Amazon SageMaker 고객
전 세계의 선도적인 조직이 어떻게 Amazon SageMaker를 사용하여 기계 학습(ML) 모델을 구축, 훈련 및 배포하는지 알아보세요.
Articul8 AI
“Amazon SageMaker HyperPod는 가동 중지 시간을 최소화하면서 컴퓨팅 리소스를 보다 효율적으로 관리하고 운영하는 데 큰 도움이 되었습니다. 저희는 Slurm 기반 HyperPod 서비스의 얼리 어답터였으며 사용 편의성과 복원력 기능의 이점을 활용하여 생산성을 최대 35% 향상시키고 GenAI 운영을 빠르게 스케일 업했습니다. Kubernetes를 활용하는 기업으로서 SageMaker HyperPod에 대한 Amazon EKS 지원 출시를 기쁜 마음으로 환영합니다. 이는 기존 훈련 파이프라인과 원활하게 통합되고 대규모 Kubernetes 클러스터를 훨씬 쉽게 관리하고 운영할 수 있게 해주기 때문에 저희에게 획기적인 변화입니다. 또한 이제 이 기능을 GenAI 플랫폼에 패키징하고 제품화하여 고객이 보다 간소화된 방식으로 자체 훈련 및 미세 조정 워크로드를 실행할 수 있기 때문에 최종 고객에게도 도움이 됩니다.”
Arun Subramaniyan, Articul8 AI 창립자 겸 CEO
Observea
“빠르게 변화하는 스타트업이자 AI 연구 회사의 입장에서 SageMaker HyperPod의 Amazon EKS 지원은 제품 출시 시간을 단축하는 데 중요한 역할을 했습니다. SageMaker HyperPod를 통해 안정적이고 안전한 플랫폼을 출시하여 최고의 대학 AI 연구 프로그램, AI 스타트업, 기존 기업을 비롯한 최종 고객에게 컨테이너화된 고성능 컴퓨팅(HPC) 애플리케이션을 서비스로 제공할 수 있었습니다. SageMaker HyperPod를 사용하면 고객과 내부 팀은 더 이상 Kubernetes 컨트롤 플레인의 운영 및 구성에 대해 걱정할 필요가 없으며 SageMaker HyperPod는 복잡한 HPC 워크로드를 지원하는 네트워크 성능과 최적화된 구성을 제공합니다. SageMaker HyperPod의 EKS 지원을 통해 인프라 관리의 획일적이고 부담스러운 작업에 소요되는 시간을 줄이고 운영 비용을 30% 이상 절감할 수 있습니다.”
Vamsi Pandari, Observea 창립자
Recursal AI
“전체 프로세스가 간소화되었습니다. SageMaker HyperPod를 사용하면 하드웨어 장애 발생 시 마지막으로 저장한 체크포인트에서 훈련 작업을 식별하고 자동으로 복구하는 클러스터 복원 기능을 활용할 수 있습니다. Kubernetes를 공통 스레드로 사용하여 애플리케이션, 추론, 훈련 등 매우 다양한 워크로드를 실행합니다. 저희의 경우 SageMaker HyperPod가 포함된 Amazon EKS는 노드를 클러스터에 넣기만 하면 바로 작동합니다."
Nathan Wilce, Recursal Infrastructure/Data Lead
Rocket Mortgage
“Rocket Mortgage는 AWS를 주요 파트너로 삼아 AI 및 데이터 과학을 주택 소유 여정에 통합하는 데 앞장서고 있는 것을 자랑스럽게 생각합니다. 우리는 Amazon SageMaker를 사용하여 기계 학습 운영을 혁신하고 효율성과 정확도를 높이고 있습니다. SageMaker Pipelines 시각 편집기를 사용하면 자동화된 검증 파이프라인을 통해 새로운 오픈 소스 LLM을 실행하여 신속하게 성능을 평가할 수 있습니다. 이는 빠르게 변화하는 환경에서 매우 중요한 새 릴리스 평가에 필요한 시간을 최소화합니다. 사용 편의성 덕분에 데이터 과학 팀은 코드 재작성보다 혁신에 집중할 수 있습니다.”
Shawn Malhotra, Rocket Companies Chief Technology Officer
SatSure
의사 결정 인텔리전스 솔루션 분야의 글로벌 선도업체 SatSure는 지구 관측 데이터와 딥 러닝 모델을 사용하여 전천후 농작물 모니터링과 농장 위험 평가부터 토지 피복 변경 감지, 식생 관리, 화재 위험, 토지 특성 식별에 이르는 다양한 사용 사례에 대한 인사이트를 창출하고 있습니다.
“우리는 Amazon SageMaker Pipelines를 활용하여 저해상도 위성 이미지에서 농장 경계를 식별하는 애플리케이션 모델을 만듭니다. 대규모 위성 이미지 데이터세트에서 첨단 딥 러닝 모델을 개발하는 것은 매우 어렵습니다. Pipelines 덕에 빈번한 데이터 전처리, 모델 훈련, 모델 배포를 자동화할 수 있어서 AI 혁신에 더 집중하고 수동 프로세스에 소요되는 시간을 줄일 수 있습니다. 드래그 앤 드롭 UI를 사용하면 팀에 새로 온 데이터 과학자가 특정 워크플로 오케스트레이션 프레임워크에 대한 전문 지식 없이도 빠르게 성장하여 ML 워크플로를 쉽게 구축할 수 있습니다.”
Prateep Basu, SatSure Ltd. Founder & CEO
EagleView
“우리는 고품질 데이터 인사이트에 대한 고객의 요구를 충족하기 위해 새로운 ML 기반 기능을 지속적으로 연구하고 제공하고 있습니다. 새로운 Amazon SageMaker Pipelines 드래그 앤 드롭 UI는 데이터 과학자가 MLOps에 대한 걱정 없이 어려운 컴퓨터 비전(CV) 문제에 계속 집중할 수 있는 방법을 제공합니다. 우리는 데이터 과학자가 모델 서비스 환경을 최적화하기 위해 ML 엔지니어와 협력하지 않고도 SageMaker에 모델을 간단히 등록할 수 있는 파이프라인을 만들고 있습니다. 다단계 파이프라인은 등록된 모델을 QA 환경의 Amazon SageMaker 추론 엔드포인트에 자동으로 배포하여 로드 테스트를 수행하고, ML 엔지니어가 승인하면 프로덕션 환경에 배포합니다. Amazon SageMaker Pipelines는 다른 AWS 서비스(CI/CD, 메시징 서비스)와 쉽게 통합하여 고도로 사용자 지정된 ML 워크플로를 구축할 수 있기 때문에 전체 ML 개발의 전반적인 속도가 크게 향상되었습니다.”
Garrett Hemann, EagleView Head of AI/ML
GoDaddy
GoDaddy의 목표는 일상적인 기업가들에게 비즈니스 구축을 위한 도구를 제공하여 성공하도록 돕는 것입니다. “우리는 다양한 요구를 가진 고객에게 서비스를 제공합니다. 고객들은 이메일, 채팅, 소셜 미디어를 포함한 다양한 채널을 통해 24시간 동안 지원하는 비즈니스와 소통하는 경우가 많습니다”라고 GoDaddy의 Applied ML 및 AI 담당 부사장인 Jing Xi가 말했습니다. “오늘날 생성형 AI는 일반적으로 대기업에서만 볼 수 있는 엄청난 양의 파워와 지식을 간편하게 제공함으로써 중소기업을 위한 공평한 경쟁의 장을 마련하고 있습니다. 하지만 생성형 AI 개발 팀이 직면한 가장 큰 과제 중 하나는 어떤 FM이 비즈니스 애플리케이션에 적합한지 파악하는 것입니다. 고객에게 가장 중요한 특정 기준에 따라 모델을 쉽게 비교하고 모델 비용, 지연 시간, 모델 정확도와 성능 간의 적절한 균형을 이루는 것이 중요합니다. Amazon SageMaker의 새로운 모델 평가 기능을 사용하면 모델 선택 프로세스와 관련된 복잡성을 제거하여 아이디어를 구현하는 데 걸리는 시간을 단축하고 이러한 모델의 새 버전을 쉽게 실험, 개발, 배포 및 관리할 수 있습니다. 더 많은 팀에서 이 새로운 기능에 대한 액세스를 확대하여 개발자가 생산성을 높이고 고객이 비즈니스를 성장시킬 수 있도록 생성형 AI의 힘을 더욱 활용할 수 있게 되어 기쁘게 생각합니다."
“GoDaddy는 기계 학습을 활용하여 고객 중심 기능을 제공하고 내부 운영의 비용 효율성을 개선하는 데 앞장서 왔습니다. 우리 ML 과학자들은 이러한 목표를 달성하기 위해 수많은 프로젝트를 진행하고 있습니다. 모델 레지스트리 및 배포를 사용하여 데이터 큐레이션, 실험 로깅, 모델 아티팩트 관리의 ML 워크플로를 빠르게 반복하는 것은 가치를 제공하는 데 필수적입니다. ML 과학자들은 MLflow와 같은 맞춤형 도구가 필요하다고 강력하고 분명하게 요청했습니다. Amazon SageMaker는 ML 과학자를 위해 엔드 투 엔드 ML 워크플로를 위한 관리되고 통제되는 플랫폼을 제공하며, SageMaker에서 MLflow와 같은 업계 표준 도구를 사용할 수 있으므로 모델 개발 수명 주기가 대폭 향상됩니다. Amazon SageMaker 모델 레지스트리와 같은 제품의 엔터프라이즈급 보안 및 성숙도를 제공하는 동시에 MLflow를 통한 업계 표준 ML 실험 추적을 이용할 수 있습니다. 팀 내에서 SageMaker의 MLflow를 채택함으로써 자체 MLflow 호스팅 인스턴스를 유지 관리하는 데 따른 운영 부담을 줄이고 전송 속도를 유지하고 협업을 강화할 수 있게 되었습니다. 초기 단계부터 SageMaker 팀과 협력하여 이 제품 제공을 확고히 하는 동시에 ML 과학자에게 가치를 제공하게 되어 기쁩니다.”
Karthik Iyer, Engineering Machine Learning Director
KBC
“KBC Bank에서는 데이터 과학자에게 올바른 도구를 제공하는 것이 혁신을 주도하는 데 필수적이라고 생각합니다. 효과적인 혁신 방법 중 하나는 지속적인 실험을 통해 새로운 아이디어를 탐색하고 모델을 개선하는 것입니다. MLflow는 실험을 관리하고 문서화할 수 있는 강력한 플랫폼을 제공합니다. 이를 관리형 서비스로 이용하면 데이터 과학자의 사용자 경험이 향상되는 동시에 기계 학습 플랫폼의 설정 및 유지 관리가 간소화될 것입니다.”
Thiago Alves, MLOps Engineer
Wallapop
“증가하는 ML 실험을 효과적으로 관리하고 모델을 성공적으로 배포하려면 실험을 추적하고 모델을 등록할 수 있는 강력한 시스템을 갖추는 것이 중요합니다. MLflow는 코드베이스를 최소한만 수정해도 모든 ML 실험을 세부적으로 원활하게 추적할 수 있으므로 이러한 목적을 위한 효율적인 솔루션을 제공합니다. 이를 통해 Wallapop에 가장 적합한 모델을 쉽게 선택할 수 있으며 간소화되고 효율적인 ML 개발 프로세스가 보장됩니다. 따라서 이 플랫폼을 AWS 내에서 직접 통합 및 관리함으로써 우리 팀은 해당 서비스에 필요한 모든 부담스러운 작업을 수행하는 대신 ML 솔루션의 실제 가치에 집중할 수 있습니다.”
Martí Jordà Roca, Machine Learning Engineer
BigaBid
“Amazon SageMaker를 사용하면 대규모 분산형 기계 학습 모델을 손쉽게 만들 수 있습니다. 수동 프로세스에 의존하는 대신 Amazon SageMaker 내에서 대부분의 개발을 원활하게 자동화할 수 있습니다. 작업을 비교하고 최상의 모델을 찾아 프로덕션에 배포할 수 있도록 자동화된 훈련 작업이 어떻게 수행되고 있는지 추적할 수 있는 신뢰할 수 있는 방법이 필요합니다. MLflow와의 통합을 통해 MLflow를 직접 설정하고 관리하는 데 따르는 부담스러운 작업 없이 이를 수행할 수 있습니다. 이를 통해 워크플로가 더욱 향상되고 모델 및 모델 등록을 비교할 수 있는 강력한 기능이 제공되어 개발 및 배포 효율성이 크게 향상됩니다.”
Eyal Trabelsi, Data Architect
Toyota Connected
“MLflow가 포함된 Amazon SageMaker는 실험 및 모델 품질을 추적하고 관리하기 위해 간단하면서도 매우 효과적으로 SageMaker와 통합할 수 있다는 점에서 큰 가치를 제공했습니다. MLflow와 Amazon SageMaker의 기본 통합 덕분에 모델 추적 및 프로모션 작업이 수월해졌습니다. 관리형 서비스이기 때문에 기본 인프라에 대해 걱정할 필요가 없으므로 모델을 개선하고 개발 주기를 가속화하는 데 집중할 수 있습니다.”
