기계 학습 (ML) 및 인공 지능 (AI)

AWS 가장 포괄적인 세트 ML 서비스와 특별히 구축된 인프라를 통해 ML 채택 여정의 모든 단계에서 도움을 줍니다. 사전 학습된 AI 서비스는 애플리케이션 및 워크플로에 바로 사용할 수 있는 인텔리전스를 제공합니다.

각 서비스는 다이어그램 뒤에 설명되어 있습니다. 요구 사항에 가장 적합한 서비스를 결정하는 데 도움이 필요하면 선택을 참조하십시오. AWS 기계 학습 서비스, 제너레이티브 AI 서비스, 그리고 Amazon Bedrock 또는 Amazon을 선택하시겠습니까? SageMaker . 일반 정보는 차세대 AI 혁신 물결 구축 및 확장을 참조하십시오. AWS.

로 돌아가기AWS 서비스.

Amazon Augmented AI

Amazon Augmented AI (Amazon A2I) 는 사람의 검토에 필요한 워크플로를 쉽게 구축할 수 있게 해주는 ML 서비스입니다. Amazon A2I는 운영 환경 여부와 관계없이 인적 검토 시스템을 구축하거나 많은 수의 검토자를 관리하는 데 따르는 차별화되지 않은 번거로움을 없애 모든 개발자에게 인적 검토를 제공합니다. AWS 그렇지 않을 수도 있습니다.

Amazon Bedrock

Amazon Bedrock은 Amazon 및 주요 AI 스타트업의 기본 모델 () FMs 을 통해 사용할 수 있도록 하는 완전 관리형 서비스입니다. API Amazon Bedrock 서버리스 환경을 사용하면 빠르게 시작하고, 실험하고, 자체 데이터로 비공개로 사용자 지정하고FMs, 서버와 원활하게 통합 및 배포할 수 있습니다. FMs AWS 애플리케이션.

아마존 타이탄, 앤트로픽의 클로드 2, 코히어의 커맨드 앤 임베드, 스튜디오의 쥬라기-2, 스태빌리티 AI의 스테이블 디퓨전 등 다양한 기초 모델 중에서 선택할 수 있습니다. AI21

아마존 CodeGuru

CodeGuruAmazon은 코드 품질을 개선하고 애플리케이션에서 가장 비용이 많이 드는 코드 라인을 식별하기 위한 지능형 권장 사항을 제공하는 개발자 도구입니다. 기존 소프트웨어 개발 CodeGuru 워크플로에 통합하여 애플리케이션 개발 중에 코드 검토를 자동화하고 프로덕션 환경에서 애플리케이션의 성능을 지속적으로 모니터링하며 코드 품질, 애플리케이션 성능을 개선하고 전체 비용을 절감하는 방법에 대한 권장 사항과 시각적 단서를 제공합니다.

Amazon CodeGuru Reviewer는 ML 및 자동 추론을 사용하여 애플리케이션 개발 중에 중요한 문제, 보안 취약성 및 hard-to-find 버그를 식별하고 코드 품질을 개선하기 위한 권장 사항을 제공합니다.

Amazon CodeGuru Profiler는 개발자가 애플리케이션의 런타임 동작을 이해하고, 코드 비효율성을 식별 및 제거하고, 성능을 개선하고, 컴퓨팅 비용을 크게 절감할 수 있도록 지원함으로써 애플리케이션에서 가장 비용이 많이 드는 코드 라인을 찾을 수 있도록 지원합니다.

Amazon Comprehend

Amazon Comprehend는 ML 및 자연어 처리 NLP () 를 사용하여 구조화되지 않은 데이터에서 인사이트와 관계를 발견할 수 있도록 지원합니다. 이 서비스는 텍스트의 언어를 식별하고, 핵심 문구, 장소, 사람, 브랜드 또는 이벤트를 추출하고, 텍스트가 얼마나 긍정적인지 또는 부정적인지 이해하고, 토큰화와 품사를 사용하여 텍스트를 분석하고, 주제별로 텍스트 파일 모음을 자동으로 구성합니다. 또한 Amazon Comprehend의 AutoML 기능을 사용하여 조직의 요구에 맞게 고유하게 조정된 사용자 지정 엔티티 세트 또는 텍스트 분류 모델을 구축할 수 있습니다.

구조화되지 않은 텍스트에서 복잡한 의료 정보를 추출하려면 Amazon Comprehend Medical을 사용할 수 있습니다. 이 서비스는 의사 기록, 임상 시험 보고서 및 환자 건강 기록과 같은 다양한 출처에서 의학적 상태, 약물, 복용량, 강도 및 빈도와 같은 의료 정보를 식별할 수 있습니다. 또한 Amazon Comprehend Medical은 추출된 약물과 검사, 치료 및 시술 정보 간의 관계를 식별하여 더 쉽게 분석할 수 있도록 합니다. 예를 들어, 서비스는 구조화되지 않은 임상 기록을 통해 특정 약물과 관련된 특정 복용량, 강도 및 빈도를 식별합니다.

아마존 DevOps 전문가

Amazon DevOps Guru는 애플리케이션의 운영 성능과 가용성을 쉽게 개선할 수 있는 ML 기반 서비스입니다. Amazon DevOps Guru는 정상적인 운영 패턴에서 벗어나는 행동을 탐지하므로 고객에게 영향을 미치기 훨씬 전에 운영 문제를 식별할 수 있습니다.

Amazon DevOps Guru는 수년간의 Amazon.com에서 얻은 정보를 바탕으로 제작된 ML 모델을 사용합니다. AWS 운영 우수성을 통해 비정상적인 애플리케이션 동작 (예: 지연 시간 증가, 오류율, 리소스 제약 등) 을 식별하고 잠재적인 중단이나 서비스 중단을 일으킬 수 있는 중대한 문제를 찾아냅니다. Amazon DevOps Guru는 심각한 문제를 식별하면 자동으로 알림을 보내고 관련 예외 현황에 대한 요약, 가능한 근본 원인, 문제가 발생한 시기와 장소에 대한 컨텍스트를 제공합니다. Amazon DevOps Guru는 가능한 경우 문제 해결 방법에 대한 권장 사항도 제공합니다.

Amazon DevOps Guru는 사용자의 운영 데이터를 자동으로 수집합니다. AWS 애플리케이션은 운영 데이터의 문제를 시각화할 수 있는 단일 대시보드를 제공합니다. Amazon Guru의 모든 리소스에 대해 Amazon DevOps Guru를 활성화하여 시작할 수 있습니다. AWS 계정, 내 리소스 AWS CloudFormation 스택 또는 리소스를 다음과 같이 그룹화 AWS 태그를 사용하면 수동 설정이나 ML 전문 지식이 필요하지 않습니다.

Amazon Forecast

Amazon Forecast는 ML을 사용하여 매우 정확한 예측을 제공하는 완전 관리형 서비스입니다.

오늘날 기업들은 단순한 스프레드시트에서 복잡한 재무 계획 소프트웨어에 이르기까지 모든 것을 사용하여 제품 수요, 리소스 요구 사항 또는 재무 성과와 같은 미래의 비즈니스 성과를 정확하게 예측하려고 합니다. 이러한 도구는 시계열 데이터라고 하는 일련의 과거 데이터를 검토하여 예측을 작성합니다. 예를 들어, 이러한 도구는 미래가 과거에 의해 결정된다는 기본 가정을 바탕으로 이전 판매 데이터만 보고 비옷의 미래 판매량을 예측하려고 할 수 있습니다. 이 접근 방식은 추세가 불규칙한 대규모 데이터 집합을 정확하게 예측하는 데 어려움을 겪을 수 있습니다. 또한 시간이 지남에 따라 변화하는 데이터 시리즈 (예: 가격, 할인, 웹 트래픽, 직원 수) 를 제품 기능 및 매장 위치와 같은 관련 독립 변수와 쉽게 결합하지 못합니다.

