AI 개발자와 머신러닝 엔지니어들은 이제 Amazon SageMaker Studio의 기능을 로컬 Visual Studio Code(VS Code)에서 직접 사용할 수 있습니다. 이 기능을 통해 사용자 정의된 로컬 VS Code 환경과 함께 SageMaker Studio의 컴퓨팅 자원과 데이터에 접근할 수 있습니다. 이 포스트에서는 로컬 VS Code를 SageMaker Studio 개발 환경에 원격으로 연결하여 Amazon SageMaker AI 컴퓨팅 자원에 액세스하면서 사용자 정의 개발 환경을 사용하는 방법을 안내합니다.

이 포스트는 K8sGPT를 AWS의 Amazon Bedrock에서 K8sGPT CLI 및 K8sGPT Operator 두 가지 모드로 실행하는 최상의 방법을 보여준다. 이 솔루션이 어떻게 SRE들이 지속적인 모니터링과 운영 지능을 통해 Kubernetes 클러스터 관리를 간편화하는 데 도움이 되는지를 보여준다.

Rocket AI Agent는 디지털 어시스턴트를 넘어서 클라이언트 엔게이지먼트를 재구성한 것으로, Amazon Bedrock 에이전트와 Rocket의 데이터 및 시스템을 결합하여 24/7 대기 없이 이용 가능한 스마터하고 확장 가능하며 인간적인 경험을 제공합니다. Rocket은 이 비전을 실현하기 위해 Amazon Bedrock 에이전트를 활용하여 AI 기반 지원의 새 시대를 열었고, 지속적으로 이용 가능하며 개인화되고 행동을 취할 수 있는 서비스를 제공합니다.

Mistral AI 모델을 활용하여 AWS에서 지능적인 AI 어시스턴트를 구축하는 방법을 소개하며, 실시간 위치 서비스, 시간 데이터, 컨텍스트 메모리를 통합하여 복잡한 멀티모달 쿼리를 처리합니다. 식당 추천을 예로 들었지만, 이 확장 가능한 프레임워크는 엔터프라이즈 사용 사례에 맞게 수정하여 MCP 서버 구성을 변경하여 특정 데이터 소스 및 비즈니스 시스템과 연결할 수 있습니다.

Amazon Nova Sonic과 LiveKit의 통합으로 실시간 오디오, 비디오 및 데이터 통신 애플리케이션을 구축할 수 있게 되었습니다. 이 통합을 통해 개발자들은 복잡한 오디오 파이프라인이나 시그널링 프로토콜을 관리할 필요 없이 대화형 음성 인터페이스를 구축할 수 있습니다.

아마존 EC2 P6e-GB200 UltraServers와 P6-B200 인스턴스의 일반 공급을 발표하며, NVIDIA Blackwell GPU를 사용하여 가장 크고 정교한 AI 모델의 교육 및 배포에 적합한 솔루션을 소개합니다.

Amazon Q Business는 소매업체가 영업을 최적화하고 고객 서비스를 개선하며 의사 결정 프로세스를 향상시키도록 고안된 AI 기반 어시스턴트이다. 이 솔루션은 다양한 규모의 비즈니스에 확장 가능하고 적응 가능하도록 특별히 설계되었으며, 이를 통해 비즈니스가 보다 효과적으로 경쟁할 수 있게 돕는다.

Parcel Perform의 비즈니스팀은 상인의 소포 배송과 관련된 질문에 대답하기 위해 데이터에 액세스해야 합니다. 과거에는 데이터팀이 질의를 수동으로 작성하고 실행하여 데이터를 가져와야 했지만, Parcel Perform의 새로운 생성 모델 AI 기반 텍스트를 SQL 기능을 통해 비즈니스팀은 AI 어시스턴트 인터페이스를 사용하여 데이터 요구 사항을 직접 처리할 수 있습니다.

Amazon Aurora PostgreSQL-Compatible Edition 데이터를 Amazon Bedrock Knowledge Bases를 통해 자연어 쿼리할 수 있는 방법에 대해 알아봅니다.

SageMaker 통합 스튜디오와 AWS IAM을 사용하여 Amazon Bedrock 모델을 위한 견고한 권한 프레임워크를 설정하는 방법을 소개하며, 어드민이 안전하고 협업 가능한 환경 내에서 특정 모델에 누가 접근할 수 있는지 정확히 관리하는 방법을 안내합니다. 기업의 관리 시나리오에 대한 코드 예시와 함께 모델 접근을 제어하기 위한 세밀한 권한을 생성하는 방법을 안내합니다.

글은 Amazon Bedrock 스트리밍 API를 AWS AppSync 구독과 통합함으로써 AI 어시스턴트의 응답 시간과 사용자 만족도를 크게 향상시키는 방법을 소개합니다. 글로벌 금융 서비스 기관이 이 스트리밍 방식을 구현함으로써 복잡한 쿼리의 초기 응답 시간을 약 75% 단축하여 사용자가 완전한 답변을 기다리는 대신 응답이 생성되는 대로 확인할 수 있게 했습니다.