Sumeet Kishnani, Managing Data Scientist
Thomson Reuters
“Thomson Reuters는 30년 이상 AI 개발을 선도해 왔으며, 고객이 신뢰할 수 있는 정보에 더 쉽게 액세스하여 결과를 더 빠르게 제공할 수 있도록 지원하는 의미 있는 솔루션을 제공하기 위해 최선을 다하고 있습니다. 생성형 AI의 혁신을 가속화하기 위해 LLM 제공업체와 협력하는 것 외에도 고유한 독점 콘텐츠와 인적 전문 지식을 활용하여 맞춤형 모델을 보다 효율적으로 교육하는 방안을 모색하고 있습니다. SageMaker HyperPod의 분산 교육 라이브러리는 대규모 모델 교육 성능을 개선하는 데 도움이 됩니다. 또한 복원력 기능을 통해 인프라를 모니터링하고 관리할 때 시간을 절약할 수 있습니다. SageMaker HyperPod에서 기본 모델을 교육하면 시장 출시 속도가 빨라지고 고객에게 양질의 솔루션을 빠르게 제공할 수 있습니다.”
Joel Hron, Thomson Reuters AI and Labs Head
“Amazon SageMaker HyperPod를 사용하여 대규모 언어 모델 훈련 요구 사항을 충족할 수 있었습니다. SageMaker HyperPod의 Amazon EKS를 사용하여 용량을 스케일 업하고 훈련 작업을 쉽게 실행할 수 있었기 때문에 법률 요약 및 분류와 같은 영역에서 LLM의 이점을 활용할 수 있었습니다.”
John Duprey, Thomson Reuters Labs Distinguished Engineer
Hugging Face
“Hugging Face는 SageMaker HyperPod를 사용하여 StarCoder, IDEFICS, Zephyr와 같은 중요한 새 오픈 파운데이션 모델을 만들었으며 수백만 번 다운로드되었습니다. SageMaker HyperPod의 용도에 맞게 구축된 탄력성 및 성능 기능 덕분에 개방형 과학 팀은 인프라를 관리하는 대신 파운데이션 모델 구축 방식을 혁신하고 중요한 개선 사항을 발표하는 데 집중할 수 있었습니다. 특히 SageMaker HyperPod가 ML 하드웨어 장애를 감지하고 지속적인 모델 훈련을 방해하지 않으면서 결함이 있는 하드웨어를 신속하게 교체할 수 있다는 점이 마음에 들었습니다. 우리 팀은 신속하게 혁신해야 하기 때문에 이 자동화된 작업 복구 기능을 통해 기초 모델 교육 프로세스 중 중단을 최소화하여 단 1년 만에 수백 시간의 교육 시간을 절약할 수 있었습니다.”
Jeff Boudier, Hugging Face 제품 책임자
Perplexity AI
“고성능 대규모 언어 모델을 구축하기 위해 생산성을 높이고 비용을 절감할 수 있는 적절한 ML 인프라를 찾고 있었습니다. 몇 가지 실험을 성공적으로 수행한 후 Amazon SageMaker HyperPod를 사용하기 위해 다른 클라우드 제공업체에서 AWS로 전환했습니다. 지난 4개월 동안 HyperPod를 사용하여 LLM을 구축하고 미세 조정하여 인용 형식으로 제공된 참고 문헌과 함께 질문에 답변하는 Perplexity 대화형 답변 엔진을 강화했습니다. SageMaker HyperPod는 클러스터 상태를 자동으로 모니터링하고 GPU 장애를 해결하므로 개발자는 기본 인프라를 관리하고 최적화하는 데 시간을 소비하는 대신 모델 구축에 집중할 수 있습니다. SageMaker HyperPod의 내장 데이터 및 모델 병렬 라이브러리는 GPU에서의 훈련 시간을 최적화하고 훈련 처리량을 두 배로 늘리는 데 도움이 되었습니다. 그 결과 이제 교육 실험 속도가 두 배 빨라져 개발자가 더 빠르게 반복하여 고객을 위한 새로운 제너레이티브 AI 경험 개발을 가속화할 수 있게 되었습니다.”
Aravind Srinivas, Perplexity AI 공동 설립자 겸 CEO
Workday
“전 세계 10,000개 이상의 조직이 Workday를 통해 가장 중요한 자산인 인력과 자금을 관리합니다. 우리는 책임감 있는 AI 사용에 대한 회사의 정책을 반영하는 최상의 기반 모델을 선택하여 고객에게 책임감 있고 투명한 솔루션을 제공합니다. 품질이 우수해야 하고 기회 균등을 장려해야 하는 직무 설명 작성과 같은 작업의 경우 Amazon SageMaker에서 새 모델 평가 기능을 테스트한 결과 편향성, 품질 및 성과와 같은 지표 전반에서 파운데이션 모델을 측정할 수 있게 되어 매우 만족했습니다. 앞으로 이 서비스를 사용하여 우리의 엄격한 책임 AI 기준에 맞는 모델을 비교하고 선택할 수 있기를 기대합니다.”
Shane Luke, Workday AI 및 Machine Learning 담당 부사장장
Salesforce
“Salesforce에서는 기본 모델에 대해 개방형 에코시스템 접근 방식을 사용합니다. Amazon SageMaker는 아키텍처를 확장하고 시장 진출을 가속화하는 데 도움이 되는 필수 구성 요소입니다. 새로운 SageMaker 추론 기능을 사용하여 모든 모델을 단일 SageMaker 엔드포인트에 배치할 수 있었습니다. 이 엔드포인트는 컴퓨팅 리소스의 모든 리소스 할당 및 공유를 자동으로 처리하여 성능을 가속화하고 기본 모델의 배포 비용을 절감할 수 있었습니다.”
Bhavesh Doshi, Salesforce 엔지니어링 부사장
Bain & Co
“Aura의 가장 큰 과제 중 하나는 방대한 비정형 전문가 데이터 풀에서 의미 있는 통찰력을 추출하는 것입니다. Amazon SageMaker Canvas를 통해 대규모 언어 모델을 도입함으로써 데이터 추출 프로세스를 자동화하여 기업이 인력 역량과 조직 구조를 평가하는 방식을 혁신했습니다. 이 접근 방식은 데이터 분석을 확장하는 데 도움이 되었을 뿐만 아니라 키워드 매칭과 같은 기존 데이터 분석 방법의 한계를 우회했습니다. Aura는 SageMaker Canvas의 새로운 데이터 준비 및 LLM 기능을 사용하여 조직 구조의 효율성, 인력의 기술 및 재무 결과 측면에서 기업의 성과를 정량적으로 평가하고 벤치마킹할 수 있습니다.”
Purna Doddapaneni, Founder’s Studio의 CTO 겸 Bain & Co. 파트너
Wix
“Amazon SageMaker 추론을 통해 여러 가용 영역에 모델을 배포하고 온라인 또는 배치 모드에서 대규모로 예측을 실행할 수 있습니다.”
Itamar Keller, Wix R&D 팀 리더
Qred
“Amazon SageMaker를 사용하는 중앙 집중식 플랫폼을 사용하면 규정 준수가 더 간단해집니다. 중앙 집중화되고 보안이 유지되면 민감한 데이터를 더 쉽게 추가할 수 있습니다.”
Lezgin Bakircioglu, Qred CTO
Stability AI
“선도적인 오픈 소스 생성형 AI 회사로서 우리의 목표는 현대 AI의 접근성을 극대화하는 것입니다. 우리는 수백억 개의 파라미터로 기초 모델을 구축하고 있는데, 이를 위해서는 최적화된 교육 성과를 확장할 수 있는 인프라가 필요합니다. SageMaker HyperPod의 관리형 인프라 및 최적화 라이브러리를 통해 교육 시간과 비용을 50% 이상 줄일 수 있습니다. 이를 통해 모델 훈련의 탄력성과 성능이 향상되어 최첨단 모델을 더 빠르게 구축할 수 있습니다.”
Emad Mostaque, Stability AI 설립자 겸 CEO
“iFood에서는 기계 학습(ML)과 같은 기술을 사용하는 서비스를 통해 고객을 만족시키기 위해 노력합니다. 모델을 개발, 교육 및 배포하기 위한 완전하고 원활한 워크플로를 구축하는 것은 ML을 확장하기 위한 여정의 중요한 부분이었습니다. Amazon SageMaker Pipelines는 확장 가능하고 자동화된 여러 ML 워크플로를 신속하게 구축하게 해주고 우리 모델을 효과적으로 배포하고 관리하기 쉽게 해줍니다. SageMaker Pipelines를 사용하면 개발 주기에서 효율성을 높일 수 있습니다. 우리는 AI/ML을 사용하여 Amazon SageMaker의 모든 신규 기능을 통해 뛰어난 고객 서비스와 효율성을 제공하면서 리더십을 계속 강화하고 있습니다.”
Sandor Caetano, iFood의 수석 데이터 사이언티스트
“공급이 수요와 일치하는 탄탄한 의료 산업은 개인의 가정에서 국가 GDP까지의 경제 성장에서 꼭 필요합니다. Amazon SageMaker Pipelines는 정말 흥미로운 서비스입니다. 데이터 준비부터 배포까지의 확장 가능한 엔드 투 엔드 ML(기계 학습) 모델 파이프라인을 구축하는 데 사용할 수 있는 큐레이팅된 일관된 데이터 세트를 통해 데이터 사이언스 팀과 개발 팀 전체에서 확장성을 높여줄 것으로 생각하기 때문입니다. 우리는 새로 발표된 Amazon SageMaker 기능을 사용하여 다양한 애플리케이션에 대한 ML 모델의 개발 및 배포를 가속화할 수 있어, 고객이 더 빠른 실시간 권장 사항을 통해 더 현명한 결정을 내리도록 도울 수 있습니다.”
Clemens Tummeltshammer, Care.com 데이터 사이언스 관리자
_Logo_Resized.f91898f019610a66c5a9284b90b71cf609deb12e.png "3M"){kind=logo}
“ML을 사용하면서, 3M은 사포와 같이 검증된 제품을 개발하고자 노력하고 있으며, 의료 분야를 포함해 기타 여러 분야에서 혁신을 주도하고 있습니다. 기계 학습을 3M의 더 많은 영역으로 확장하려는 계획을 세우면서 데이터와 모델의 양이 매년 2배씩 매우 빠르게 증가한다는 사실을 확인했습니다. 새로운 SageMaker 피처는 확장을 지원해줄 수 있다는 점에서 매우 반가울 소식이 아닐 수 없습니다. Amazon SageMaker Data Wrangler를 사용하면 모델 훈련을 위해 더욱 간편하게 데이터를 준비할 수 있고, Amazon SageMaker Feature Store를 통해 동일한 모델 피처를 반복해서 만들지 않아도 됩니다. 마지막으로, Amazon SageMaker Pipeline은 포괄적인 워크플로 단계로 데이터 준비, 모델 구축 및 모델 배포를 자동화해주므로, 모델의 시장 출시 기간을 단축할 수 있습니다. 저희 3M에서는 이러한 보다 빠른 속도의 과학을 활용할 수 있기를 더욱 기대하고 있습니다."
David Frazee, 3M 기업 시스템 연구소 기술 책임자
“Amazon SageMaker JumpStart를 사용하여 여러 파운데이션 모델을 실험하고, 의료 분야의 요구 사항에 가장 적합한 모델을 선택하고, SageMaker의 HIPAA 준수 모델 배포를 사용하여 ML 애플리케이션을 빠르게 시작할 수 있었습니다. 이를 통해 처방전과 고객 관리를 위한 데이터 입력 프로세스의 속도와 규모가 개선되었습니다.”
Alexandre Alves, Amazon Pharmacy Sr. Principal Engineer
“Canva의 사명은 세상 모든 사람이 어떤 디바이스에서든 아름다운 작품을 쉽게 만들 수 있도록 하는 것입니다. 당사는 생성형 AI를 통해 최소한의 마찰로 아이디어를 실현할 수 있도록 지원하고 있습니다. SageMaker JumpStart 덕분에 생성형 AI를 시작하고 다양한 파운데이션 모델을 테스트할 수 있게 되었습니다. 글로벌 해커톤에서 Canvanauts는 다양한 파운데이션 모델을 쉽게 배포하고 프로젝트를 시작하고 실행할 수 있었습니다. 해커톤 성공의 중요한 부분이었습니다.”
Nic Wittison, Canva AI Products 부문 Engineering Lead
“Dovetail은 고객에 대한 이해도를 높임으로써 회사의 제품과 서비스 품질을 개선하는데 도움이 되는 솔루션을 제공합니다. Amazon SageMaker JumpStart 덕분에 최첨단 기초 모델을 손쉽게 접하고 테스트, 배포까지 할 수 있었습니다. AI21 Jurassic-2 Mid를 사용해 강화된 요약 기능을 지원받아 구현에 몇 달씩 걸릴 필요 없이 단 몇 주 만에 사내 SaaS 애플리케이션에 통합했습니다. 이제 고객이 자사 데이터 프라이버시와 보안은 보장받으면서 데이터에서 효율적으로 인사이트를 추출해 정보를 파악할 수 있게 되었습니다.”
Chris Manouvrier, Dovetail 엔터프라이즈 아키텍트 매니저
“당사의 고객들은 수천 개의 법률 문서를 분석해야 하는데 그 과정은 지루하고 시간이 많이 걸립니다. 증언 녹취록에서 질문을 한 사람을 찾는 등, 원하는 답을 빠르게 찾을 방법이 없는 경우가 많습니다. 이제는 Amazon SageMaker JumpStart를 통해 최첨단 파운데이션 모델에 액세스하여 회사의 제품을 구동합니다. 따라서 고객은 수천 개의 문서에서 모순 탐지와 시맨틱 검색과 같은 다양한 사용 사례를 한 번에 처리할 수 있습니다. 이제 변호사들은 엄격한 보안과 규정 준수 요구 사항을 유지하면서 과거 기록을 활용하여 향후 사건을 준비할 수 있습니다.”