Amazon Forecast는 Amazon.com에서 사용되는 것과 동일한 기술을 기반으로 ML을 사용하여 시계열 데이터를 추가 변수와 결합하여 예측을 작성합니다. Amazon Forecast는 ML 경험이 없어도 시작할 수 있습니다. 과거 데이터와 예측에 영향을 미칠 수 있다고 생각되는 추가 데이터만 제공하면 됩니다. 예를 들어 특정 색상의 셔츠에 대한 수요는 계절과 매장 위치에 따라 달라질 수 있습니다. 이러한 복잡한 관계를 그 자체로 파악하기는 어렵지만 ML은 이러한 관계를 파악하기에 가장 적합합니다. 데이터를 제공하면 Amazon Forecast에서 자동으로 데이터를 검사하여 의미 있는 내용을 식별하여 시계열 데이터만 보는 것보다 최대 50% 더 정확한 예측을 수행할 수 있는 예측 모델을 생성합니다.

Amazon Forecast는 완전 관리형 서비스이므로 서버를 프로비저닝할 필요도 없고 ML 모델을 구축, 교육 또는 배포할 필요도 없습니다. 사용한 만큼만 비용을 지불하고 최소 요금이나 선약금은 없습니다.

Amazon Fraud Detector

Amazon Fraud Detector는 ML과 Amazon의 20년 이상의 사기 탐지 전문 기술을 사용하여 잠재적 사기 행위를 식별하여 고객이 더 많은 온라인 사기 행위를 더 빠르게 포착할 수 있도록 하는 완전 관리형 서비스입니다. Amazon Fraud Detector는 사기 탐지를 위한 ML 모델을 구축, 교육 및 배포하는 데 드는 시간과 비용이 많이 드는 단계를 자동화하여 고객이 이 기술을 더 쉽게 활용할 수 있도록 합니다. Amazon Fraud Detector는 생성한 각 모델을 고객 자체 데이터 세트에 맞게 사용자 지정하여 모든 ML 솔루션에 맞는 기존 단일 사이즈 솔루션보다 모델의 정확도를 높입니다. 또한 사용한 만큼만 비용을 지불하므로 대규모 선결제 비용을 피할 수 있습니다.

Amazon Comprehend Medical

지난 10년 동안 의료 분야의 디지털 변혁을 목격했습니다. 조직에서는 매일 엄청난 양의 환자 정보를 캡처하고 있습니다. AWS 그러나 이러한 데이터는 구조화되지 않은 경우가 많으며 이러한 정보를 추출하는 프로세스에는 노동 집약적이고 오류가 발생하기 쉽습니다. Amazon Comprehend Medical은 사전 학습된 기계 학습을 사용하여 처방전, 절차 또는 진단과 같은 의료 텍스트를 이해하고 의료 데이터를 추출하는 HIPAA 적격 자연어 처리 (NLP) 서비스입니다. Amazon Comprehend Medical을 사용하면 ICD -10-CM, SNOMED CT와 같은 의료 온톨로지를 사용하여 비정형 의학 텍스트에서 정보를 정확하고 빠르게 추출하고, 결과적으로 보험 청구 처리를 가속화하고 RxNorm, 국민 건강을 개선하고, 약물 감시를 가속화할 수 있습니다.

Amazon Kendra

Amazon Kendra는 ML을 기반으로 하는 지능형 검색 서비스입니다. Amazon Kendra는 웹 사이트 및 애플리케이션에 대한 엔터프라이즈 검색을 새롭게 구성하므로 조직 내 여러 위치와 콘텐츠 리포지토리에 흩어져 있더라도 직원과 고객이 원하는 콘텐츠를 쉽게 찾을 수 있습니다.

Amazon Kendra를 사용하면 수많은 비정형 데이터를 더 이상 검색하지 않고 필요할 때 질문에 대한 정답을 찾을 수 있습니다. Amazon Kendra는 완전관리형 서비스이므로 서버를 프로비저닝할 필요도 없고 ML 모델을 구축, 교육 또는 배포할 필요도 없습니다.

Amazon Lex

Amazon Lex는 음성과 텍스트를 사용하여 대화형 인터페이스를 설계, 구축, 테스트 및 모든 애플리케이션에 배포할 수 있는 완전 관리형 인공 지능 (AI) 서비스입니다. Lex는 음성을 텍스트로 변환하기 위한 자동 음성 인식 (ASR) 및 텍스트의 의도를 인식하기 위한 자연어 이해 (NLU) 와 같은 고급 딥 러닝 기능을 제공하여 매우 매력적인 사용자 경험과 생생한 대화 상호 작용이 가능한 애플리케이션을 구축하고 새로운 범주의 제품을 만들 수 있도록 합니다. Amazon Lex를 사용하면 Amazon Alexa를 지원하는 것과 동일한 딥 러닝 기술을 이제 모든 개발자가 사용할 수 있으므로 정교한 자연어, 대화형 봇 (“챗봇”) 및 음성 지원 대화형 음성 응답 () 시스템을 빠르고 쉽게 구축할 수 있습니다. IVR

Amazon Lex를 사용하면 개발자가 대화형 챗봇을 빠르게 구축할 수 있습니다. Amazon Lex를 사용하면 딥 러닝 전문 지식이 필요하지 않습니다. 봇을 생성하려면 Amazon Lex 콘솔에서 기본 대화 흐름을 지정하기만 하면 됩니다. Amazon Lex 는 대화를 관리하며 대화 중에 응답을 동적으로 조정합니다. 콘솔을 사용하여 텍스트 또는 음성 챗봇을 구축, 테스트 및 게시할 수 있습니다. 그런 다음 모바일 장치, 웹 애플리케이션 및 채팅 플랫폼(예: Facebook Messenger)에서 봇에 대화형 인터페이스를 추가할 수 있습니다. Amazon Lex를 사용하는 데 드는 선결제 비용이나 최소 요금은 없습니다. 문자 또는 음성 요청에 대해서만 요금이 부과됩니다. pay-as-you-go요금과 저렴한 요청당 비용 덕분에 이 서비스는 대화형 인터페이스를 구축하는 비용 효율적인 방법입니다. Amazon Lex 프리 티어를 사용하면 초기 투자 비용을 지불하지 않고 쉽게 Amazon Lex를 사용할 수 있습니다.

Amazon Lookout for Equipment

Amazon Lookout for Equipment는 장비에 있는 센서의 데이터 (예: 발전기 압력, 압축기 유속, 팬 분당 회전수) 를 분석하여 ML 전문 지식 없이도 데이터만을 기반으로 장비에 맞게 ML 모델을 자동으로 학습합니다. Lookout for Equipment는 고유한 ML 모델을 사용하여 들어오는 센서 데이터를 실시간으로 분석하고 기계 고장으로 이어질 수 있는 조기 경고 신호를 정확하게 식별합니다. 즉, 빠르고 정밀하게 장비 이상을 감지하고, 문제를 신속하게 진단하고, 비용이 많이 드는 가동 중지 시간을 줄이고, 잘못된 경고를 줄이기 위한 조치를 취할 수 있습니다.

