[웨비나] AWS AI/ML

• ML Workerflow in the cloud
  • Build -> Train -> Deploy
  • 컴퓨팅 인스턴스 관리, 보안, 성능 및 비용 최적화, 인프라 관리 및 고가용성.
  • 
  • 
  • 
• Build fast and Collaborate
  • Segemaker Studio : (개발~배포) 워크플로우 통합 환경
  • Notebooks : 인스턴스 및 커널 등등등 선택 -> 코딩
• Training and tune models
  • 
  • Segemaker Training Job
    • use_spot_instance 옵션 : 컴퓨팅 가성비 극대화? (S3 에 체크포인트 자동관리됨)
    • 알고리즘 적용방식 : 1.Built-in , 2.Script mode , 3.Docker(BYOC) , 4.Marketplace
    • 
  • Segemaker Hyperparameter Optimization
    • 하이퍼 파라미터 : layers num, hidden width, ml rate, emb, dimension, dropout, ...
    • 
    • 튜닝 -> 트레이닝 -> Bayesian || Random 써칭 -> ...
• Deploy and manage models
  • Segemaker Endpoints
    • 
  • Segemaker Pipelines
    • 코드 수정 -> git push -> 자동 piplining -> 모델 버전간 성능지표 비교 -> 업그레이드 배포
• Automatic ML Model Generation
  • 
  • Segemaker Autopilot
    • 테이블 형태의 데이터만 있으면, 자동으로 분석하여 결과물 생성.

-끝-

 https://www.youtube.com/watch?v=6sdr6dViK2U

https://www.youtube.com/watch?v=RkL470RnNZY https://www.youtube.com/watch?v=jh4wKJBDNO8