Jason Primuth, Lexitas Chief Innovation Officer
“Tyson Foods는 기계 학습(ML)을 생산 프로세스에 사용하여 생산성을 개선할 새로운 방법을 지속적으로 강구합니다. 당사에서는 이미지 분류 모델을 사용하여 생산 라인에서 포장 레이블이 필요한 제품을 찾습니다. 그러나 이 이미지 분류 모델은 현장의 새로운 이미지로 반복적으로 재훈련되어야 합니다. Amazon SageMaker JumpStart를 사용하면 데이터 사이언티스트가 지원 엔지니어와 ML 모델을 공유할 수 있기 때문에 코드 작성 없이 새로운 데이터로 ML 모델을 훈련할 수 있습니다. 그 덕에 ML 솔루션의 출시가 빨라지고 지속적인 개선이 촉진되며 생산성이 개선됩니다.”
Rahul Damineni, Tyson Foods 전문 데이터 사이언티스트
"Amazon SageMaker JumpStart 덕에 며칠 만에 ML 솔루션을 시작하고 기계 학습 예측 요구 사항을 더 빠르고 안정적으로 이행할 수 있었습니다."
Alex Panait, Mission Automate CEO
"Amazon SageMaker JumpStart 덕에 더 좋은 시작점에서 3~4개월이 아니라 4~6주 안에 고유한 사용 사례를 위한 ML 솔루션을 배포할 수 있었습니다."
Gus Nguyen, MyCase 소프트웨어 엔지니어
“Amazon SageMaker JumpStart를 통해 자동 이상 탐지 또는 객체 분류와 같은 ML 애플리케이션을 더 빠르게 구축하고 솔루션을 시작하여 며칠 안에 개념 증명에서 프로덕션으로 진행할 수 있습니다."
Milos Hanzel, Pivotree 플랫폼 아키텍트
“Amazon SageMaker Clarify는 Bundesliga Match Facts 디지털 플랫폼의 나머지 부분과 원활하게 통합되며 Amazon SageMaker 상에서 당사 ML 워크플로를 표준화하는 장기 전략의 중요한 일부입니다. 기계 학습과 같은 AWS의 혁신적인 기술을 사용하여 더욱 심층적인 인사이트를 제공하고 눈 깜짝할 사이에 내린 야심 찬 결정을 팬들이 보다 잘 이해할 수 있게 함으로써, Bundesliga Match Facts는 시청자들이 각 경기의 중요한 결정에 대한 더 깊은 인사이트를 얻을 수 있게 합니다."
Andreas Heyden, DFL Group(독일프로축구연맹)의 디지털 이노베이션 사업부 총괄부사장
“Amazon SageMaker JumpStart를 통해 Slack은 보안과 개인 정보 보호에 우선순위를 두면서 Slack AI를 지원하는 최첨단 파운데이션 모델에 액세스할 수 있습니다. 이제 Slack 고객은 더 스마트하게 검색하고, 대화를 즉시 요약하고, 생산성을 극대화할 수 있습니다.”
Jackie Rocca, Slack AI Product VP
“AutoGluon과 Amazon SageMaker Clarify를 함께 사용한 덕에 고객 이탈율 모델에서 94%의 정확도로 고객 이탈율을 예측할 수 있었습니다. SageMaker Clarify는 SHAP 값을 통해 설명 가능성을 알려주는데, 이 기능은 모델 동작을 이해하는 데 도움이 됩니다. SageMaker Clarify를 사용한 후로 SHAP 값의 계산 비용이 로컬 계산과 비교할 때 최대 50% 절감되었습니다. 이 공동 솔루션을 사용하면 높은 수준의 정확도와 더 저렴한 비용으로 모델에 대한 이해도를 높이고 고객 만족도를 개선할 수 있습니다."
Masahiro Takamoto, CAPCOM 데이터 그룹 책임자
“Domo는 누구나 손쉽게 사용하고 이해할 수 있는 데이터 과학 솔루션 제품군을 제공하는 회사입니다. Clarify는 AI 모델이 예측을 생성하는 방식에 대한 중요한 인사이트를 제공해줍니다. Clarify와 Domo의 결합은 비즈니스 및 에코시스템에서 누구나 사용할 수 있는 AI 기능을 제공하여 AI 속도와 인텔리전스를 개선하는 데 도움이 됩니다.”
Ben Ainscough 박사, Domo AI 및 데이터 과학 책임자
Varo Bank는 미국에 소재한 디지털 은행으로, AI/기계 학습을 사용하여 신속한 위험 기반 결정을 내림으로써 고객에게 혁신적인 제품 및 서비스를 제공하고 있습니다.
“Varo는 우리 ML 모델의 설명 가능성과 투명성에 대해 강한 책임감을 느끼고 있으며 이러한 노력을 펼쳐나감에 있어 Amazon SageMaker Clarify로부터 도출되는 결과를 확인할 생각에 정말 흥분됩니다.”
Sachin Shetty, Varo Money 데이터 과학 책임자
LG AI Research는 Amazon SageMaker를 사용하여 ML 모델을 더 빠르게 훈련하고 배포함으로써 차세대 AI 시대를 선도하는 것을 목표로 합니다.
“우리는 최근에 2억 5천만 개의 고화질 이미지-텍스트 쌍 데이터 세트를 처리할 수 있는 초대형 AI 시스템인 EXAONE으로 구동되는 AI 아티스트인 Tilda를 데뷔시켰습니다. Tilda는 멀티 모달리티 AI를 통해 자신이 인식하는 언어를 넘어서는 탐색 능력을 갖춘 새로운 이미지를 스스로 만들 수 있습니다. Amazon SageMaker는 확장 및 분산 교육 기능 때문에 EXAONE을 개발하는 데 필수적이었습니다. 특히, 이 초대형 AI를 훈련하려면 대규모 계산이 필요하기 때문에 효율적인 병렬 처리가 매우 중요합니다. 또한 대규모 데이터를 지속적으로 관리하고 새로 획득한 데이터에 유연하게 대응할 수 있어야 했습니다. Amazon SageMaker 모델 훈련 및 분산 훈련 라이브러리를 사용하여 교육 코드를 크게 수정하지 않고도 분산 훈련을 최적화하고 모델을 59% 더 빠르게 교육했습니다.”
Seung Hwan Kim, LG AI Research 부사장 겸 Vision Lab 리더
“AI21 Labs에서는 기업과 개발자가 NLP 전문 지식 없이도 최첨단 언어 모델을 사용하여 사용자가 텍스트와 상호 작용하는 방식을 재구성할 수 있도록 지원합니다. 개발자 플랫폼인 AI21 Studio는 대규모 언어 모델 제품군을 기반으로 텍스트 생성, 스마트 요약, 코드 생성에 대한 액세스를 제공합니다. 170억 개의 파라미터가 포함된 최근 훈련된 Jurassic-Grande(TM) 모델은 Amazon SageMaker를 사용하여 학습되었습니다. Amazon SageMaker는 모델 교육 프로세스를 더 쉽고 효율적으로 만들었으며 DeepSpeed 라이브러리와 완벽하게 호환되었습니다. 그 결과 분산 교육 작업을 수백 개의 Nvidia A100 GPU로 쉽게 확장할 수 있었습니다. Grande 모델은 훨씬 저렴한 추론 비용으로 훨씬 더 큰 1780억 파라미터 모델과 동등한 수준의 텍스트 생성 품질을 제공합니다. 그 결과 Jurassic-Grande를 프로덕션 환경에 배포하는 고객은 매일 수백만 명의 실시간 사용자에게 서비스를 제공하고 사용자 경험을 희생하지 않고도 향상된 단위 경제성의 이점을 누릴 수 있습니다.”
Dan Padnos, AI21 Labs 부사장 아키텍처
2005년부터 자율 주행 자동차 리더로 자리매김하고 있는 Torc.ai는 Amazon SageMaker 및 Amazon SageMaker 분산 데이터 병렬(SMDDP) 라이브러리의 도움을 받아 화물 산업에서 안전하고 지속적인 장거리 운송을 위해 자율 주행 트럭을 상용화하고 있습니다.
“우리 팀은 이제 Amazon SageMaker 모델 훈련과 Amazon SageMaker 분산 데이터 병렬(SMDDP) 라이브러리를 사용하여 테라바이트의 교육 데이터와 수백만 개의 매개 변수가 포함된 모델을 포함하는 대규모 분산 훈련 작업을 쉽게 실행할 수 있습니다. Amazon SageMaker 분산 모델 훈련과 SMDDP 덕분에 훈련 인프라를 관리할 필요 없이 원활하게 확장할 수 있었습니다. 모델 학습 시간이 며칠에서 몇 시간으로 단축되어 설계 주기를 단축하고 그 어느 때보다 빠르게 차량에 새로운 자율 주행 차량 기능을 제공할 수 있었습니다.”
Derek Johnson, Torc.ai 엔지니어링 부사장
차세대 사이버 보안 솔루션 및 서비스 분야의 세계적인 리더인 Sophos는 Amazon SageMaker를 사용하여 ML 모델을 보다 효율적으로 교육합니다.
“우리의 강력한 기술은 악성코드가 있는 파일을 탐지하고 제거합니다. 그러나 XGBoost 모델을 사용하여 여러 테라바이트 크기의 데이터 세트를 처리하는 것은 시간이 매우 많이 걸리고 때로는 제한된 메모리 공간으로는 불가능했습니다. Amazon SageMaker 분산 훈련을 통해 이전 모델보다 디스크(최대 25배 작음) 및 메모리(최대 5배 작음) 크기가 훨씬 작은 경량 XGBoost 모델을 성공적으로 교육할 수 있습니다. Amazon SageMaker 자동 모델 튜닝과 스팟 인스턴스의 분산 교육을 사용하면 대규모 데이터 세트로 확장하는 데 필요한 기본 교육 인프라를 조정하지 않고도 모델을 빠르고 효과적으로 수정하고 재교육할 수 있습니다.”
Konstantin Berlin, Sophos 인공지능 책임자
“Aurora의 고급 기계 학습 및 대규모 시뮬레이션은 기술을 안전하고 신속하게 개발하는 데 기본이며 AWS는 발전을 유지하는 데 필요한 고성능을 제공합니다. 사실상 무제한의 확장성을 갖춘 AWS는 수백만 건의 가상 테스트를 지원하여 Aurora 드라이버의 기능을 검증함으로써 실제 주행의 수많은 엣지 사례를 안전하게 탐색할 수 있도록 합니다.”
Chris Urmson, Aurora CEO
“우리는 컴퓨터 비전 모델을 사용하여 장면을 구분하는데, 이는 장면을 이해하는 데 있어 중요합니다. 예전에는 한 시대 동안 모델을 훈련하는 데 57분이 걸렸기 때문에 속도가 느렸습니다. Amazon SageMaker의 데이터 병렬 처리 라이브러리와 Amazon ML Solutions Lab의 도움을 받아 5ml.p3.16xlarge 인스턴스에 최적화된 훈련 코드로 6분 만에 훈련할 수 있었습니다. 훈련 시간이 10배 단축되면서 개발 주기 동안 데이터를 준비하는 데 더 많은 시간을 할애할 수 있게 되었습니다.”
Jinwook Choi, Hyundai Motor Company 수석 연구 엔지니어
“Latent Space에서는 누구나 생각의 속도로 만들 수 있는 신경 렌더링 게임 엔진을 구축하고 있습니다. 언어 모델링의 발전 덕분에, 우리는 무엇을 생성할지 결정하는 데 텍스트와 이미지 둘 다에 대한 의미론적 이해를 통합하고 있습니다. 지금 우리가 중점을 두는 것은 정교한 ML 파이프라인이 있는 대규모 모델 훈련을 강화하기 위해 정보 검색을 활용하는 것입니다. 이 설정은 분산 훈련에 대한 문제를 가져옵니다. 동시에 훈련되는 여러 데이터 원본과 모델이 있기 때문입니다. 그래서 우리는 Amazon SageMaker의 새로운 분산 훈련 기능을 활용하여 대규모 생성 모델에 대한 훈련을 효율적으로 확장하고 있습니다.”
Sarah Jane Hong, Latent Space의 공동 창립자 겸 최고 사이언스 책임자
“Musixmatch는 Amazon SageMaker를 사용하여 자연어 처리(NLP) 및 오디오 처리 모델을 구축하고 있으며, Hugging Face with Amazon SageMaker.를 실험하고 있습니다. Amazon SageMaker를 선택한 이유는 데이터 과학자가 기본 인프라 관리에 대해 걱정할 필요 없이 모델을 반복적으로 구축, 교육 및 조정할 수 있기 때문에 데이터 과학자가 더 빠르고 독립적으로 작업할 수 있기 때문입니다. 회사가 성장함에 따라 더 크고 복잡한 NLP 모델을 트레이닝하고 튜닝해야 하는 요구 사항도 커졌습니다. 우리는 항상 교육 시간을 단축하는 동시에 훈련 비용을 절감할 수 있는 방법을 찾고 있습니다. 이것이 바로 Amazon SageMaker Training Compiler가 기대되는 이유입니다. SageMaker Training Compiler는 훈련 과정에서 GPU를 사용하는 보다 효율적인 방법을 제공합니다. SageMaker Training Compiler, PyTorch 및 Hugging Face와 같은 고급 라이브러리 간의 원활한 통합을 통해 트랜스포머 기반 모델의 교육 시간이 몇 주에서 며칠로 크게 개선되고 훈련 비용이 절감되었습니다.”
Loreto Parisi, Musixmatch 인공지능 엔지니어 책임자
AT&T 사이버 보안은 Amazon SageMaker 다중 모델 엔드포인트를 사용하여 거의 실시간으로 예측해야 하는 위협 탐지 기능을 개선했습니다.