Amazon Lookout for Metrics

Amazon Lookout for Metrics는 ML을 사용하여 판매 수익 또는 고객 확보율의 급격한 하락과 같은 비즈니스 및 운영 데이터에서 이상 (표준과 다른 이상) 을 자동으로 감지하고 진단합니다. 몇 번의 클릭만으로 Amazon Lookout for Metrics를 아마존 S3, 아마존 Redshift, 아마존 관계형 데이터베이스 RDS 서비스 (Amazon) 와 같은 인기 있는 데이터 스토어뿐만 아니라 세일즈포스, 서비시나우, 젠데스크, Marketo와 같은 타사 서비스형 소프트웨어 (SaaS) 애플리케이션에 연결하고 중요한 지표를 모니터링할 수 있습니다. 사업. Amazon Lookout for Metrics는 이러한 소스의 데이터를 자동으로 검사하고 준비하여 이상 탐지에 사용되는 기존 방법보다 더 빠르고 정확하게 이상 징후를 탐지합니다. 또한 탐지된 이상 현상에 대한 피드백을 제공하여 시간이 지남에 따라 결과를 조정하고 정확도를 개선할 수 있습니다. Amazon Lookout for Metrics를 사용하면 동일한 이벤트와 관련된 예외 항목을 그룹화하고 잠재적 근본 원인 요약이 포함된 알림을 전송하여 탐지된 이상 현상을 쉽게 진단할 수 있습니다. 또한 심각도에 따라 이상 현상의 순위를 매기므로 비즈니스에 가장 중요한 사항에 집중할 수 있습니다.

Amazon Lookout for Vision

Amazon Lookout for Vision은 컴퓨터 비전 (CV) 을 사용하여 시각적 표현의 결함과 이상을 찾아내는 ML 서비스입니다. Amazon Lookout for Vision을 사용하면 제조 회사는 대규모 물체 이미지의 차이를 신속하게 식별하여 품질을 높이고 운영 비용을 절감할 수 있습니다. 예를 들어 Amazon Lookout for Vision을 사용하여 제품의 누락된 구성 요소, 차량 또는 구조물의 손상, 생산 라인의 불규칙성, 실리콘 웨이퍼의 미세한 결함 및 기타 유사한 문제를 식별할 수 있습니다. Amazon Lookout for Vision은 ML을 사용하여 사람처럼 모든 카메라의 이미지를 보고 이해하지만 훨씬 더 높은 정확도와 훨씬 더 큰 규모로 이미지를 보고 이해합니다. Amazon Lookout for Vision을 사용하면 고객은 비용이 많이 들고 일관되지 않은 수동 검사의 필요성을 없애고 품질 관리, 결함 및 손상 평가, 규정 준수를 개선할 수 있습니다. ML 전문 지식이 없어도 몇 분 만에 Amazon Lookout for Vision을 사용하여 이미지 및 객체 검사를 자동화할 수 있습니다.

Amazon Monitron

Amazon Monitron은 ML을 사용하여 산업 기계의 비정상 동작을 탐지하는 end-to-end 시스템으로, 이를 통해 예측 유지 관리를 구현하고 예상치 못한 가동 중지 시간을 줄일 수 있습니다.

데이터 연결, 스토리지, 분석 및 경고에 필요한 센서와 인프라를 설치하는 것은 예측적 유지 관리를 지원하는 기본 요소입니다. 그러나 지금까지 기업에서는 복잡한 솔루션을 처음부터 조립할 수 있는 숙련된 기술자와 데이터 과학자가 필요했습니다. 여기에는 사용 사례에 적합한 유형의 센서를 식별 및 조달하고 이를 IoT 게이트웨이 (데이터를 집계하고 전송하는 장치) 와 연결하는 것이 포함되었습니다. 그 결과 예측 유지보수를 성공적으로 구현할 수 있는 기업은 거의 없었습니다.

Amazon Monitron에는 장비에서 진동 및 온도 데이터를 캡처하는 센서와 데이터를 안전하게 전송하는 게이트웨이 디바이스가 포함되어 있습니다. AWS, ML을 사용하여 데이터를 분석하여 비정상적인 기계 패턴을 찾아내는 Amazon Monitron 서비스와 함께 제공되는 모바일 앱을 통해 디바이스를 설정하고 작동 동작에 대한 보고서를 받고 기계의 잠재적 고장에 대한 경고를 받을 수 있습니다. 개발 작업이나 ML 경험이 없어도 몇 분 만에 장비 상태 모니터링을 시작할 수 있으며, Amazon Fulfillment Center에서 장비를 모니터링하는 데 사용되는 것과 동일한 기술로 예측 유지보수를 수행할 수 있습니다.

아마존 PartyRock

PartyRockAmazon은 코드가 필요 없는 실습형 앱 빌더를 통해 생성 AI를 쉽게 학습할 수 있도록 지원합니다. 재미있는 앱을 만들고 탐색하면서 신속한 엔지니어링 기법을 실험하고, 생성된 응답을 검토하고, 제너레이티브 AI에 대한 직관력을 키우십시오. PartyRock 완전 관리형 서비스 서비스인 Amazon Bedrock을 통해 Amazon 및 주요 AI 회사의 기초 모델 (FMs) 에 액세스할 수 있습니다.

Amazon Personalize

Amazon Personalize는 개발자가 애플리케이션을 사용하는 고객을 위한 개별화된 권장 사항을 쉽게 생성할 수 있게 해주는 ML 서비스입니다.

ML은 개인화된 제품 및 콘텐츠 추천, 맞춤형 검색 결과, 타겟 마케팅 프로모션을 지원하여 고객 참여를 개선하는 데 점점 더 많이 사용되고 있습니다. 그러나 ML 기능 개발의 복잡성 때문에 오늘날 대부분의 조직이 이러한 정교한 추천 시스템을 만드는 데 필요한 ML 기능을 개발하는 것은 불가능했습니다. Amazon Personalize를 사용하면 이전에 ML 경험이 없는 개발자도 Amazon.com에서 수년간 사용하면서 완성된 ML 기술을 사용하여 정교한 개인화 기능을 애플리케이션에 쉽게 구축할 수 있습니다.

Amazon Personalize를 사용하면 페이지 보기, 가입, 구매 등과 같은 애플리케이션의 활동 스트림과 기사, 제품, 비디오 또는 음악과 같이 추천하려는 항목의 인벤토리를 제공합니다. 또한 연령 또는 지리적 위치와 같은 사용자의 추가 인구 통계 정보를 Amazon Personalize에 제공하도록 선택할 수 있습니다. Amazon Personalize는 데이터를 처리 및 검토하고, 의미 있는 내용을 식별하고, 올바른 알고리즘을 선택하고, 데이터에 맞게 사용자 지정된 개인화 모델을 교육 및 최적화합니다.

Amazon Personalize는 소매업, 미디어 및 엔터테인먼트를 위한 최적화된 추천을 제공하므로 고성능 개인화된 사용자 경험을 더 빠르고 쉽게 제공할 수 있습니다. 또한 Amazon Personalize는 지능형 사용자 세분화 기능을 제공하므로 마케팅 채널을 통해 보다 효과적인 잠재 고객 발굴 캠페인을 실행할 수 있습니다. 두 가지 새로운 레시피를 사용하면 다양한 제품 카테고리, 브랜드 등에 대한 관심도에 따라 사용자를 자동으로 분류할 수 있습니다.

