서론: 요즘 AI와 클라우드 컴퓨팅 분야는 하루가 다르게 발전하고 있습니다. 그중에서도 아마존의 SageMaker와 Pathway의 BDH 아키텍처는 눈부신 성장을 보이고 있습니다. 이 블로그에서는 Pathway의 두뇌 영감을…
Amazon SageMaker Feature Store의 UpdateRecord API 활용: 효율적인 기능 업데이트 가이드 소개 Amazon SageMaker Feature Store는 머신러닝 모델 학습 및 예측에 필요한 데이터를 저장하고 관리하는…
AWS 클라우드 혁신을 통한 인공지능 모델 자동화와 거버넌스 소개현대의 데이터 중심 환경에서는 인공지능(AI) 모델의 개발과 배포가 중요한 역할을 차지하고 있습니다. AWS는 이러한 환경에서 MLflow와 Amazon…
AWS SageMaker에서 MLflow와 AI 모델 레지스트리를 활용한 모델 관리 가이드 클라우드 컴퓨팅 환경에서 인공지능 모델을 관리하기 위해 효과적인 툴로 자리잡은 AWS SageMaker AI Model Registry와…
AWS와의 협력을 통한 디디의 최적화된 QA 시스템 구축 디디(DiDi)는 AWS와의 협력을 통해 효율적이고 투명한 고객센터 품질 보증(QA) 시스템을 Amazon Bedrock 상에 구축했습니다. 이 시스템은 특히…
아마존 베드록을 활용한 HPE Zerto 문제 해결 시스템 소개 하이브리드 및 멀티 클라우드 인프라를 관리하는 기업들은 AI 시스템을 통해 시스템 상태를 평가하고 문제를 신속히 조사하며…
도입 오늘날 인공지능(AI)과 클라우드 컴퓨팅은 다양한 산업에서 필수적인 기술로 자리잡고 있습니다. 특히 대규모 언어 모델(LLM)의 추론을 위한 적절한 GPU 인스턴스를 선택하는 것은 AI 배포에 있어…
AWS AgentCore와 GitHub Actions를 활용한 자동 에이전트 평가 소개 AWS AgentCore는 AI 에이전트의 배포와 운영을 간편화하는 플랫폼입니다. 이 글에서는 GitHub Actions를 통해 AgentCore와 연동하여 CI/CD…
WhatsApp를 통한 멀티모달 주문 지원 도입 방법 소개 오늘날의 많은 레스토랑은 다양한 채널을 통해 주문을 받으며, 고객의 일관된 서비스를 위해 멀티모달 주문 지원 플랫폼이 필요합니다.…
AI 에이전트 메모리 라이프사이클 관리: Amazon Bedrock AgentCore 활용 인공지능(AI) 에이전트는 사용자와의 상호작용에서 발생하는 데이터를 기억하도록 설계되어 있습니다. 그러나 이 기억 데이터가 관리되지 않으면, 오랜…