“Amazon SageMaker 다중 모델 엔드포인트는 비용 효율적일 뿐만 아니라 모델 저장 방식을 단순화하여 성능을 약간 향상시켜 줍니다.”
Matthew Schneid - AT&T 총괄 아키텍트
고객 서비스를 위한 생성형 AI 솔루션 제공업체인 Forethought Technologies는 Amazon SageMaker를 사용하여 비용을 최대 80% 까지 절감했습니다.
“Amazon SageMaker 다중 모델 엔드포인트로 마이그레이션하여 비용을 최대 66% 절감하는 동시에 고객에게 더 나은 지연 시간과 더 나은 응답 시간을 제공했습니다.”
Jad Chamoun, Forethought Technologies 코어 엔지니어 책임자
Bazaarvoice는 SageMaker 서버리스 추론을 사용하여 ML 추론 비용을 82% 절감했습니다.
“SageMaker 서버리스 추론을 사용하면 대규모 ML을 효율적으로 수행하여 합리적인 비용과 낮은 운영 오버헤드로 많은 모델을 신속하게 출시할 수 있습니다.”
Lou Kratz, Bazaarvoice 수석 연구 엔지니어
Zendesk는 추천 매크로 기능을 위해 Amazon SageMaker 멀티 모달 엔드포인트(MME)에서 수천 개의 ML 모델을 호스팅했으며, 전용 엔드포인트와 비교했을 때 추론 비용을 90% 절감했습니다.
“우리는 Amazon SageMaker 다중 모델 엔드포인트(MME)를 사용하여 10만 명 이상의 고객을 위해 사용자 지정된 수천 개의 ML 모델을 배포했습니다. SageMaker MME를 사용하여 엔드포인트당 여러 모델을 호스팅할 수 있는 멀티 테넌트 SaaS 친화적 추론 기능을 구축하여 전용 엔드포인트에 비해 추론 비용을 90% 절감했습니다.”
Chris Hausler, Zendesk AI/ML 책임자
Amazon Pharmacy
“Amazon SageMaker JumpStart를 사용하여 여러 파운데이션 모델을 실험하고, 의료 분야의 요구 사항에 가장 적합한 모델을 선택하고, SageMaker의 HIPAA 준수 모델 배포를 사용하여 ML 애플리케이션을 빠르게 시작할 수 있었습니다. 이를 통해 처방전과 고객 관리를 위한 데이터 입력 프로세스의 속도와 규모가 개선되었습니다.”
Alexandre Alves, Amazon Pharmacy Sr. Principal Engineer
Intuit
"Amazon SageMaker를 통해 플랫폼에 저희 알고리즘을 구축 및 배포함으로써 대규모로 인공 지능 이니셔티브를 가속화할 수 있습니다. 복잡한 문제를 해결하도록 새로운 대규모 기계 학습 및 AI 알고리즘을 만들고 이 플랫폼에 배포하여 고객의 성공을 지원할 수 있게 될 것입니다."
Ashok Srivastava, Intuit의 최고 데이터 경영자
GE Healthcare
GE Healthcare는 하드웨어, 소프트웨어 및 생명 공학 분야의 데이터와 분석을 활용하여 의료 서비스 제공 업체와 환자에게 보다 나은 결과를 제공함으로써 의료 서비스를 혁신하고 있습니다.
“Amazon SageMaker는 GE Healthcare가 강력한 인공 지능 도구 및 서비스에 액세스하여 환자 치료 서비스를 더욱 개선할 수 있게 해 줍니다. Amazon SageMaker의 확장성과 기본 AWS 서비스의 통합성은 저희에게 막대한 가치를 추가해 줍니다. GE Health Cloud와 Amazon SageMaker 간의 지속적인 협력이 의료 서비스 제공 업체 파트너에게 더 나은 결과를 가져다주고 더 향상된 환자 치료를 제공해 줄 것으로 기대하고 있습니다.”
Sharath Pasupunuti, GE Healthcare의 수석 AI 엔지니어
ADP, Inc.
ADP는 인적 자본 관리(HCM) 솔루션을 제공하는 선도적인 글로벌 기술 회사입니다. ADP DataCloud는 3천만 명이 넘는 직원의 뛰어난 ADP 인력 데이터를 활용하여 경영진이 비즈니스를 더 잘 관리하기 위한 실시간 결정을 내리는 데 도움이 되는 실행 가능한 인사이트를 제공합니다.
“인재를 유지하고 유치하는 것이 어려운 일이기 때문에 저희는 고용주가 강력한 팀을 유지할 수 있도록 인공 지능 기능으로 ADP DataCloud를 계속 개선하고 있습니다. 저희는 Amazon SageMaker를 포함한 AWS Machine Learning을 사용하여 인력 패턴을 신속하게 식별하고 직원 이직률 또는 보상 증가의 영향과 같은 결과를 미리 예측합니다. AWS를 인공 지능 및 기계 학습을 위한 기본 플랫폼으로 활용함으로써 기계 학습 모델을 배포하는 데 걸리는 시간을 2주에서 단 1일로 단축했습니다.”
Jack Berkowitz, ADP, Inc.의 제품 개발 부문 SVP
BASF Digital Farming
BASF Digital Farming의 미션은 농부의 더 현명한 의사 결정을 지원하고 전 세계의 인구 증가에 맞춰 식량을 생산해야 한다는 당면 과제를 해결하는 동시에 환경적 영향을 줄이는 것입니다.
“Amazon SageMaker와 관련 AWS 기술은 빠른 실험을 가능하게 합니다. 사용이 쉬운 기능과 API는 기계 학습 도입의 진입 장벽을 낮춰줍니다. 따라서 기계 학습 사용 사례의 모든 잠재적 가치를 빠르게 실현할 수 있습니다.”
Christian Kerkhoff 박사, BASF Digital Farming GmbH 데이터 자동화 관리자
Cerner
Cerner Corporation은 다양한 건강 정보 기술(HIT) 솔루션, 서비스, 디바이스 및 하드웨어를 제공하는 글로벌 건강 및 기술 회사입니다.
"Cerner는 광범위한 임상, 재무 및 운영 경험에 걸쳐 인공 지능과 기계 학습 혁신을 추진하게 된 것을 자랑스럽게 생각합니다. Cerner의 Machine Learning Ecosystem과 Cerner Natural Language Processing 모두에서 생성되고 AWS와의 협업을 통해 가능한 새로운 기능으로 저희는 모든 고객을 위한 확장 가능한 혁신을 가속화하고 있습니다. Amazon SageMaker는 Cerner가 AI/ML을 통해 고객에게 가치를 제공하려는 저희의 의도를 잘 전달할 수 있게 하는 중요한 구성 요소입니다. 또한 Amazon SageMaker는 Cerner에 TensorFlow 및 PyTorch와 같은 여러 프레임워크를 활용할 수 있는 기능 및 다양한 AWS 서비스와 통합할 수 있는 기능을 제공합니다.”
Sasanka Are 박사, Cerner의 부사장
Dow Jones
Dow Jones & Co.는 신문, 웹 사이트, 모바일 앱, 비디오, 뉴스레터, 잡지, 독점 데이터베이스, 회의 및 라디오를 통해 소비자와 조직에 콘텐츠를 제공하는 글로벌 뉴스 및 비즈니스 정보 제공업체입니다.
"Dow Jones에서 계속해서 기계 학습을 제품과 서비스에 통합하는 데 집중적으로 노력하고 있는 가운데 AWS는 훌륭한 파트너가 되어 주었습니다. 최근의 Machine Learning Hackathon에 이르기까지 AWS 팀은 참가자들에게 Amazon SageMaker 및 Amazon Rekognition에 대한 훈련을 제공하고 모든 팀에 일일 지원을 제공했습니다. 그 결과 저희 팀은 기계 학습을 어떻게 적용할 수 있는지에 대한 멋진 아이디어를 창출했고 그 중 많은 것을 AWS를 사용해서 계속 개발할 것입니다. 이 행사는 매우 성공적이었으며 훌륭한 파트너십이 어떤 것인지를 보여주는 예입니다.”
Ramin Beheshti, Dow Jones의 그룹 주요 제품 및 기술 경영자
Advanced Microgrid Solutions
Advanced Microgrid Solutions(AMS)는 청정 에너지 자산의 배포와 최적화를 촉진하여 청정 에너지 경제로의 전 세계적 전환을 가속화하는 것을 목표로 하는 에너지 플랫폼 및 서비스 회사입니다. NEM은 모든 당사자가 5분마다 에너지를 소비/공급하기 위해 입찰하는 현물 시장을 사용합니다. 이를 위해서는 엄청난 양의 시장 데이터를 처리하면서 수요 예측을 수행하고 몇 분 안에 동적 입찰을 제시해야 합니다. 이 문제를 해결하기 위해 AMS는 Amazon SageMaker 기반 TensorFlow를 사용하여 딥 러닝 모델을 구축했습니다. AMS는 Amazon SageMaker의 자동 모델 튜닝을 활용하여 최고의 모델 파라미터를 발견하고 단 몇 주 만에 모델을 구축했습니다. AMS의 모델은 순 에너지 계량에서 모든 에너지 제품에 대한 시장 예측 개선을 보여주었으며 이는 상당한 효율성으로 이어질 것입니다.
ProQuest
ProQuest는 세계 최대의 저널, ebook, 주요 출처, 논문, 뉴스 및 비디오 컬렉션을 큐레이팅하며 도서관의 컬렉션을 구축하고 늘리는 데 도움이 되는 강력한 워크플로 솔루션을 만듭니다. ProQuest 제품과 서비스는 150개국에 위치한 학계, K-12, 공립, 회사 및 정부 도서관에서 사용됩니다.
“저희는 AWS와의 협업을 통해 도서관 이용자를 위한 보다 효과적인 비디오 사용자 경험을 구축하여 도서 검색 시 보다 관련성 있는 결과를 얻을 수 있도록 합니다. AWS ML Solutions Lab과 협력하여 Amazon SageMaker로 여러 알고리즘을 테스트하고, 하이퍼파라미터 최적화를 사용하여 모델을 조정하고, 기계 학습(ML) 모델 배포를 자동화했습니다. 저희는 지금까지의 결과에 만족하며 현재 다른 제품에 대한 ML 기술을 고려하고 있습니다.”
Allan Lu, ProQuest의 연구 도구, 서비스 및 플랫폼 부문 부사장
Celgene
Celgene은 전 세계 환자의 삶을 개선하기 위해 노력하는 글로벌 바이오 제약 회사로서 암, 면역 염증 및 기타 충족되지 않은 의학적 요구가 있는 환자를 위한 혁신적인 치료법의 발견, 개발 및 상업화에 주력합니다.
“Celgene의 비전은 매우 혁신적이고 삶을 바꾸는 치료를 제공하고 전 세계 환자의 삶을 개선하는 것입니다. Amazon SageMaker와 Apache MXNet을 사용하여 이전보다 더 빠르고 쉽게 솔루션과 프로세스 개발을 위한 딥 러닝 모델을 구축하고 훈련할 수 있으며 치료법을 찾고 약물을 생산하기 위한 노력을 쉽게 확대할 수 있습니다. SageMaker와 Amazon EC2 P3 인스턴스를 사용하면서 모델을 훈련하는 시간과 생산성이 향상되어 저희 팀이 획기적인 연구 및 발견에 집중할 수 있게 되었습니다.”
Lance Smith, Celgene의 이사
Atlas Van Lines
Atlas Van Lines는 북미에서 두 번째로 큰 밴 라인으로 1948년 이사 및 보관 업계의 기업가 그룹이 창설했습니다. 이 조직은 사업의 기본 원칙을 고수하면서 동부 및 서부 간 이사를 지원한다는 단일 목표로 개발되었습니다. 견고한 사업 영역 외에도 Atlas는 업계를 능가하는 엄격한 에이전트 품질 요구 사항을 자랑으로 여깁니다.
가장 바쁜 이사철 동안 Atlas 에이전트 네트워크는 고객의 요구를 충족할 수 있도록 여러 시장에서 협력합니다. 기존의 견적을 내는 방식은 인력이 필요하고 품이 많이 들었습니다. 또한 다년간의 경험을 갖춘 직원들의 지혜와 직감에 의존해야 했습니다. Atlas는 2011년 이후의 이력 데이터를 보유하고 있었으며 향후 시장 요구에 따라 수용량과 가격을 동적으로 조정할 수 있는 방법을 찾고자 했습니다.
Atlas는 APN 프리미어 컨설팅 파트너인 Pariveda Solutions 사와 협력하여 장거리 이사 업계에서 능동적 수용량과 가격 관리의 가능성을 열었습니다. Pariveda는 데이터를 준비하고 기계 학습 모델을 개발 및 평가하고 성능을 조정했습니다. 이 회사에서는 Amazon SageMaker를 사용하여 모델을 훈련하고 최적화한 다음 Amazon SageMaker의 모듈식 특성을 통해 Amazon EC2를 사용하여 실행하도록 모델을 내보냈습니다.
Edmunds
Edmunds.com은 2,000만 명의 월간 방문자에게 차량에 대한 상세하고 지속적으로 업데이트된 정보를 제공하는 자동차 쇼핑 웹 사이트입니다.
“당사는 모든 엔지니어가 기계 학습을 다룰 수 있게 하는 전략적 계획을 갖고 있습니다. Amazon SageMaker는 엔지니어가 보다 쉽게 기계 학습 모델과 알고리즘을 구축, 훈련 및 배포하게 한다는 목표를 달성하는 데 도움이 되는 핵심 요소입니다. Edmunds에서 SageMaker를 사용해서 저희 고객을 위해 전사적으로 새로운 솔루션을 어떻게 혁신하게 될지 기대가 큽니다.”