Amazon Personalize에서 분석한 모든 데이터는 비공개로 안전하게 유지되며 사용자 지정 권장 사항에만 사용됩니다. 서비스가 유지 관리하는 가상 사설 클라우드 내에서 간단한 API 호출을 통해 개인화된 예측을 제공하기 시작할 수 있습니다. 사용한 만큼만 비용을 지불하고 최소 요금이나 사전 약정은 없습니다.

Amazon Personalize는 자체 Amazon.com ML 개인화 팀을 하루 24시간 운영하는 것과 같습니다.

Amazon Polly

Amazon Polly는 텍스트를 생생한 음성으로 변환하는 서비스입니다. Amazon Polly를 사용하면 말하는 애플리케이션을 만들 수 있으므로 완전히 새로운 범주의 음성 지원 제품을 구축할 수 있습니다. Amazon Polly는 고급 딥 러닝 기술을 사용하여 사람의 목소리처럼 들리는 음성을 합성하는 Amazon 인공 지능 (AI) 서비스입니다. Amazon Polly에는 수십 개 언어에 걸쳐 실감 나는 다양한 음성이 포함되어 있으므로 이상적인 음성을 선택하고 여러 국가에서 작동하는 음성 지원 애플리케이션을 구축할 수 있습니다.

Amazon Polly는 실시간 대화형 대화를 지원하는 데 필요한 지속적으로 빠른 응답 시간을 제공합니다. Amazon Polly 음성 오디오를 캐시 및 저장하여 오프라인에서 재생하거나 재배포할 수 있습니다. 그리고 Amazon Polly는 사용하기 쉽습니다. 음성으로 변환하려는 텍스트를 Amazon Polly로 보내면 Amazon API Polly가 오디오 스트림을 애플리케이션에 즉시 반환하므로 애플리케이션에서 직접 재생하거나 다음과 같은 표준 오디오 파일 형식으로 저장할 수 있습니다. MP3

Amazon Polly는 표준 TTS 음성 외에도 새로운 기계 학습 접근 방식을 통해 음성 품질을 고급으로 개선하는 신경망 텍스트 음성 변환 (NTTS) 음성을 제공합니다. Polly의 Neural TTS 기술은 뉴스 내레이션 사용 사례에 맞게 조정된 뉴스캐스터 말하기 스타일도 지원합니다. 마지막으로 Amazon Polly 브랜드 보이스는 조직에 맞는 사용자 지정 음성을 생성할 수 있습니다. 이것은 Amazon Polly 팀과 협력하여 조직 전용의 NTTS 목소리를 만드는 사용자 지정 참여입니다.

Amazon Polly에서는 음성으로 변환한 문자 수에 대해서만 비용을 지불하고 Amazon Polly에서 생성한 음성을 저장하고 재생할 수 있습니다. Amazon Polly는 변환된 문자당 비용이 저렴하고 음성 출력의 저장 및 재사용에 대한 제한이 없기 때문에 어디서나 텍스트 음성 변환을 활성화할 수 있는 비용 효율적인 방법입니다.

Amazon Q

Amazon Q는 소프트웨어 개발을 가속화하고 내부 데이터를 활용하기 위한 제너레이티브 AI 기반 어시스턴트입니다.

Amazon Rekognition

Amazon Rekognition을 사용하면 ML 전문 지식이 없어도 사용할 수 있는 검증되고 확장성이 뛰어난 딥 러닝 기술을 사용하여 애플리케이션에 이미지 및 비디오 분석을 쉽게 추가할 수 있습니다. Amazon Rekognition을 사용하면 이미지와 동영상의 객체, 사람, 텍스트, 장면 및 활동을 식별하고 부적절한 콘텐츠를 탐지할 수 있습니다. Amazon Rekognition은 또한 매우 정확한 얼굴 분석 및 얼굴 검색 기능을 제공하여 다양한 사용자 확인, 인원 수 계산 및 공공 안전 사용 사례를 위해 얼굴을 감지, 분석 및 비교하는 데 사용할 수 있습니다.

Amazon Rekognition 사용자 지정 레이블을 사용하면 비즈니스 요구 사항에 맞는 이미지 내 물체와 장면을 식별할 수 있습니다. 예를 들어, 조립 라인의 특정 기계 부품을 분류하거나 비정상 플랜트를 탐지하는 모델을 구축할 수 있습니다. Amazon Rekognition 사용자 지정 레이블은 복잡한 모델 개발 작업을 대신 처리하므로 ML 경험이 없어도 됩니다. 식별하려는 객체 또는 장면의 이미지만 제공하면 나머지는 서비스에서 처리합니다.

아마존 SageMaker

SageMakerAmazon에서는 완전 관리형 인프라, 도구 및 워크플로를 사용하여 모든 사용 사례에 맞는 ML 모델을 구축, 교육 및 배포할 수 있습니다. SageMakerML 프로세스의 각 단계에서 번거로운 작업을 제거하므로 고품질 모델을 더 쉽게 개발할 수 있습니다. SageMaker ML에 사용되는 모든 구성 요소를 단일 도구 세트로 제공하므로 훨씬 적은 노력과 저렴한 비용으로 모델을 더 빠르게 제작할 수 있습니다.

아마존 SageMaker 오토파일럿

Amazon SageMaker Autopilot은 데이터를 기반으로 최고의 ML 모델을 자동으로 구축, 교육 및 조정하므로 완전한 제어 및 가시성을 유지할 수 있습니다. SageMaker 오토파일럿을 사용하면 간단히 표 형식의 데이터 세트를 제공하고 예측할 대상 열을 선택합니다. 이 열은 숫자 (예: 주택 가격, 회귀 분석) 또는 범주 (예: 스팸/스팸 아님, 분류) 일 수 있습니다. SageMaker 오토파일럿은 자동으로 다양한 솔루션을 탐색하여 최적의 모델을 찾습니다. 그런 다음 클릭 한 번으로 모델을 프로덕션에 직접 배포하거나 Amazon SageMaker Studio를 사용하여 권장 솔루션을 반복하여 모델 품질을 더욱 개선할 수 있습니다.

아마존 SageMaker 캔버스

Amazon SageMaker Canvas는 비즈니스 분석가가 ML 경험이 없거나 한 줄의 코드도 작성할 필요 없이 스스로 정확한 ML 예측을 생성할 수 있는 시각적 point-and-click 인터페이스를 제공하여 ML에 대한 액세스를 확장합니다.

아마존 SageMaker 클래리파이

Amazon SageMaker Clarify는 기계 학습 개발자에게 교육 데이터 및 모델에 대한 가시성을 높여 편향을 식별 및 제한하고 예측을 설명할 수 있도록 합니다. Amazon SageMaker Clarify 기능은 지정한 속성을 검사하여 데이터 준비 중, 모델 교육 후, 배포된 모델에서 잠재적 편향을 감지합니다. SageMaker Clarify에는 모델 예측을 설명하는 데 도움이 되는 기능 중요도 그래프도 포함되어 있으며, 내부 프레젠테이션을 지원하거나 수정 조치를 취할 수 있는 모델 관련 문제를 식별하는 데 사용할 수 있는 보고서를 생성합니다.

Amazon SageMaker 데이터 라벨링

SageMaker Amazon은 이미지, 텍스트 파일 및 비디오와 같은 원시 데이터를 식별하고 정보 레이블을 추가하여 ML 모델을 위한 고품질 교육 데이터 세트를 생성할 수 있는 데이터 레이블 지정 서비스를 제공합니다.

