단어를 읽을…

이제 Amazon SageMaker에서 개체 탐지 알고리즘을 사용할 수 있습니다.

Amazon SageMaker는 기계 학습 모델을 쉽게 구축, 훈련 및 배치할 수 있도록 완전히 관리되고 확장성이 뛰어난 ML(기계 학습) 플랫폼입니다. 이것은 ML의 민주화를 향한 커다란 발걸음으로 개발자들을 위한 ML 공간의 진입 장벽을 낮추는 것입니다. 컴퓨터 비전은 이미지를 다루는 기계 학습의 한 분야입니다. 이미지를 사전 정의된 카테고리 집합으로 분류하는 방법을 배우는 Amazon SageMaker 이미지 분류 알고리즘은 SageMaker에서…

Amazon SageMaker DeepAR은 이제 결측치, 범주형 및 시계열 특징, 일반화된 주파수를 지원합니다.

Amazon SageMaker에서 DeepAR의 몇가지 새로운 기능을 출시할 것입니다. DeepAR는 확률적 예측을 하기 위해 재귀 신경망(RNN)을 사용하여 시계열 예측 또는 예측을 위한 감독된 기계 학습 알고리즘입니다. 이 알고리즘은 출시된 이후 다양한 유스 케이스에 사용되어 왔습니다. 개발자들에게 결측치 지원, 사용자가 제공한 시계열 특징, 다중 범주형 특징 및 일반화된 주파수와 같은 새로운 기능에 대한 액세스 권한을 부여하게 되어…

Discover Financial Services(DSF), Amazon SageMaker가 제공하는 Robocar 이벤트를 통해 기계 학습을 적용합니다.

AWS 리인벤트에 참석한 Discover Financial Services (DFS) 팀원들은 Robocar Rally가 매우 뜻 깊은 경험이라고 입을 모아 이야기 했습니다. 이 해커톤에 참여함으로써 Discover의 핵심팀 구성원 6 명은 기계 학습 (ML) 및 AWS의 딥 러닝을 통해 생생한 경험을 얻었습니다. 그들은 너무나도 재미있는 시간과 함께 즐거운 추억을 만들었습니다! Discover의 우수 클라우드 센터 (CCoE)는 나중에 다음과 같은 아이디어를 제안했습니다:…

AWS PrivateLink를 사용하여 Amazon SageMaker에서 보안 예측 호출

Amazon SageMaker는 AWS PrivateLink를 통해 Amazon VPC(Virtual Private Cloud)엔드포인트를 지원하므로 인터넷을 사용하지 않고 VPC 내부의 Amazon SageMaker에서 호스팅하는 기계 학습 모델에 대한 예측 호출을 시작할 수 있습니다. Amazon SageMaker는 개발자와 데이터 과학자가 어떤 규모로든 기계 학습 모델을 빠르고 쉽게 구축, 훈련 및 배치할 수 있도록 하는 완벽하게 관리되는 플랫폼입니다. Amazon SageMaker를 사용하여 기계 학습 모델을…

Amazon SageMaker에서 factorization machine을 사용하여 동영상 추천 프로그램 구축하기

추천 시스템(Recommender system)은 기계 학습(ML)에서 가장 많이 사용되는 응용프로그램 중 하나입니다. 이 글에서는 Amazon SageMaker에 내장된 알고리즘 중 하나인 factorization machine에 기반한 동영상 추천 모델과 인기 있는 MovieLens 데이터셋을 구축하는 방법을 보여 드리겠습니다.   Factorization Machine이란? FM(Factorization Machine)은 2010년에 도입되어 지도식 기계 학습 기법입니다(연구 논문, PDF). FM은 매트릭스 요소화를 통해 문제의 치수를 줄이는 기능에서 이름을…

Amazon SageMaker 자동 모델 튜닝: 기계 학습에 기계 학습을 사용하기

오늘 저는 Amazon SageMaker 자동 모델 튜닝의 출시를 발표하게 되어 기쁩니다. 자동 모델 튜닝 기능은 더 정확한 모델을 위해 하이퍼파라미터를 탐색하는데 필요한 차별화되지 않는 귀찮은 작업을 제거합니다. 이 기능을 통해 개발자와 데이터 과학자는 기계 학습 모델을 훈련하고 튜닝하는 데 상당한 시간과 노력을 절약할 수 있습니다. 하이퍼파라미터 튜닝 작업은 완료된 훈련 작업의 결과에 따라 서로 다른…

AWS 내부 유스케이스: AWS 마케팅 내부적으로 Amazon SageMaker 도입 및 평가하기

저희는 AWS 마케팅 데이터 사이언스 팀입니다. 저희는 고급 분석 및 기계 학습 (ML) 기술을 사용하여 영업 리드의 ML 중심 점수, ML 기반 타겟팅 세그먼트 및 다운스트림 영향 측정을 위한 계량 경제 모델과 같은 AWS 고객 라이프사이클 전반에 걸친 비즈니스 문제에 대한 통찰력을 공유합니다. Amazon 내에서 각 팀은 독립적으로 운영되며 자체 기술 스택을 선택하는 방법과 고객이…

Amazon SageMaker 콘솔이 이제 Training Job 복제를 지원합니다.

현재 Amazon SageMaker 콘솔에 교육 작업 복제 기능이 추가되어 기존 작업을 기반으로 하는 교육 작업을 훨씬 쉽게 만들 수 있습니다. Amazon SageMaker를 사용하면 다양한 훈련 셋과 동일한 구성을 사용하여 여러 훈련 작업을 실행하는 것이 일반적입니다. 또한 특정 하이퍼매개 변수 또는 기본 컴퓨팅 리소스를 조정하고 모델을 다시 훈련하는 것이 일반적입니다. 이러한 시나리오에서는 기존 작업을 기반으로 새로운…

Amazon SageMaker와 함께 R 사용하기

이 게시물에서는 Amazon SageMaker와 R을 이용하여 기계 학습(ML)모델에서 예측을 훈련, 배포, 검색하는 방법을 설명합니다. 껍데기에 있는 고리의 수로전복의 나이를 측정한 예측모델입니다. Reticulate 패키지는 Amazon SageMaker Python SDK에 대한 R 인터페이스로 사용되어 Amazon SageMaker에 API 호출을 합니다. reticulate 패키지는 R과 Python 객체를 변환하며, Amazon SageMaker는 서버 없는 데이터 과학 환경을 제공하여 ML 모델을 규모에 맞게 훈련하고…