Stephen Felisan, Edmunds.com의 CIO
Hotels.com
Hotels.com은 41개 언어로 현지화된 90개의 웹 사이트를 운영하는 세계적인 숙박 브랜드입니다.
"Hotels.com은 언제나 더 빠르게 움직이고 최신 기술을 활용하고 혁신을 추구하는 데 관심이 있습니다. Amazon SageMaker를 사용하면 분산 훈련, 최적화된 알고리즘, 내장된 하이퍼파라미터 기능을 통해 팀에서 최대 규모의 데이터 세트를 기반으로 좀 더 정확한 모델을 신속하게 구축하여, 모델을 프로덕션에 적용하는 데 걸리는 시간을 상당히 단축할 수 있을 것입니다. 이는 간단한 API 호출로 구현됩니다. Amazon SageMaker는 기계 학습의 복잡성을 대폭 줄여 고객에게 더 나은 경험을 신속하게 제공할 수 있도록 합니다."
Matt Fryer, Hotels.com 및 Expedia Affiliate Network의 부사장 겸 최고 데이터 사이언스 책임자
Formosa Plastics
Formosa Plastics Corporation은 플라스틱 수지 및 석유 화학 제품의 수직 통합 공급업체로 성장하고 있습니다. Formosa Plastics는 고객이 요구하는 일관성, 성능 및 품질을 제공하는 폴리염화 비닐, 폴리에틸렌 및 폴리프로필렌 수지, 가성 소다 및 기타 석유 화학 제품 전체를 제공합니다.
"Formosa Plastics는 대만 최고의 석유 화학 회사 중 하나이며 세계 최고의 플라스틱 제조업체 중 하나입니다. 저희는 결함을 보다 정확하게 감지하고 수작업 비용을 줄이기 위해 기계 학습을 알아보기로 결정했으며 이를 위해 AWS를 우선 클라우드 공급자로 선택했습니다. AWS ML Solutions Lab은 비즈니스 사용 사례 정의를 위한 디스커버리 워크숍부터 적절한 기계 학습 모델 구축 및 선택, 실제 배포에 이르기까지 프로세스의 모든 단계에서 저희와 함께 했습니다. 기계 학습 솔루션은 Amazon SageMaker를 사용하여 직원이 수동 검사에 쓰는 시간을 반으로 줄였습니다. Solutions Lab의 도움으로 이제 조건 변화에 따라 SageMaker 모델을 직접 최적화할 수 있습니다.”
Bill Lee, Formosa Plastics Corporation의 부사장
Voodoo
Voodoo는 20억 건 이상의 게임 다운로드와 4억 명 이상의 월별 활성 사용자(MAU)를 보유한 선도적인 모바일 게임 회사입니다. 그들은 자체 광고 플랫폼을 운영하고 기계 학습을 통해 사용자에게 표시되는 광고 입찰의 정확성과 품질을 개선하고 있습니다.
"Voodoo는 수백만 명을 넘어 점점 더 커져가는 플레이어 기반의 적극적인 참여를 이끌어야 합니다. AWS에서 기계 학습 및 인공 지능 워크로드를 표준화함으로써 비즈니스 성장과 게이머 참여를 계속하는 데 필요한 속도와 규모로 반복할 수 있습니다. Amazon SageMaker를 사용하면 플레이어에게 표시할 광고를 실시간으로 결정하고 매일 3천만 명 이상의 사용자가 1억 번 이상 엔드포인트를 호출할 수 있습니다. 이는 하루에 10억 건에 가까운 예측을 나타냅니다. AWS Machine Learning을 통해 소규모 팀의 지원을 받아 일주일 내에 정확한 모델을 프로덕션에 적용하고 팀과 비즈니스의 성장에 따라 이를 기반으로 구축을 계속할 수 있었습니다.”
Aymeric Roffé, Voodoo의 CTO
Regit
이전의 Motoring.co.uk인 Regit은 자동차 기술 회사이자 운전자를 위한 영국 최고의 온라인 서비스 회사입니다. Regit은 차량 번호판을 기반으로 한 디지털 자동차 관리 서비스를 제공하고 교통부(MOT) 세금, 보험 및 리콜과 같은 정보 제공 알림을 운전자에게 제공합니다.
Regit은 APN 어드밴스드 컨설팅 파트너인 Peak Business Insight와 협력하여 사용자가 자동차를 교체할 가능성에 대한 예측을 제공할 수 있도록 카테고리 및 변수 데이터를 동시에 처리하는 "카테고리 기계 학습 모델"을 적용함으로써 Regit에 대한 판매가 이루어졌습니다.
Peak는 실시간 처리, 모델링 및 데이터 출력을 위해 Amazon SageMaker와 같은 AWS 서비스를 사용했습니다. Amazon SageMaker는 Regit을 위해 일일 5,000건의 API 요청을 처리하고 관련 데이터 요구 사항을 원활하게 확장 및 조정하며 리드 채점 결과 전달을 관리합니다. 한편, Amazon Redshift 및 Amazon Elastic Compute Cloud(Amazon EC2) 인스턴스는 모델 성능과 결과를 효율적이고 지속적으로 최적화합니다. Peak와 함께 Regit은 250만 명의 사용자 중 누가 언제 자동차를 교체할 것인지 예측할 수 있었습니다. 이는 고객이 보다 개인화되고 대상 별로 차별화된 서비스를 고객에게 제공하여 콜센터 매출을 1/4 이상 늘릴 수 있음을 의미합니다.
Realtor.com
realtor.com®, Doorsteps® 및 Moving.com™을 포함하는 Move, Inc. 네트워크는 웹 사이트 및 모바일을 통해 소비자와 부동산 전문가들에게 부동산 정보, 도구 및 전문 지식을 제공합니다.
“Amazon SageMaker가 당사가 주택 소유에 이르기까지의 여정에서 소비자를 지원하는 데 있어 realtor.com® 도구 세트를 한층 더 훌륭하게 업그레이드할 것으로 믿습니다. 훈련 및 모델 최적화와 같이 과거에 오랜 시간이 걸렸던 기계 학습 워크플로를 보다 효율적으로 더 많은 개발자가 수행할 수 있으므로 데이터 사이언티스트 및 분석가는 사용자에게 가장 광범위한 경험을 제공하는 데 집중할 수 있게 됩니다."
Vineet Singh, Move, Inc.의 최고 데이터 경영자 겸 수석 부사장
Grammarly
Grammarly의 알고리즘은 자연어 처리와 고급 기계 학습 기술을 결합하여 여러 디바이스에서 여러 플랫폼에 걸쳐 작문 지원을 제공함으로써 매일 수백만 명의 사람들이 보다 효과적으로 의사 소통하도록 돕고 있습니다.
“Amazon SageMaker를 사용하면 분산된 훈련 환경에서 TensorFlow 모델을 개발하는 것이 가능해집니다. 저희 워크플로는 또한 사전 처리를 위해 Amazon EMR과 통합되므로 Amazon S3에서 데이터를 가져와서 Jupyter 노트북에서 EMR 및 Spark로 필터링한 다음 같은 노트북을 사용해서 Amazon SageMaker에서 훈련할 수 있습니다. SageMaker는 여러 다른 운영 요구 사항에도 유연하게 사용될 수 있습니다. SageMaker 자체에 대한 추론을 실행할 수 있습니다. 모델만 필요한 경우 S3에서 모델을 다운로드하고 iOS 및 Android 고객을 위한 모바일 디바이스 구현에 대한 추론을 실행합니다.”
Stanislav Levental, Grammarly의 수석 기술자
Slice Labs
뉴욕을 기반으로 전 세계에서 활동하는 Slice Labs는 최초의 온디맨드 보험 클라우드 플랫폼 제공업체입니다. Slice는 기업이 직관적인 디지털 보험 상품을 개발할 수 있도록 하여 B2B 시장뿐만 아니라 개별 온디맨드 보험 상품으로 B2C 시장에 서비스를 제공합니다.
“Slice는 끊임없이 변화하는 고객 보험 요구의 특성을 잘 알고 있으며, 광범위한 서비스, 유연성 및 보험사들 사이에서 좋은 평판을 얻고 있는 AWS를 클라우드 플랫폼으로 선택했습니다. 저희는 고객의 요구에 맞는 최상의 보험 옵션에 고객을 연결하는 데 도움이 되는 AWS Machine Learning을 포함하여 비즈니스 지원을 위해 다양한 AWS 서비스를 사용합니다. 인텔리전트 보험 상품을 개발하고 출시하려는 보험사 및 기술 회사와 협력하면서 AWS를 통해 엄청난 비용 절감과 생산성 이점을 경험했습니다. 예를 들어 조달 시간을 47일에서 1일로 98% 단축했습니다. 저희는 AWS를 통한 당사 클라우드 사용 확대와 지리적 확장에 대해 기쁘게 생각합니다."
Philippe Lafreniere, Slice Labs의 최고 성장 책임자
DigitalGlobe
세계적인 고해상도 지구 이미지, 데이터 및 분석 제공업체인 DigitalGlobe는 매일 막대한 양의 데이터를 처리합니다.
“세계적인 고해상도 지구 이미지, 데이터 및 분석 제공업체인 DigitalGlobe는 매일 막대한 양의 데이터를 처리합니다. DigitalGlobe는 사람들이 AWS 클라우드에 저장된 전체 100PB의 이미지 라이브러리를 좀 더 쉽게 검색 및 액세스하고 컴퓨팅을 실행하여 딥 러닝을 인공위성 이미지에 적용할 수 있게 하고 있습니다. Amazon SageMaker를 통해 호스팅된 Jupyter 노트북을 사용하여 페타바이트 규모의 지구 관측 이미지 데이터 세트로 모델을 훈련할 계획입니다. 이를 통해 DigitalGlobe의 GBDX(Geospatial Big Data Platform) 사용자는 하나의 확장 가능한 분산 환경 내에서 간단하게 버튼을 눌러 모델을 생성하고 대규모로 배포할 수 있습니다.
Walter Scott 박사, Maxar Technologies의 CTO 겸 DigitalGlobe 설립자
Intercom
Intercom의 메시징 우선 제품은 다른 회사의 웹 사이트 및 모바일 앱과 원활하게 통합되어 고객 확보, 참여 및 지원을 돕습니다. 2011년에 설립된 이 회사는 샌프란시스코, 런던, 시카고, 더블린에 지사를 두고 있습니다.
“Intercom에는 나날이 커지고 있는 데이터 사이언티스트 및 데이터 지향 엔지니어 팀이 있으며 종종 빠르게 반복하고 데이터 기반 제품을 위한 새로운 솔루션을 탐색하고자 합니다. Amazon SageMaker 전에는 이러한 제품을 만들기 위해 다양한 옵션을 시도했지만 옵션마다 문제가 있었습니다. 코드 공유가 어렵거나, 큰 데이터 세트에 대한 테스트가 느리거나, 하드웨어를 직접 프로비저닝하고 관리하는 데 문제가 있었습니다. SageMaker가 이 모든 것을 해결했습니다. 특히 검색 플랫폼과 기계 학습 기능을 위한 알고리즘을 개발하는 데 SageMaker를 사용하며 SageMaker의 호스팅된 Jupyter 노트북으로 신속한 구축과 반복이 가능하다는 사실을 알게 되었습니다. 결정적으로 SageMaker가 관리형 서비스이므로 팀은 당면한 작업에 집중할 수 있습니다. Amazon SageMaker는 Intercom에 매우 귀중한 서비스이며 회사가 성장함에 따라 계속해서 점점 더 많이 사용되고 있습니다."
Kevin McNally, Intercom의 기계 학습 부문 선임 데이터 사이언티스트
Kinect Energy Group
Kinect Energy Group은 주로 항공, 해상 및 육상 운송 산업에서 상업 및 산업 고객에게 에너지 조달 자문 서비스, 공급 이행, 거래 및 지불 관리 솔루션을 제공하는 Fortune 100대 기업인 World Fuel Services의 자회사입니다. Kinect Energy는 주요 북유럽 에너지 제공업체이며 바람이 많이 부는 이 지역의 기후로 인해 가능한 천연 전력 자원에 의존하고 있습니다.
이 비즈니스는 최근 AWS의 여러 AI/ML 서비스 도입을 통해 발전했습니다. Amazon SageMaker를 통해 회사는 다가오는 날씨 동향과 이에 따른 향후 몇 달 동안의 전기세를 예측할 수 있으므로 업계를 선도하는 미래 지향적 접근 방식인 전례 없는 장거리 에너지 거래가 가능합니다.
“Amazon SageMaker를 사용하기 시작했고 AWS Machine Learning 솔루션 팀과 솔루션스 아키텍처 팀의 도움으로 혁신의 날을 맞아 탄력을 받았으며 그 영향은 그 이후로 엄청났습니다. AWS 기술이 제공하는 새로운 이점을 최대한 활용하기 위해 AI 팀 규모를 여러 번 늘렸습니다. 저희는 이러한 상황이 발생했는지를 기준으로 가격을 책정하여 새로운 방식으로 수익을 올리고 있습니다. 저희는 S3에 데이터를 저장하고, 실행을 위해 Lambda를 사용하고, SageMaker 외에 Step Functions를 사용하는 등 AWS에 "올인"했습니다. 그리고 AWS ML Solutions Lab의 헌신적인 파트너십 덕분에 이제 저희는 자립할 수 있으며 구축한 모델을 반복하고 비즈니스를 지속적으로 개선할 수 있습니다."