아마존 SageMaker 데이터 랭글러

Amazon SageMaker Data Wrangler는 ML을 위해 데이터를 집계하고 준비하는 데 걸리는 시간을 몇 주에서 몇 분으로 줄여줍니다. SageMakerData Wrangler를 사용하면 데이터 준비 및 기능 엔지니어링 프로세스를 간소화하고 단일 시각적 인터페이스에서 데이터 선택, 정리, 탐색 및 시각화를 포함한 데이터 준비 워크플로의 각 단계를 완료할 수 있습니다.

아마존 SageMaker 엣지

Amazon SageMaker Edge는 모델을 최적화하고 보안을 유지하고 엣지에 배포한 다음 스마트 카메라, 로봇 및 기타 스마트 전자 제품과 같은 디바이스 플릿에서 이러한 모델을 모니터링하여 엣지 디바이스에서 기계 학습을 지원함으로써 지속적인 운영 비용을 절감합니다. SageMaker Edge Compiler는 학습된 모델을 에지 디바이스에서 실행할 수 있도록 최적화합니다. SageMaker Edge에는 애플리케이션 또는 기기 펌웨어와 관계없이 플릿에 모델을 배포하는 데 도움이 되는 over-the-air (OTA) 배포 메커니즘이 포함되어 있습니다. SageMaker Edge Agent를 사용하면 동일한 디바이스에서 여러 모델을 실행할 수 있습니다. 에이전트는 사용자가 제어하는 로직 (예: 간격) 을 기반으로 예측 데이터를 수집하여 클라우드에 업로드하므로 시간이 지남에 따라 모델을 주기적으로 재학습할 수 있습니다.

아마존 SageMaker 피처 스토어

Amazon SageMaker Feature Store는 기능을 저장하고 액세스할 수 있도록 특별히 구축된 리포지토리이므로 팀 전체에서 이름을 지정하고 구성하고 재사용하는 것이 훨씬 쉽습니다. SageMaker Feature Store는 기능을 일관되게 유지하기 위해 추가 코드를 작성하거나 수동 프로세스를 생성할 필요 없이 학습 및 실시간 추론 중에 기능을 위한 통합 스토어를 제공합니다. SageMaker Feature Store는 저장된 기능의 메타데이터 (예: 기능 이름 또는 버전 번호) 를 추적하므로 대화형 쿼리 서비스인 Amazon Athena를 사용하여 기능에 적합한 속성을 일괄 또는 실시간으로 쿼리할 수 있습니다. SageMaker 또한 Feature Store는 기능을 최신 상태로 유지합니다. 추론 중에 새 데이터가 생성되면 단일 리포지토리가 업데이트되므로 학습 및 추론 중에 모델이 항상 새 기능을 사용할 수 있기 때문입니다.

아마존 SageMaker 지리공간 기능

Amazon SageMaker 지리 공간 기능을 사용하면 데이터 과학자와 기계 학습 (ML) 엔지니어가 지리 공간 데이터를 사용하여 ML 모델을 더 빠르게 구축, 교육 및 배포할 수 있습니다. ML을 위한 지리공간 데이터를 더 효율적으로 준비할 수 있도록 데이터 (오픈 소스 및 타사), 처리 및 시각화 도구에 액세스할 수 있습니다. 용도에 맞게 구축된 알고리즘과 사전 훈련된 ML 모델을 사용하여 모델 구축 및 훈련 속도를 높이고, 내장된 시각화 도구를 사용하여 대화형 지도에서 예측 결과를 탐색한 다음 인사이트와 결과에 대해 팀 간에 공동 작업을 통해 생산성을 높일 수 있습니다.

아마존 SageMaker HyperPod

Amazon은 대규모 언어 모델 (), 확산 모델 및 기반 모델 () 을 위한 기계 학습 (ML) 인프라를 구축하고 최적화하는 데 수반되는 차별화되지 않은 번거로운 작업을 SageMaker HyperPod 제거합니다. LLMs FMs SageMaker HyperPod 고객이 교육 워크로드를 다음과 같은 수천 개의 액셀러레이터로 자동 분할할 수 있도록 하는 분산 교육 라이브러리로 사전 구성되어 있습니다. AWS Trainium, 그리고 NVIDIA A100 및 H100 그래픽 처리 장치 (). GPUs

SageMaker HyperPod 또한 체크포인트를 주기적으로 저장하여 중단 없이 계속 학습할 수 있습니다. 하드웨어 장애가 발생하면 자가 치유 클러스터가 자동으로 장애를 감지하고, 결함이 있는 인스턴스를 복구 또는 교체하고, 마지막으로 저장한 체크포인트에서 학습을 재개하므로 이 프로세스를 수동으로 관리할 필요가 없고 분산 환경에서 몇 주 또는 몇 달 동안 중단 없이 학습할 수 있습니다. 요구 사항에 가장 적합하도록 컴퓨팅 환경을 사용자 정의하고 Amazon SageMaker 분산 교육 라이브러리로 구성하여 최적의 성능을 달성할 수 있습니다. AWS.

아마존 SageMaker JumpStart

SageMaker JumpStartAmazon은 ML을 쉽고 빠르게 시작할 수 있도록 도와줍니다. 더 쉽게 시작할 수 있도록 가장 일반적인 사용 사례를 위한 솔루션 세트를 SageMaker JumpStart 제공하며, 이 솔루션은 클릭 몇 번으로 쉽게 배포할 수 있습니다. 솔루션은 완전히 사용자 정의할 수 있으며 다음과 같은 용도를 보여줍니다. AWS CloudFormation 템플릿 및 참조 아키텍처를 통해 ML 여정을 가속화할 수 있습니다. SageMaker JumpStart 또한 Amazon은 자연어 처리, 객체 감지, 이미지 분류 모델 등 150개 이상의 인기 있는 오픈 소스 모델의 원클릭 배포 및 미세 조정을 지원합니다.

아마존 SageMaker 모델 빌딩

SageMaker Amazon은 ML 모델을 구축하는 데 필요한 모든 도구와 라이브러리, 다양한 알고리즘을 반복적으로 시도하고 정확도를 평가하여 사용 사례에 가장 적합한 알고리즘을 찾는 프로세스를 제공합니다. SageMaker Amazon에서는 내장되고 최적화된 SageMaker 15개 이상의 알고리즘을 포함하여 다양한 알고리즘을 선택하고 몇 번의 클릭으로 인기 있는 모델 동물원에서 750개 이상의 사전 빌드된 모델을 사용할 수 있습니다. SageMaker 또한 Amazon SageMaker Studio Notebooks와 Code- OSS (Virtual Studio Code Open Source) 를 기반으로 하는 코드 에디터 (Virtual Studio Code Open Source) 를 비롯한 다양한 모델 구축 도구를 제공합니다. 이 도구에서는 ML 모델을 소규모로 실행하여 결과를 확인하고 성능에 대한 보고서를 볼 수 있으므로 고품질의 프로토타입을 만들 수 있습니다. JupyterLab RStudio

아마존 SageMaker 모델 교육

Amazon은 인프라를 관리할 필요 없이 대규모로 ML 모델을 학습하고 조정하는 데 드는 시간과 비용을 SageMaker 줄여줍니다. 현재 사용 가능한 최고 성능의 ML 컴퓨팅 인프라를 활용하고 인프라를 1개에서 수천 개까지 자동으로 확장 또는 SageMaker 축소할 수 있습니다. GPUs 사용한 만큼만 비용을 지불하므로 교육 비용을 더 효과적으로 관리할 수 있습니다. 딥 러닝 모델을 더 빠르게 트레이닝하려면 Amazon SageMaker 분산 교육 라이브러리를 사용하여 성능을 높이거나 Horovod 또는 Megatron과 DeepSpeed 같은 타사 라이브러리를 사용할 수 있습니다.

아마존 SageMaker 모델 배포

SageMaker Amazon은 ML 모델을 쉽게 배포하여 모든 사용 사례에서 최고의 가격 대비 성능으로 예측 (추론이라고도 함) 을 수행할 수 있도록 지원합니다. 모든 ML 추론 요구 사항을 충족하는 데 도움이 되는 다양한 ML 인프라 및 모델 배포 옵션을 제공합니다. 완전 관리형 서비스이며 MLOps 도구와 통합되므로 모델 배포를 확장하고, 추론 비용을 줄이고, 프로덕션 환경에서 모델을 보다 효과적으로 관리하고, 운영 부담을 줄일 수 있습니다.

아마존 SageMaker 파이프라인

Amazon SageMaker Pipelines는 ML을 위해 특별히 개발된 최초의 easy-to-use 지속적 통합 및 지속적 전송 (CI/CD) 서비스입니다. SageMaker 파이프라인을 사용하면 ML 워크플로를 대규모로 생성, 자동화 및 관리할 수 있습니다. end-to-end

아마존 SageMaker 스튜디오 랩

Amazon SageMaker Studio Lab은 누구나 ML을 배우고 실험할 수 있도록 컴퓨팅, 스토리지 (최대 15GB), 보안을 모두 무료로 제공하는 무료 ML 개발 환경입니다. 시작하려면 유효한 이메일 주소만 있으면 됩니다. 인프라를 구성하거나 ID 및 액세스를 관리하거나 가입할 필요가 없습니다. AWS 계정. SageMaker Studio Lab은 GitHub 통합을 통해 모델 구축을 가속화하며, 가장 널리 사용되는 ML 도구, 프레임워크 및 라이브러리가 사전 구성되어 제공되므로 즉시 시작할 수 있습니다. SageMaker Studio Lab은 작업을 자동으로 저장하므로 세션 중간에 다시 시작할 필요가 없습니다. 노트북을 닫았다가 나중에 다시 돌아오는 것만큼 쉽습니다.

아파치 온 MXNet AWS

MXNetApache는 ML을 위한 API 간결한 기능을 갖춘 빠르고 확장 가능한 학습 및 추론 프레임워크입니다 easy-to-use. MXNet모든 기술 수준의 개발자가 클라우드, 엣지 디바이스 및 모바일 앱에서 딥 러닝을 시작할 수 있는 Gluon 인터페이스가 포함되어 있습니다. Gluon 코드 몇 줄만으로 객체 감지, 음성 인식, 추천 및 개인화를 LSTMs 위한 선형 회귀, 컨벌루션 네트워크 및 Recurrent를 구축할 수 있습니다. MxNet on으로 시작할 수 있습니다.AWS ML 모델을 대규모로 구축 SageMaker, 교육 및 배포할 수 있는 플랫폼인 Amazon을 사용하여 완벽하게 관리되는 환경을 제공합니다. 또는 다음을 사용할 수 있습니다. AWS Deep Learning AMIs Chainer, MxNet Keras, Caffe, Caffe TensorFlow PyTorch, Caffe2 및 Microsoft Cognitive Toolkit을 포함한 기타 프레임워크를 사용하여 사용자 지정 환경 및 워크플로를 구축할 수 있습니다.

AWS Deep Learning AMIs s

은AWS Deep Learning AMIsML 실무자와 연구자에게 규모에 상관없이 클라우드에서 딥 러닝을 가속화할 수 있는 인프라와 도구를 제공합니다. ApacheMXNet, Chainer, Gluon, Horovod TensorFlow PyTorch, Keras와 같은 인기 있는 딥 러닝 프레임워크 및 인터페이스가 사전 설치된 Amazon EC2 인스턴스를 빠르게 시작하여 정교한 사용자 지정 AI 모델을 교육하고, 새로운 알고리즘을 실험하거나, 새로운 기술과 기법을 학습할 수 있습니다. Amazon이 EC2 GPU 필요하든 CPU 인스턴스가 AMIs 필요하든 딥 러닝에 대한 추가 비용은 없으며 다음에 대한 비용만 지불하면 됩니다. AWS 애플리케이션을 저장하고 실행하는 데 필요한 리소스.

AWS Deep Learning Containers

AWS 딥 러닝 컨테이너 (AWS DL 컨테이너 (DL 컨테이너) 는 딥 러닝 프레임워크가 사전 설치된 Docker 이미지로, 환경을 처음부터 구축하고 최적화하는 복잡한 프로세스를 생략하여 사용자 지정 기계 학습 (ML) 환경을 쉽고 빠르게 배포할 수 있습니다. AWS DL 컨테이너 지원, 아파치. TensorFlow PyTorch MXNet 배포할 수 있습니다. AWS 아마존의 DL 컨테이너 SageMaker, 아마존 엘라스틱 쿠버네티스 서비스 (EKS아마존), 아마존의 자체 관리형 쿠버네티스, 아마존 엘라스틱 컨테이너 서비스 (아마존EC2). ECS 컨테이너는 Amazon Elastic 컨테이너 레지스트리 (AmazonECR) 를 통해 사용할 수 있으며 AWS Marketplace비용은 없습니다. 사용한 리소스에 대해서만 비용을 지불하면 됩니다.

Amazon을 활용한 지리공간 ML SageMaker

Amazon SageMaker 지리공간 기능을 통해 데이터 과학자와 ML 엔지니어는 지리공간 데이터를 사용하여 ML 모델을 더 빠르고 대규모로 구축, 교육 및 배포할 수 있습니다. 쉽게 사용할 수 있는 지리공간 데이터 소스에 액세스하고, 용도에 맞게 구축된 작업을 통해 대규모 지리공간 데이터 세트를 효율적으로 변환 또는 강화하고, 사전 훈련된 ML 모델을 선택하여 모델 구축을 가속화할 수 있습니다. 또한 내장된 시각화 도구를 갖춘 3D 가속 그래픽을 사용하여 대화형 지도에서 지리공간 데이터를 분석하고 모델 예측을 탐색할 수 있습니다. SageMaker 런타임 지리공간 기능은 수확 수확량 및 식량 안보 극대화, 위험 및 보험 청구 평가, 지속 가능한 도시 개발 지원, 소매점 활용도 예측 등 다양한 사용 사례에 사용할 수 있습니다.

Huging Face on AWS

SageMakerAmazon Hugging Face를 사용하면 트랜스포머로 알려진 자연어 처리 NLP () 모델의 오픈 소스 제공업체인 Hugging Face의 사전 학습된 모델을 배포하고 미세 조정하여 이러한 모델을 설정하고 사용하는 데 걸리는 시간을 몇 주에서 몇 분으로 줄일 수 있습니다. NLP NLP컴퓨터가 인간의 언어를 이해하도록 돕는 ML 알고리즘을 말합니다. 번역, 지능형 검색, 텍스트 분석 등에 도움이 됩니다. 그러나 NLP 모델은 크고 복잡할 수 있으며 (때로는 수억 개의 모델 매개변수로 구성되기도 함), 모델을 교육하고 최적화하려면 시간, 리소스 및 기술이 필요합니다. AWSHugging Face와 협업하여 Hugging Face를 만들었습니다. AWS Deep Learning Containers (DLCs) 는 데이터 과학자와 ML 개발자에게 SageMaker Amazon에서 state-of-the-art NLP 모델을 구축, 교육 및 배포할 수 있는 완전 관리형 환경을 제공합니다.