Andrew Stypa, Kinect Energy Group의 선임 비즈니스 분석가
Frame.io
Frame.io는 모든 비디오를 위한 허브입니다. 전 세계 70만 명 이상의 고객과 협업 및 비디오 검토 분야의 리더인 Frame.io는 프리랜서에서 기업에 이르기까지 전체 스펙트럼의 비디오 전문가가 비디오를 검토, 승인 및 제공하는 곳입니다.
“전 세계 사용자가 액세스할 수 있는 클라우드 네이티브 비디오 검토 및 협업 플랫폼으로서 고객에게 동급 최고의 보안을 제공해야 합니다. Amazon SageMaker에 내장된 이상 감지 모델을 통해 기계 학습을 활용하여 원치 않는 IP 요청을 신속하게 식별, 감지 및 차단함으로써 클라이언트의 미디어가 항상 안전하고 보호되도록 할 수 있습니다. Amazon SageMaker를 시작하고, 이를 시간 경과에 따라 유지 관리하고, 플랫폼 전체에서 확장하고, 특정 워크플로에 맞게 조정하는 것은 간단하고 단순합니다. 또한 SageMaker의 Jupyter 노트북으로 다양한 모델을 실험하여 Frame.io를 더욱 안전하게 만드는 방식으로 정밀도와 리콜을 개선할 수 있었습니다.”
Abhinav Srivastava, Frame.io의 정보 보안 부문 책임자 겸 VP
Cookpad
Cookpad는 일본 최대 규모의 조리법 공유 서비스로, 일본 내 월간 사용자는 약 6천만 명이고 전 세계 사용자는 약 9천만 명입니다.
“Cookpad의 조리법 서비스를 보다 쉽게 사용하고자 하는 수요가 증가함에 따라 저희 데이터 사이언티스트가 사용자 경험을 최적화할 수 있도록 더 많은 기계 학습 모델을 구축하게 될 것입니다. 최상의 성능을 위해 훈련 작업 반복 횟수를 최소화하려고 시도하면서 개발 프로세스 속도를 늦추는 ML 추론 엔드포인트 배포 시 중요한 문제 하나를 깨닫게 되었습니다. 데이터 사이언티스트가 스스로 모델을 배포할 수 있도록 ML 모델 배포를 자동화하기 위해 Amazon SageMaker의 추론 API를 사용하여 Amazon SageMaker를 사용할 경우 애플리케이션 엔지니어가 ML 모델을 배포할 필요가 없게 된다는 점을 입증했습니다. 운영 환경에서 Amazon SageMaker를 사용하면 이 프로세스가 자동화될 것으로 예상됩니다.
Yoichiro Someya, Cookpad의 연구 엔지니어
Fabulyst
Fabulyst는 패션 커머스에 초점을 둔 인도 기반 스타트업으로, 쇼핑객에게 더 긍정적이고 개인화된 경험을 제공하고 AI를 통해 소매업체에 더 나은 전환율을 제공합니다.
“Fabulyst는 재고 품목을 사용자의 특정 맞춤 쿼리(예: 체형 또는 피부색에 적합)에 연결하여 쇼핑객이 보다 쉽게 완벽한 구매품을 찾을 수 있게 합니다. 동시에 컴퓨터 비전을 사용하여 소셜 미디어, 검색, 블로그 등의 데이터를 기반으로 월별 추세를 예측하고 소매 고객의 카탈로그에서 이러한 추세에 자동으로 태그를 지정함으로써 소매 업체가 보다 효과적인 전환을 달성할 수 있도록 지원합니다. Fabulyst는 AWS를 사용하여 Amazon SageMaker를 포함한 동급 최고의 솔루션을 제공하여 당사 서비스를 지원하는 많은 예측을 처리합니다. SageMaker와 기타 AWS 서비스를 통해 사용자에게 가치를 보장할 수 있습니다(예: 소매업체의 수익 10% 증가). 또한 항상 뛰어난 결과를 제공할 수 있다는 확신을 갖게 되었습니다.”
Komal Prajapati, Fabulyst의 창립자 겸 CEO
Terragon Group
Terragon Group은 아프리카의 모바일 고객에게 다가가기 위해 인사이트를 사용하여 비즈니스의 가치를 창출하는 데이터 및 마케팅 기술 비즈니스입니다. 수년에 걸쳐 Terragon Group은 여러 지역의 현지 및 다국적 브랜드에 서비스를 제공하는 모바일 공간의 리더가 되었습니다. 적절한 순간에 적절한 사용자에게 적절한 광고 메시지를 전달하려면 개인화가 필요하며 Terragon은 데이터, 인사이트 및 인공 지능을 사용하여 아프리카의 적절한 고객에게 비즈니스가 다가갈 수 있도록 지원합니다.
“Amazon SageMaker는 기본 인프라를 연결하지 않고도 엔드 투 엔드 기계 학습 워크플로를 제공합니다. 우리의 데이터 과학 및 기계 학습 팀은 단 몇 시간 만에 데이터 탐색에서 모델 훈련 및 생산으로 빠르게 이동할 수 있습니다. 엔지니어링 인재가 부족한 아프리카에 기반을 둔 비즈니스의 경우 90일 이내에 실제 문제를 해결하는 기계 학습 모델을 구축 및 배포할 수 있는 다른 방법이 없었습니다."
Deji Balogun, Terragon Group의 CTO
SmartNews
SmartNews는 일본에서 가장 큰 뉴스 앱으로 매월 전 세계 1,100만여 명의 사용자에게 양질의 정보를 제공합니다. 기계 학습 기술을 통해 SmartNews는 사용자에게 가장 관련성이 높고 흥미로운 뉴스 기사를 제공합니다. SmartNews의 기계 학습 알고리즘은 수백만 개의 기사, 사회적 신호 및 인간 상호 작용을 평가하여 현재 가장 중요한 상위 0.01%의 이야기를 제공합니다.
"좋은 이야기를 찾아서 전 세계에 알리려는 저희의 사명은 AWS, 특히 Amazon SageMaker의 지원으로 실현 가능하며, 이를 통해 고객에게 서비스를 제공하기 위한 개발 주기를 가속화할 수 있었습니다. Amazon SageMaker를 사용함으로써 딥 러닝을 이용한 기사 분류, 평생 가치 예측, 텍스트 및 이미지에 대한 복합 모델링을 포함한 뉴스 큐레이션 방법에 큰 도움이 되었습니다. Amazon SageMaker와 AWS의 다른 AI 솔루션으로 더 높은 수준을 달성하기를 기대합니다.”
Kaisei Hamamoto, SmartNews, Inc.의 공동 창립자 겸 공동 CEO
Pioneer
Pioneer는 자동차 전자 제품 및 모빌리티 서비스를 포함한 디지털 엔터테인먼트를 전문으로 하는 다국적 기업입니다. Pioneer는 "마음을 움직이고 영혼을 만져라"라는 기업 철학을 바탕으로 고객에게 일상 생활에 도움이 되는 제품과 서비스를 제공합니다.
“Amazon SageMaker와 자동 모델 튜닝 등의 모델 훈련 기능을 활용하여 매우 정확한 기계 학습 모델을 개발하고 고객의 개인 정보 보호를 지속적으로 보장할 수 있었습니다. 또한 알고리즘과 사전 학습된 모델 모두에 대해 기계 학습용 AWS Marketplace를 활용하여 수익 창출 플랫폼을 구축할 수 있기를 기대합니다."
Kazuhiro Miyamoto, Pioneer의 정보 서비스 엔지니어링 부서 총괄 관리자
Dely
Dely는 일본 최고의 요리 영상 서비스인 Kurashiru를 운영하고 있습니다. 전 세계에 영향을 주는 요리 서비스를 만들기 위해 매일 노력하고 있습니다. Kurashiru는 요리 동영상으로 식탁을 풍성하게 하는 다양한 맛있는 요리법을 매일 소개하여 많은 사람들에게 도움을 줍니다. 일본에서 수천만 명의 사람들이 월간 레시피 서비스를 보고 듣고 있습니다.
“인기 있는 Kurashiru 서비스를 시작한 지 2년 반 만에 모바일 앱 다운로드 수가 1,500만 건을 돌파했습니다. 기계 학습과 같은 고급 기술을 사용하여 적시에 사용자에게 올바른 콘텐츠를 제공하는 것이 중요하다고 생각합니다. 이를 위해 Amazon SageMaker를 사용하여 90일 만에 기계 학습 모델을 구축하고 프로덕션에 배포할 수 있었습니다. 또한 콘텐츠 개인화를 통해 클릭률을 15% 개선했습니다.”
Masato Otake, Dely, Inc.의 CTO
Ayla Networks
샌프란시스코에 본사를 둔 Ayla Networks는 소비자 및 상업 시장을 위한 솔루션을 개발하는 IoT PaaS(Platform as a Service) 소프트웨어 회사입니다.
“Ayla Networks는 고객들이 주로 확장성과 안정성이 입증된 AWS 인프라를 이용한다는 사실을 알게 되었습니다. 특히 상업용 제조업체에서 Amazon SageMaker를 활용하여 Ayla Cloud의 장비 성능 데이터를 이용하고 있습니다. Amazon SageMaker와 Ayla IQ 제품을 통해 기업은 기계 고장을 예측하고 문제가 발생하기 전에 해결하는 등 인사이트를 제공하고 이상을 알려서 제품과 서비스 품질을 개선합니다. 이 솔루션은 고객의 원활한 운영을 유지하여 비즈니스가 걱정 없이 성장, 생산 및 확장할 수 있도록 합니다.”
Prashanth Shetty, Ayla Networks의 글로벌 마케팅 부문 VP
FreakOut
FreakOut은 디지털 광고에 중점을 둔 선도적인 기술 회사입니다. 이 회사는 인터넷 광고에서 실시간 광고 인벤토리 거래를 위한 제품과 웹 브라우징을 위한 데이터 분석을 제공합니다. FreakOut은 클릭률(CTR) 및 전환율(CVR) 예측에 기계 학습을 활용합니다.
“저희는 온프레미스에서 Amazon SageMaker로 기계 학습 훈련 환경을 마이그레이션하고 있습니다. Amazon SageMaker는 비즈니스를 위해 확장성이 더 뛰어난 솔루션을 제공합니다. Amazon SageMaker의 자동 모델 튜닝 기능을 사용하면 요구 사항에 맞게 매우 정확한 모델을 최적화하고 예측할 수 있습니다."
Jiro Nishiguchi, FreakOut의 CTO
Wag!
"Wag!는 양면 시장에서 수요와 공급 요구를 충족해야 합니다. 저희는 AWS에서 제공하는 기계 학습을 사용하여 고객의 개 산책 수요를 예측할 수 있는 기회를 발견했습니다. AWS에서 기계 학습 애플리케이션을 표준화함으로써 엔지니어링 리소스가 제한된 상황에서도 대폭 향상된 속도와 규모로 반복하여 지속적으로 늘어나는 비즈니스 요구 사항을 충족할 수 있습니다. Amazon SageMaker를 사용하면 기계 학습 실험 속도를 높이고 모델 학습에 소요되는 계산 시간을 45일에서 3일로 단축할 수 있습니다.”
Dave Bullock, Wag Labs Inc.의 엔지니어링 및 운영 기술 부문 VP
Infoblox
Infoblox는 네트워킹 코어, 즉 DNS, DHCP 및 IP 주소 관리(통칭 DDI)를 관리하고 보호하도록 설계된 안전한 클라우드 관리 네트워크 서비스의 선두 주자입니다.
"Infoblox에서는 Amazon SageMaker로 DNS 보안 분석 서비스를 구축했습니다. 이 서비스는 가치가 높은 도메인 이름 대상을 가장하기 위해 동형을 생성하고 이를 사용하여 맬웨어를 퍼뜨리고 사용자 정보를 피싱하고 브랜드의 평판을 공격하는 악의적인 행위자를 탐지합니다. AWS는 클라우드를 위한 엔터프라이즈 표준이며 SageMaker에서 제공하는 여러 기능을 활용하여 기계 학습 모델 개발을 가속화할 수 있습니다. SageMaker 자동 모델 튜닝 기능을 사용하여 실험을 확장하고 정확도를 96.9%로 개선했습니다. SageMaker 덕분에 당사 보안 분석 서비스의 일부인 IDN 동형 탐지기는 6천만 건이 넘는 동형 도메인 확인을 식별했으며 매월 수백만 건을 더 검색하여 고객이 브랜드 남용을 더 빨리 탐지할 수 있습니다."
Femi Olumofin, Infoblox의 분석 아키텍트
NerdWallet
샌프란시스코에 본사를 둔 개인 금융 회사인 NerdWallet은 신용 카드, 은행, 투자, 대출 및 보험을 포함한 금융 상품에 대한 리뷰와 비교를 제공합니다.
"NerdWallet은 데이터 과학과 기계 학습을 활용하여 고객과 맞춤형 금융 상품을 연결합니다. 저희는 AWS에서 ML 워크로드를 표준화하기로 결정했습니다. 이를 통해 데이터 사이언스 엔지니어링 방식을 신속하게 현대화할 수 있었기 때문입니다. 덕분에 장애물이 제거되고 제공 시간이 단축되었습니다. Amazon SageMaker를 통해 데이터 사이언티스트는 전략적 추구에 더 많은 시간을 할애하고 경쟁력이 있는 곳 즉, 사용자를 위해 해결 중인 문제에 대한 인사이트에 더 많은 에너지를 집중할 수 있습니다.