PyTorch on AWS

PyTorch는 머신 러닝 모델을 쉽게 개발하고 프로덕션에 배포할 수 있게 해주는 오픈 소스 딥 러닝 프레임워크입니다. 에서 구축하고 유지 관리하는 PyTorch 의 모델 서비스 라이브러리를 사용하여 TorchServe AWS Facebook과의 파트너십을 통해 PyTorch 개발자는 모델을 빠르고 쉽게 프로덕션 환경에 배포할 수 있습니다. PyTorch 또한 분산 교육을 위한 동적 계산 그래프와 라이브러리를 제공하며, 이 그래프는 고성능을 발휘하도록 조정되어 있습니다. AWS. PyTorch on으로 시작할 수 있습니다. AWS 완전관리형 ML 서비스인 SageMakerAmazon을 사용하여 대규모로 PyTorch 모델을 쉽고 비용 효율적으로 구축, 교육 및 배포할 수 있습니다. 인프라를 직접 관리하고 싶다면 다음을 사용할 수 있습니다. AWS Deep Learning AMIs s 또는 AWS Deep Learning Containers (Deep Learning Containers) 는 소스에서 빌드되고 성능에 최적화되어 사용자 지정 기계 학습 환경을 신속하게 PyTorch 배포할 수 있도록 최신 버전으로 제공됩니다.

TensorFlow on AWS

TensorFlow연구자와 개발자가 기계 학습을 통해 애플리케이션을 개선하는 데 사용할 수 있는 다양한 딥 러닝 프레임워크 중 하나입니다. AWS 고객이 컴퓨터 비전 TensorFlow, 자연어 처리, 음성 번역 등에서 자체 모델을 개발하고 제공할 수 있도록 광범위한 지원을 제공합니다. TensorFlow on으로 시작할 수 있습니다. AWS 완전관리형 ML 서비스인 SageMakerAmazon을 사용하여 대규모로 TensorFlow 모델을 쉽고 비용 효율적으로 구축, 교육 및 배포할 수 있습니다. 인프라를 직접 관리하고 싶다면 다음을 사용할 수 있습니다. AWS Deep Learning AMIs s 또는 AWS Deep Learning Containers (Deep Learning Containers) 는 소스에서 빌드되고 성능에 최적화되어 사용자 지정 ML 환경을 신속하게 TensorFlow 배포할 수 있도록 최신 버전으로 제공됩니다.

Amazon Textract

Amazon Textract는 스캔한 문서에서 텍스트와 데이터를 자동으로 추출하는 서비스입니다. Amazon Textract는 단순한 광학 문자 인식 (OCR) 을 넘어서 양식의 필드 내용과 테이블에 저장된 정보를 식별합니다.

오늘날 많은 기업이 이미지, 표, 양식 등의 PDFs 스캔한 문서에서 또는 수동 구성이 필요한 간단한 OCR 소프트웨어 (양식이 변경될 때 업데이트해야 하는 경우가 많음) 를 통해 수동으로 데이터를 추출합니다. 이러한 수동적이고 비용이 많이 드는 프로세스를 극복하기 위해 Amazon Textract는 ML을 사용하여 모든 유형의 문서를 읽고 처리하며, 수동 작업 없이 텍스트, 손글씨, 표 및 기타 데이터를 정확하게 추출합니다. Amazon Textract는 쿼리를 사용하여 문서에서 추출하는 데 필요한 데이터를 지정할 수 있는 유연성을 제공합니다. 자연어 질문의 형태로 필요한 정보를 지정할 수 있습니다 (예: “고객 이름은 무엇입니까?”). 문서의 데이터 구조 (표, 양식, 묵시적 필드, 중첩 데이터) 를 알거나 문서 버전 및 형식에 따른 차이에 대해 걱정할 필요가 없습니다. Amazon Textract 쿼리는 급여 명세서, 은행 명세서, W-2, 대출 신청서, 모기지 어음, 청구 문서, 보험 카드 등 다양한 문서에 대해 사전 학습됩니다.

Amazon Textract를 사용하면 대출 처리를 자동화하든 청구서 및 영수증에서 정보를 추출하든 관계없이 문서 처리를 빠르게 자동화하고 추출된 정보에 따라 조치를 취할 수 있습니다. Amazon Textract는 몇 시간이나 며칠이 아닌 몇 분 만에 데이터를 추출할 수 있습니다. 또한 Amazon Augmented AI로 사용자 리뷰를 추가하여 모델을 감독하고 민감한 데이터를 확인할 수 있습니다.

Amazon Transcribe

Amazon Transcribe는 고객이 음성을 텍스트로 자동 변환할 수 있게 해주는 자동 음성 인식 (ASR) 서비스입니다. 이 서비스는 WAV 및 와 MP3 같은 일반적인 형식으로 저장된 오디오 파일을 모든 단어에 타임스탬프를 기록할 수 있으므로 텍스트를 검색하여 원본 소스에서 오디오를 쉽게 찾을 수 있습니다. 또한 Amazon Transcribe로 라이브 오디오 스트림을 전송하고 실시간으로 자막 스트림을 받을 수 있습니다. Amazon Transcribe는 음량, 음높이 및 말하기 속도의 변화를 포함하여 다양한 음성 및 음향 특성을 처리하도록 설계되었습니다. 오디오 신호의 품질 및 내용 (배경 소음, 겹치는 스피커, 악센트 있는 음성 또는 단일 오디오 파일 내 언어 간 전환 등의 요인을 포함하되 이에 국한되지 않음) 은 서비스 출력의 정확성에 영향을 미칠 수 있습니다. 고객은 음성 기반 고객 서비스 통화의 트랜스크립션, 오디오/비디오 콘텐츠에 대한 자막 생성, 오디오/비디오 콘텐츠에 대한 (텍스트 기반) 콘텐츠 분석 수행 등 다양한 비즈니스 애플리케이션에 Amazon Transcribe를 사용할 수 있습니다.

Amazon Transcribe에서 파생된 매우 중요한 두 가지 서비스로는 Amazon Transcribe Medical과 Amazon Transcribe Call Analytics가 있습니다.

Amazon Transcribe Medical은 고급 ML 모델을 사용하여 의료 음성을 텍스트로 정확하게 기록합니다. Amazon Transcribe Medical은 임상 문서 워크플로우 및 약물 안전 모니터링 (약물 감시) 부터 원격 진료를 위한 자막과 의료 및 생명 과학 분야의 고객 센터 분석에 이르기까지 다양한 사용 사례를 지원하는 데 사용할 수 있는 텍스트 사본을 생성할 수 있습니다.

Amazon Transcribe Call Analytics는 풍부한 통화 기록과 실행 가능한 대화 통찰력을 API 제공하는 AI 기반 솔루션으로, 이를 통화 애플리케이션에 추가하여 고객 경험과 상담원 생산성을 개선할 수 있습니다. 여기에는 고객 관리 speech-to-text 및 아웃바운드 영업 통화를 이해하도록 특별히 훈련된 강력한 사용자 지정 자연어 처리 (NLP) 모델이 결합되어 있습니다. AWSContact Center Intelligence (CCI) 솔루션의 일부인 API 이 솔루션은 컨택 센터에 구애받지 않으므로 고객이 애플리케이션에 통화 분석 기능을 쉽게 ISVs 추가할 수 있습니다.

Amazon Transcribe를 시작하는 가장 쉬운 방법은 콘솔을 사용하여 오디오 파일을 트랜스크립션하는 작업을 제출하는 것입니다. 에서 직접 서비스를 호출할 수도 있습니다. AWS Command Line Interface또는 원하는 지원 SDKs 서비스 중 하나를 사용하여 애플리케이션과 통합할 수 있습니다.

Amazon Translate

Amazon Translate는 빠르고 고품질의 저렴한 언어 번역을 제공하는 인공신경망 기계 번역 서비스입니다. 신경망 기계 번역은 딥 러닝 모델을 사용하여 기존의 통계 및 규칙 기반 번역 알고리즘보다 더 정확하고 자연스러운 번역을 제공하는 언어 번역 자동화의 한 형태입니다. Amazon Translate를 사용하면 다양한 사용자를 위해 웹 사이트 및 애플리케이션과 같은 콘텐츠를 현지화하고, 분석을 위해 대량의 텍스트를 쉽게 번역하고, 사용자 간 언어 간 커뮤니케이션을 효율적으로 수행할 수 있습니다.

AWS DeepComposer

AWS DeepComposerML 기반의 세계 최초의 음악 키보드로서, 모든 기술 수준의 개발자들이 독창적인 음악 출력을 만들면서 제너레이티브 AI를 배울 수 있습니다. DeepComposer 개발자의 컴퓨터에 연결되는 USB 키보드와 이를 통해 액세스할 수 있는 DeepComposer 서비스로 구성됩니다. AWS Management Console. DeepComposer 제너레이티브 모델 구축을 시작하는 데 사용할 수 있는 자습서, 샘플 코드 및 교육 데이터가 포함되어 있습니다.

AWS DeepRacer

AWS DeepRacer는 ^1/18 스케일 경주용 자동차로, 흥미롭고 재미있게 강화 학습 (RL) 을 시작할 수 있는 방법을 제공합니다. RL은 모델 학습에 다른 ML 방법과는 매우 다른 접근 방식을 취하는 고급 ML 기법입니다. 레이블이 지정된 학습 데이터 없이도 매우 복잡한 동작을 학습할 수 있고, 장기 목표에 맞게 최적화하면서 단기적인 결정을 내릴 수 있다는 점이 매우 강력합니다.

다음과 같이 AWS DeepRacer이제 자율 주행을 통해 RL을 직접 체험하고 실험하고 학습할 수 있습니다. 클라우드 기반 3D 레이싱 시뮬레이터에서 가상 자동차와 트랙으로 시작하고 실제 경험을 위해 훈련된 모델을 배포할 수 있습니다. AWS DeepRacer 친구들과 레이스를 하거나 글로벌 스포츠에 참가해 보세요. AWS DeepRacer 리그. 개발자 여러분, 레이스는 계속되고 있습니다.

AWS HealthLake

AWS HealthLake의료 서비스 제공자, 건강 보험 회사 및 제약 회사가 대규모 의료 데이터를 저장, 변환, 쿼리 및 분석하는 데 사용할 수 있는 HIPAA 적격 서비스입니다.

건강 데이터는 종종 불완전하고 일관성이 없습니다. 또한 임상 기록, 검사 보고서, 보험 청구, 의료 이미지, 녹음된 대화, 시계열 데이터 (예: 심장 ECG 또는 뇌 흔적) 에 정보가 포함되어 있어 구조화되지 않은 경우가 많습니다. EEG

의료 서비스 제공자는 데이터를 저장, 변환, 쿼리 및 분석하는 HealthLake 데 사용할 수 있습니다. AWS 클라우드. HealthLake 통합된 의료 자연어 처리 (NLP) 기능을 사용하여 다양한 소스의 비정형 임상 텍스트를 분석할 수 있습니다. HealthLake 자연어 처리 모델을 사용하여 비정형 데이터를 변환하고 강력한 쿼리 및 검색 기능을 제공합니다. 를 HealthLake 사용하여 안전하고 규정을 준수하며 감사 가능한 방식으로 환자 정보를 구성, 색인 작성 및 구조화할 수 있습니다.

AWS HealthScribe

AWS HealthScribe의료 소프트웨어 공급업체가 HIPAA 환자-임상의의 대화를 분석하여 임상 기록을 자동으로 생성할 수 있는 적격 서비스입니다. AWS HealthScribe 음성 인식과 제너레이티브 AI를 결합하여 대화를 기록하고 임상 기록을 신속하게 작성하여 임상 문서의 부담을 줄여줍니다. 대화를 세분화하여 환자와 임상의가 말하는 사람의 역할을 파악하고, 의학 용어를 추출하고, 예비 임상 기록을 생성합니다. 민감한 환자 데이터를 보호하기 위해 입력 오디오와 출력 텍스트가 보존되지 않도록 보안 및 개인 정보 보호 기능이 내장되어 있습니다. AWS HealthScribe.

AWS Panorama

AWS Panorama온프레미스 인터넷 프로토콜 (IP) 카메라에 컴퓨터 비전 (CVSDK) 을 제공하는 ML 장치 및 소프트웨어 개발 키트 () 모음입니다. 다음과 함께 AWS Panorama기존에는 사람이 검사해야 했던 작업을 자동화하여 잠재적 문제에 대한 가시성을 높일 수 있습니다.

컴퓨터 비전을 사용하면 자산을 추적하여 공급망 운영을 최적화하고, 교통 관리를 최적화하기 위한 차선을 모니터링하거나, 이상 현상을 감지하여 제조 품질을 평가하는 등의 작업에 대한 육안 검사를 자동화할 수 있습니다. 그러나 네트워크 대역폭이 제한된 환경이나 온프레미스에서 비디오를 처리 및 저장해야 하는 데이터 거버넌스 규칙이 있는 회사의 경우 클라우드에서의 컴퓨터 비전을 구현하기가 어렵거나 불가능할 수 있습니다. AWS Panorama 는 조직이 온-프레미스 카메라에 컴퓨터 비전을 도입하여 높은 정확도와 짧은 지연 시간으로 로컬에서 예측을 수행할 수 있도록 하는 ML 서비스입니다.

The AWS Panorama 어플라이언스는 기존 IP 카메라에 컴퓨터 비전을 추가하고 단일 관리 인터페이스에서 여러 카메라의 비디오 피드를 분석하는 하드웨어 장치입니다. 밀리초 단위로 에지에서 예측을 생성하므로 빠르게 움직이는 생산 라인에서 손상된 제품이 감지되거나 차량이 창고의 위험한 출입 금지 구역으로 이탈한 경우 등과 같은 잠재적 문제에 대한 알림을 받을 수 있습니다. 그리고 타사 제조업체들은 새로운 제품을 만들고 있습니다. AWS Panorama-고유한 사용 사례에 맞는 더 많은 폼 팩터를 제공할 수 있는 카메라 및 장치 다음과 함께 AWS Panorama ML 모델은 다음에서 사용할 수 있습니다. AWS 자체 컴퓨터 비전 애플리케이션을 구축하거나 회사의 파트너와 협력할 수 있습니다. AWS Partner Network CV 애플리케이션을 빠르게 빌드할 수 있습니다.

로 돌아가기. AWS 서비스

javascript가 브라우저에서 비활성화되거나 사용이 불가합니다.

AWS 설명서를 사용하려면 Javascript가 활성화되어야 합니다. 지침을 보려면 브라우저의 도움말 페이지를 참조하십시오.

문서 규칙

IoT

관리 및 거버넌스