Ryan Kirkman, NerdWallet의 선임 엔지니어링 관리자
Splice
Splice는 아티스트가 진정한 창의력을 발휘할 수 있도록 뮤지션이 만든, 뮤지션을 위한 크리에이티브 플랫폼입니다. 이 구독 기반 음악 제작 스타트업은 2013년에 설립되었으며 현재 완벽한 사운드를 찾기 위해 카탈로그를 탐색하는 3백만 명이 넘는 음악가를 대상으로 합니다.
"사운드와 프리셋 카탈로그가 커짐에 따라 올바른 사운드를 찾는 것이 더 어려워지고 있습니다. 이것이 Splice가 동급 최고의 검색 및 검색 기능을 구축하는 데 투자한 이유입니다. Splice는 AWS에서 ML 워크로드를 표준화하여 뮤지션이 원하는 사운드를 쉽게 찾을 수 있게 하는 새로운 사용자 대면 서비스를 만들었습니다. Similar Sounds가 출시된 이후로 검색 전환이 거의 10% 증가했습니다. Amazon SageMaker로 텍스트 기반 검색을 완벽하게 보완하여 사용자가 이전에는 불가능했던 방식으로 카탈로그를 검색하고 탐색할 수 있도록 했습니다."
Alejandro Koretzky, Splice의 기계 학습 부문 책임자 겸 수석 엔지니어
Audeosoft
"기계 학습을 이용하기 전에는 이력서(CV)의 텍스트만 검색할 수 있었지만 광학 문자 인식 기능이 없어 일부 CV는 검색할 수 없었습니다. Amazon Textract를 사용하면 이제 모든 종류의 문서에서 콘텐츠를 추출하고 Elasticsearch 클러스터에 업로드된 모든 파일을 인덱싱할 수 있습니다. 이제 업로드된 모든 문서를 Elasticsearch를 사용하여 검색할 수 있으므로 검색 속도가 원래 SQL 검색보다 10배 더 빠릅니다. 또한 Amazon SageMaker로 단어 벡터링을 구현하여 관련 키워드를 검색 쿼리에 추가했습니다. 이 프로세스를 통해 후보자를 정확하게 분류하고 자격을 부여할 수 있으며 CV에 사용된 동의어 또는 대체 단어로 인한 오류를 없앨 수 있습니다. Amazon SageMaker와 Amazon Textract를 사용하여 채용 담당자를 위한 더 스마트하고 우수한 후보자를 제공할 수 있습니다. 안정적인 성능, 전 세계적 가용성 및 안정성은 Audeosoft의 주요 성공 요인입니다. 약 8년 전에 AWS와 제휴하기로 결정했을 때 저희는 그들이 미래를 위한 훌륭한 파트너가 될 것임을 알았습니다. AWS를 우선 클라우드 공급자로 선택함으로써 저희는 앞으로 수년 간혁신을 창출하려는 추진력과 열망을 공유하는 파트너와 함께 하게 되었습니다."
Marcel Schmidt, Audeosoft의 CTO
Freshworks
Freshworks는 미국/인도에 기반을 둔 B2B SaaS 유니콘으로 전 세계 중소기업(SMB)을 대상으로 합니다. Freshworks는 고객 및 직원 참여 워크플로를 위한 강력하고도 편리한 애플리케이션 포트폴리오를 제공합니다.
"Freshworks에서는 에이전트가 사용자 쿼리를 처리하고 지원 티켓을 성공적으로 해결하고, 영업 및 마케팅 팀이 기회의 우선 순위를 지정하고 신속하게 거래를 성사시키고, 고객 성공 관리자가 위험을 줄이고 비즈니스를 키우는 데 도움이 되는 초개인화된 모델을 사용하여 플래그십 AI/ML 서비스인 Freddy AI Skills를 구축했습니다. 고객의 사용 사례에 최적화된 기계 학습 모델을 쉽게 구축, 훈련 및 배포할 수 있기 때문에 AWS에서 ML 워크로드를 표준화하기로 결정했습니다. Amazon SageMaker 덕분에 11,000명의 고객을 위한 30,000개 이상의 모델을 구축하는 동시에 이러한 모델의 훈련 시간을 24시간에서 33분 미만으로 단축했습니다. SageMaker Model Monitor를 사용하면 데이터 드리프트를 추적하고 모델을 재훈련하여 정확성을 보장할 수 있습니다. Amazon SageMaker가 지원하는 Freddy AI Skills는 스마트 액션, 심층 데이터 인사이트 및 의도 중심 대화를 통해 지속적으로 진화하고 있습니다."
Tejas Bhandarkar, Freshworks Platform의 제품 부문 선임 이사
Veolia
Veolia Water Technologies는 경험이 풍부한 설계 회사이자 수처리 및 폐수 처리 분야의 기술 솔루션 및 서비스를 전문적으로 제공하는 업체입니다.
"AWS와 협력하여 8주 만에 담수화 플랜트의 정수 멤브레인을 청소하거나 교체할 시기를 예상하는 프로토타입을 개발했습니다. Amazon SageMaker를 사용하여 이전 패턴에서 학습하고 오염 지표의 향후 전개를 예측하는 기계 학습 모델을 구축했습니다. AWS에서 기계 학습 워크로드를 표준화함으로써 비용을 절감하고 가동 중지 시간을 방지하는 동시에 생산되는 물의 품질을 개선할 수 있었습니다. 이러한 결과는 중단 없는 깨끗하고 안전한 물 공급이라는 하나의 목표를 달성하기 위한 두 팀의 기술적 경험, 신뢰 및 헌신 없이는 실현될 수 없었을 것입니다."
Aude GIARD, Veolia Water Technologies의 최고 디지털 책임자
Sportradar
선도적인 스포츠 데이터 제공업체인 Sportradar는 전 세계 65여 개의 리그에 실시간 스포츠 데이터를 제공합니다. 최첨단 인사이트를 생성하기 위해 이 회사는 Amazon ML Solutions Lab과 협업하여 축구 골 예측기를 개발했습니다.
“AWS Machine Learning의 기능을 테스트하기 위해 Amazon ML Solutions Lab 팀에 가능한 가장 어려운 컴퓨터 비전 문제 중 하나를 의도적으로 제시했으며 그 결과는 매우 놀라왔습니다. Amazon ML Solutions Lab 팀은 Amazon SageMaker를 사용하여 라이브 게임 플레이 2초 전에 축구 골을 예측하는 기계 학습 모델을 구축했습니다. 이 모델만으로도 저희에게 많은 새로운 비즈니스 기회의 문이 열렸습니다. 비즈니스 혁신을 촉진하고 비용 및 지연 시간 요구 사항을 충족하는 모델을 구축, 훈련 및 배포할 수 있기 때문에 AWS에서 ML 워크로드를 표준화할 수 있기를 기대합니다.”
Ben Burdsall, Sportradar의 CTO
Roche
F. Hoffmann-La Roche AG(Roche)는 제약 및 진단을 전문으로 하는 스위스의 다국적 생명 과학 회사입니다.
“제가 원한 것은 팀이 클라우드에서 기계 학습 워크플로를 체계화하는 것이었습니다. 그래서 저희는 Machine Learning Solutions Lab과 협력하여 Amazon SageMaker 워크숍을 진행하면서 SageMaker가 데이터 사이언티스트의 기계 학습 프로덕션 프로세스를 어떻게 간소화하는지 시연했습니다. 워크숍 이후, 기계 학습 워크로드의 80%가 AWS에서 실행된 덕분에 저희 팀들은 기계 학습 모델을 3배 더 빨리 프로덕션 환경에서 사용할 수 있게 되었습니다. SageMaker와 AWS 스택은 온프레미스 가용성의 제약을 받지 않고 컴퓨팅 리소스를 사용하여 온디맨드로 훈련할 수 있도록 지원합니다.”
Gloria Macia, Roche의 데이터 사이언티스트
Guru
“Guru는 업무 수행에 필요한 지식이 여러분을 찾아야 한다고 믿습니다. 저희는 팀의 가장 중요한 정보를 캡처하여 단일 정보 소스로 구성하는 지식 관리 솔루션입니다. AI를 활용하여 작업하는 곳에서 실시간으로 지식을 추천하고, 검증된 상태로 유지하고, 전반적인 지식 베이스를 더 잘 관리할 수 있도록 돕습니다. 성장하는 제품 데이터 과학 팀은 대규모 기계 학습 시스템 구축, 훈련 및 배포와 같은 현대 기계 학습 팀의 모든 과제에 직면하고 있으며 이러한 과제 중 일부를 극복하기 위한 수단으로 Amazon SageMaker를 사용합니다. 저희는 기계 학습 모델을 프로덕션에 보다 신속하게 배포하기 위해 SageMaker 추론을 활용하고 있습니다. 이는 고객에게 가치를 제공하는 가장 큰 목표를 달성하는 데 도움이 됩니다.”
Nabin Mulepati, Guru의 기계 학습 엔지니어링 부문 담당자
Amazon Operations
COVID-19 대유행 동안 동료의 안전을 위한 Amazon의 노력의 일환으로 Amazon Operations 팀은 전 세계 1,000여 개의 운영 건물에서 사회적 거리 두기 지침을 준수하는 데 도움이 되는 기계 학습 솔루션을 배포했습니다. Amazon Operations는 Amazon Machine Learning Solutions Lab과의 협력하에 Amazon SageMaker를 사용하여 거리 개산을 위한 최첨단 컴퓨터 비전 모델을 생성했습니다.
“AWS에서 기계 학습 워크로드를 표준화하고 ML Solutions Lab의 전문가와 협력하여 수동 검토 작업을 최대 30%를 줄일 수 있는 혁신적인 모델을 여러 개 만들었습니다. Amazon SageMaker를 사용하면 하루 수백 시간이 걸리는 수동 검토 작업을 수행할 필요가 줄어들어 안전에 집중하고 정확성을 높이는 데 더 많은 시간을 할애할 수 있습니다.”
Russell Williams, Amazon OpsTech IT의 소프트웨어 개발 부문 이사
Freddy’s Frozen Custard & Steakburgers
Freddy’s Frozen Custard & Steakburgers는 주문 즉시 조리되는 스테이크 버거, 비엔나 비프 핫도그, 슈스트링 프라이, 맛있는 요리와 갓 볶은 냉동 커스터드 간식을 제공하는 패스트 캐주얼 레스토랑입니다. 2002년에 설립되어 2004년에 프랜차이즈를 시작한 Freddy’s는 현재 32개 주에서 400개에 가까운 레스토랑을 운영하고 있습니다.
“이전에는 비슷해 보이는 두 개의 레스토랑을 선택했지만 이제는 메뉴 항목, 고객 및 위치 간의 관계를 제대로 이해하고 있습니다. Domo의 새로운 ML 기능을 지원하는 Amazon SageMaker Autopilot 덕분에 마케팅 및 구매 팀은 보다 원활하고 효율적으로 새로운 아이디어를 시도하고 고객 경험을 개선할 수 있습니다.”
Sean Thompson, Freddy’s IT 부문 이사
Vanguard
"이제 Vanguard 데이터 사이언티스트와 데이터 엔지니어가 단일 노트북에서 분석 및 기계 학습과 관련한 협업을 진행할 수 있게 되어 기쁩니다. Amazon SageMaker Studio에 Amazon EMR에서 실행되는 Spark, Hive 및 Presto와의 통합 기능이 내장되어 있는 만큼, 개발 팀의 생산성이 개선될 것으로 기대됩니다. 우리 팀은 이 단일 개발 환경에서 기계 학습 모델을 구축하고 훈련하고 배포하는 데 집중할 수 있습니다."
Doug Stewart, Vanguard 데이터 및 분석 담당 상무 이사
Provectus
"저희는 고객이 Amazon SageMaker Studio 노트북에서 직접 Spark, Hive 및 Presto 워크플로를 실행할 수 있도록 Amazon SageMaker Studio에서 직접 Amazon EMR 클러스터를 생성하고 관리하도록 지원하는 기능이 제공되기를 기다려왔습니다. 이제 Amazon SageMaker에 이 기능이 기본적으로 내장되어 Spark 및 기계 학습 작업의 관리가 간소화되어 기쁩니다. 이는 고객의 데이터 엔지니어와 데이터 사이언티스트가 보다 효과적으로 협업하면서 대화형 데이터 분석을 수행하고 EMR 기반 데이터 변환을 통해 기계 학습 파이프라인을 개발하는 데 도움이 될 것입니다."
Stepan Pushkarev, Provectus CEO
Climate
“Climate에서는 전 세계 농부들에게 정확한 정보를 제공하여 데이터에 기반한 결정을 내리게 하고 면적당 수익을 최대화하는 것이 옳다고 생각합니다. 이를 위해 우리는 기계 학습 도구 등의 기술에 투자하여 피처라고 하는 측정 가능한 객체를 사용하여 모델을 구축했습니다(예: 재배자 농장의 수확량). Amazon SageMaker Feature Store를 사용하면 중앙 피처 저장소를 통해 ML 모델 개발을 가속화하여 여러 팀이 피처에 쉽게 액세스하고 재사용할 수 있습니다. SageMaker Feature Store는 온라인 스토어를 사용하여 실시간으로 피처에 쉽게 액세스할 수 있게 해주거나 다양한 사용 사례에 대해 오프라인 스토어를 사용하여 일정에 따라 피처를 실행할 수 있게 해줍니다. SageMaker Feature Store를 사용하면 ML 모델을 더 빠르게 개발할 수 있습니다.”
Atul Kamboj, 호주 NSW 정부 보험 및 의료 기관 iCare의 수석 데이터 과학자 Daniel McCaffrey, Climate 데이터 및 분석 담당 부사장
Experian
“Experian에서는 소비자가 금융 생활에서 신용을 이해하고 사용할 수 있도록 역량을 강화하고 대출 기관이 신용 위험을 관리하도록 지원하는 것이 우리 책무라고 생각합니다. 우리는 재무 모델을 구축하기 위한 모범 사례를 계속 구현해 가면서, 기계 학습을 활용하는 제품 프로덕션을 가속화할 솔루션을 찾고 있습니다. Amazon SageMaker Feature Store는 ML 애플리케이션을 위한 피처를 안전하게 저장하고 재사용할 수 있는 방법을 제공합니다. 여러 계정에 걸쳐 실시간 및 일괄 애플리케이션에 대해 일관성을 유지하는 능력은 우리 비즈니스의 핵심 요구 사항입니다. Amazon SageMaker Feature Store의 새로운 기능을 사용하면 고객이 자신의 신용을 관리하고 신경제에서 비용을 절감하도록 역량을 강화해 줄 수 있습니다.”
Geoff Dzhafarov, Experian Consumer Services 수석 엔터프라이즈 아키텍트
Dena
“DeNA의 사명은 인터넷과 AI/ML을 사용하여 영향력을 발휘하고 즐거움을 제공하는 것입니다. 우리 회사의 기본적인 목표는 가치 기반 서비스를 제공하는 것이며 이 목표를 달성할 수 있도록 회사의 비즈니스와 서비스를 준비하고 싶습니다. 조직 전체에서 특성을 검색하고 재사용할 의향이 있는데, Amazon SageMaker 특성 저장소는 여러 애플리케이션에서 쉽고 효율적으로 특성을 재사용하는 데 도움이 됩니다. 또한 Amazon SageMaker 특성 저장소는 표준 특성 정의를 유지하도록 도와주고 모델을 훈련하여 프로덕션에 배포할 때 일관된 방법론을 제공합니다. 우리는 Amazon SageMaker의 이러한 새로운 기능을 사용하여 ML 모델을 더 빠르게 훈련하고 배포할 수 있어, 최상의 서비스로 계속 고객을 만족시킬 수 있습니다.”
Kenshin Yamada, DeNA의 AI 시스템 부서 시스템 유닛 총책임자
United Airlines
"United Airlines에서는 기계 학습(ML)을 활용하여 맞춤형 오퍼를 제공함으로써 고객 경험을 개선하고, 고객이 Travel Readiness Center를 사용하여 여행을 준비할 수 있도록 지원합니다. ML은 공항 운영, 네트워크 계획, 비행 일정 계획에도 적용됩니다. 팬데믹에서 벗어나는 과정에서 Amazon SageMaker는 Travel Readiness Center에서 문서 기반 모델 자동화를 사용하여 대량의 코로나 검사 증명서와 백신 카드를 처리하는 데 중요한 역할을 했습니다. Amazon SageMaker의 새로운 거버넌스 기능을 사용하면서 기계 학습 모델에 대한 제어 능력과 가시성이 향상되었습니다. SageMaker Role Manager는 IAM 역할에 연결된 각 페르소나의 기준 권한 및 ML 활동을 제공함으로써 사용자 설정 프로세스를 크게 간소화합니다. 저희 팀은 SageMaker Model Cards를 사용하여 검토를 위한 모델 정보를 능동적으로 캡처하고 공유할 수 있으며, SageMaker Model Dashboard를 사용하여 내부 ML 플랫폼인 MARS에 구축된 모델을 검색하고 볼 수 있습니다. 이러한 새로운 거버넌스 기능 덕분에 시간을 크게 절약하고 스케일 업할 수 있게 되었습니다."
Ashok Srinivas, United Airlines ML 엔지니어링 및 운영 담당 이사
Capitec
"Capitec에는 여러 제품 라인에 걸쳐 다양한 ML 솔루션을 구축하는 다양한 데이터 사이언티스트가 있습니다. 저희 ML 엔지니어는 Amazon SageMaker를 기반으로 구축된 중앙 집중식 모델링 플랫폼을 관리하면서 이러한 모든 ML 솔루션의 개발과 배포를 지원합니다. 기본 도구가 없으면 추적 모델링 작업에서 문서가 분산되고 모델 가시성이 떨어지는 경향이 있습니다. SageMaker Model Cards를 사용하면 통합 환경에서 다양한 모델 메타데이터를 추적할 수 있고, SageMaker Model Dashboard에서는 각 모델의 성능을 파악할 수 있습니다. 또한 SageMaker Role Manager는 다양한 제품 라인의 데이터 사이언티스트를 위해 액세스 관리 프로세스를 간소화합니다. 이들 서비스는 모두 고객이 금융 서비스 제공업체로서 저희를 신뢰하기에 충분한 모델 거버넌스를 갖추는 데 기여하고 있습니다."
Dean Matter, Capitec Bank ML 엔지니어
Lenovo
최고의 글로벌 PC 제조업체인 Lenovo™는 최근 Amazon SageMaker를 최신 예측 유지관리 서비스에 통합했습니다. Ashok Srinivas, United Airlines ML 엔지니어링 및 운영 담당 이사
“새로운 SageMaker Edge Manager는 배포 후 모델의 최적화, 모니터링 및 지속적인 개선에 필요한 수작업을 없애도록 도와줄 것입니다. 그러면 우리 모델이 다른 유사한 기계 학습 플랫폼보다 더 빠르게 실행되고 메모리를 덜 소비할 것으로 예상됩니다. SageMaker Edge Manager를 사용하면 엣지에서 데이터를 자동으로 샘플링하고, 안전하게 클라우드로 전송하고, 배포 후 각 디바이스에서 각 모델의 품질을 지속적으로 모니터링할 수 있습니다. 이렇게 되면 우리는 전 세계 엣지 디바이스에서 모델을 원격으로 모니터링, 개선 및 업데이트할 수 있으며, 동시에 우리와 고객의 시간과 비용을 절약할 수 있습니다.”
Igor Bergman, Lenovo의 PC 및 스마트 디바이스의 클라우드 및 소프트웨어 담당 부사장.
Basler AG
Basler AG는 산업, 의학, 운송 및 기타 다양한 시장을 위한 고품질 디지털 카메라와 액세서리를 제조하는 최고의 업체입니다.
“Basler AG는 제조, 의료, 소매 분야 등 다양한 산업에서 지능형 컴퓨터 비전 솔루션을 제공합니다. 우리는 Amazon SageMaker Edge Manager가 제공하는 새로운 피처를 사용해 소프트웨어 제품을 확장하게 되어 기뻐하고 있습니다. 기계 학습 솔루션의 성능과 안정성을 보장하려면, 엣지 디바이스에서 기계 학습 모델을 지속적으로 모니터링, 유지관리 및 개선할 수 있게 해주는 확장 가능한 엣지-클라우드 MLOps 도구가 필요합니다. SageMaker Edge Manager를 사용하면 엣지에서 데이터를 자동으로 샘플링하고, 안전하게 클라우드로 전송하고, 배포 후 각 디바이스에서 각 모델의 품질을 지속적으로 모니터링할 수 있습니다. 이렇게 되면 우리는 전 세계 엣지 디바이스에서 모델을 원격으로 모니터링, 개선 및 업데이트할 수 있으며, 동시에 우리와 고객의 시간과 비용을 절약할 수 있습니다.”
Mark Hebbel, Basler 소프트웨어 솔루션 책임자.
NatWest Group
주요 금융 서비스 기관인 NatWest Group은 조직 전체의 ML 모델 개발 및 배포 프로세스를 표준화하여 새 ML 환경을 만드는 데 소요되는 시간을 40일에서 2일로 줄이고 ML 사용 사례의 가치 실현 시간을 40주에서 16주로 단축했습니다.
AstraZeneca
“수동 프로세스를 많이 만들지 않고, Amazon SageMaker Studio 내에서 간단하게 대부분의 기계 학습 개발 프로세스를 자동화할 수 있습니다.”
Cherry Cabading, AstraZeneca 글로벌 수석 엔터프라이즈 아키텍트
Janssen
Amazon SageMaker를 포함한 AWS 서비스를 도입하면서 Janssen은 자동화된 MLOps 프로세스를 구현했고, 모델 예측 정확도를 21% 증가하고 특성 추출 속도를 약 700% 증가하면서 Janssen의 비용 절감과 효율성 증가에 도움이 되었습니다.
Qualtrics
“Amazon SageMaker는 대규모로 기계 학습 모델을 테스트하고 배포하는 데 필요한 도구를 제공하여 MLOps 팀의 효율성을 개선합니다.”
Samir Joshi, Qualtrics ML 엔지니어
Deloitte
"Amazon SageMaker Data Wrangler를 통해 새로운 제품을 시장에 출시하는 데 필요한 ML 데이터 준비 프로세스를 가속화해주는 다양한 변환 도구 모음을 사용하여 데이터 준비 요구 사항을 성공적으로 해결할 수 있습니다. 그리고 배포된 모델을 빠르게 확장하면서 고객 요구 사항을 충족시키는 측정 가능하고 지속 가능한 결과를 수개월이 아니라, 불과 며칠 안에 지원할 수 있으므로, 고객도 혜택을 누릴 수 있습니다."
Frank Farrall, Deloitte Principal, AI Ecosystems and Platforms Leader
NRI
"저희 엔지니어링 팀은 AWS 프리미어 컨설팅 파트너로서 AWS와 긴밀하게 협력하면서 고객이 운영 효율성을 지속적으로 개선할 수 있는 혁신적인 솔루션을 구축하고 있습니다. ML은 혁신적인 저희 솔루션의 핵심이지만, 데이터 준비 워크플로에는 정교한 데이터 준비 기법이 포함되므로, 프로덕션 환경에서 운영되기까지 상당한 시간이 소요됩니다. Amazon SageMaker Data Wrangler를 사용하면 데이터 선택, 정리, 탐색, 시각화 등 데이터 준비 워크플로의 각 단계를 수행할 수 있어 데이터 준비 프로세스를 가속화하고 ML을 위한 데이터를 손쉽게 준비할 수 있습니다. Amazon SageMaker Data Wrangler를 사용하면 ML을 위한 데이터를 보다 빠르게 준비할 수 있습니다."
Shigekazu Ohmoto, NRI Japan Senior Corporate Managing Director
Equilibrium
"인구 건강 관리 시장에서 당사의 입지가 더 많은 의료 납부자, 공급자, 보험약제 관리기업 등으로 확대됨에 따라 청구 데이터, 등록 데이터 및 약제 데이터를 비롯해 ML 모델을 제공하는 데이터 소스에 대한 엔드 투 엔드 프로세스를 자동화하는 솔루션이 필요했습니다. 이제 Amazon SageMaker Data Wrangler를 통해 검증 및 재사용이 더 쉬운 워크플로 세트를 사용하여 ML을 위한 데이터를 집계하고 준비하는 데 소요되는 시간을 단축할 수 있습니다. 이를 통해 모델의 제공 시간과 품질이 크게 향상되고 데이터 과학자의 효율성이 향상되었으며 데이터 준비 시간이 거의 50% 단축되었습니다. 또한 SageMaker Data Wrangler는 약국, 진단 코드, 응급실 방문, 입원은 물론 인구 통계 및 기타 사회적 결정 요인을 포함한 수천 가지 기능을 갖춘 데이터 마트를 구축할 수 있기 때문에 여러 ML 반복과 상당한 GPU 시간을 절약하여 고객의 전체 엔드 투 엔드 프로세스를 가속화하는 데 도움이 되었습니다. SageMaker Data Wrangler를 사용하면 교육용 데이터 세트를 구축하는 데 있어서 탁월한 효율성으로 데이터를 변환하고, ML 모델을 실행하기 전에 데이터 세트에 대한 데이터 인사이트를 생성하고, 대규모 추론/예측을 위해 실제 데이터를 준비할 수 있습니다.”
Lucas Merrow, Equilibrium Point IoT CEO
icare Insurance and Care NSW
iCare는 NSW 주 정부 기관으로 오스트레일리아 NSW 주에 있는 32만 9,000명 이상의 공공 및 민간 부문 고용주와 320만 명의 직원에게 산재 보험을 제공합니다. 또한 iCare는 건축업자와 주택 소유자에게 보험을 제공하고 NSW 도로에서 중상을 입은 사람들에게 치료와 지원을 제공하며 시드니 오페라 하우스, 시드니 하버 브리지, 학교 및 병원을 포함한 2,666억 달러 이상의 NSW 정부 자산을 보호합니다.
“Insurance and Care(iCare) NSW의 비전은 보험과 치료에 대한 사고방식을 바꾸는 것입니다. Amazon SageMaker를 통해 iCare는 만성 분진 질환 환자를 조기에 식별하기 위한 딥 러닝 모델을 구축하고 훈련할 수 있었습니다. 이러한 조기 식별은 생명을 위협하는 상태를 예방할 수 있습니다. 이전 연구에 따르면 환자의 39%에서 규폐증 징후를 놓쳤거나 발견하지 못했습니다. AI 보조 진단을 통해 의사는 비보조 진단(71%)보다 정확하게(80%) 사례를 식별할 수 있었습니다. 이 프로젝트를 구현한 후 당사는 Amazon SageMaker에 리소스를 투입하여 다른 프로젝트의 솔루션과 프로세스를 개발하고 있습니다. 이전보다 더 빠르고 쉬운 것으로 입증되었고 NSW 주민들에게 의료 서비스를 제공하기 위한 노력을 쉽게 확장할 수 있기 때문입니다.”
Atul Kamboj, 오스트레일리아 NSW 주 정부 보험 및 의료 기관 iCare 수석 데이터 사이언티스트