본문은 멀티 테넌트 및 멀티 계정 아키텍처를 구축하기 위한 허브 및 스포크 아키텍처 패턴에 대해 논의하며, 이 패턴은 팀과 사용 사례 간의 공유 서비스 추상화를 지원하여 안전하고 확장 가능하며 신뢰할 수 있는 생성 AI 시스템을 만드는 데 도움이 됩니다. 제1부에서는 AWS Transit Gateway를 사용하여 생성 AI 서비스 추상화를 위한 중앙 집중식 허브와 테넌트별 스포크를 제시합니다.

Amazon Bedrock의 개발자 경험을 향상시키는 중요한 업데이트로 API 키가 도입되었다. API 키는 Amazon Bedrock API에 빠르게 액세스할 수 있도록 제공되어, 개발자들이 설정보다는 개발에 집중할 수 있게 인증 프로세스를 간소화한다.

바이엘 작물 과학이 대규모 데이터 과학 작업을 관리하고 데이터 분석 요구에 맞게 모델을 훈련하며 개발자 지원을 위해 고품질 코드 문서를 유지함으로써 개발자 입사 시간을 최대 70% 줄이고 개발자 생산성을 최대 30% 향상시키는 방법을 소개합니다.

이 게시물에서는 아마존 베드락 지식 베이스 GraphRAG와 아마존 넵튠 분석을 활용하여 금융 사기 탐지 솔루션을 구축하는 방법을 소개합니다.

이 블로그에서는 Anthropic의 Claude Haiku 모델을 활용하여 텍스트 분류를 위한 종단간 솔루션을 구축하는 방법을 소개합니다. 여행사 콜센터 대화를 범주로 분류하는 과정을 안내하며 합성 훈련 데이터 생성, 대량 텍스트 데이터 처리, AWS 서비스를 활용한 전체 워크플로우 자동화 방법을 보여줍니다.

아마존 베드록의 평가 기능을 활용하여 언어 장벽을 넘어 신뢰할 수 있는 결과를 제공하는 방법을 소개하고, 다국어 평가의 비용과 복잡성을 줄이는 실용적인 전략을 공유합니다.

Cohere Embed 4 다중 모달 임베딩 모델이 Amazon SageMaker JumpStart에서 이용 가능하다. 이 모델은 다중 모달 비즈니스 문서용으로 설계되었으며, Embed 3 대비 주요 벤치마크에서 혁신적인 성능을 제공한다. 이번 포스트에서는 이 새로운 모델의 장점과 기능, 그리고 SageMaker JumpStart를 통해 모델을 배포하고 사용하는 방법에 대해 살펴본다.

INRIX는 연결된 차량의 GPS 데이터를 활용한 교통 지능의 선구자이다. Amazon Bedrock을 활용하여 풍부한 교통 데이터를 활용해 특정 도시 지역에 대한 최적의 대책을 결정하고, 이를 거리 사진에서 자동으로 시각화하는 방법을 소개한다. 이 방법은 개념적인 도면을 사용한 기존 접근법과 비교해 상당한 계획 가속화를 가능하게 한다.

Qwen 패밀리의 최신 세대인 Qwen3은 Amazon Bedrock Marketplace 및 Amazon SageMaker JumpStart를 통해 사용 가능합니다. 0.6B, 4B, 8B 및 32B 파라미터 크기로 제공되는 Qwen3 모델을 배포하여 AWS에서 생성적 AI 애플리케이션을 구축, 실험 및 책임 있게 확장할 수 있습니다. 이 게시물에서는 Amazon Bedrock Marketplace 및 SageMaker JumpStart에서 Qwen3를 시작하는 방법을 보여줍니다.

이 기사는 전통적인 RAG 시스템이 불필요한 비용을 발생시키고 효율성을 저하시키는 문제를 해결하기 위해 실시간 지식베이스 솔루션을 제안한다. 이 솔루션은 필요할 때만 문서를 처리하고 사용되지 않는 자원을 자동으로 제거하여 조직이 문서 저장소를 확장할 수 있게 도와준다.

이 포스트에서는 OpenCV를 사용하여 비디오 스트림을 처리하고 Amazon Bedrock를 활용하여 문맥적 장면 이해 및 자동 응답을 수행하는 완전히 배포 가능한 솔루션을 구축하는 방법을 소개합니다. 이 솔루션은 Amazon Bedrock 에이전트를 사용하여 실시간 비디오 분석 및 이벤트 모니터링에 확장된 기능을 제공합니다.

Swisscom이 어떻게 네트워크 어시스턴트를 개발했는지, 초기 어려움과 해결책 구현 방법, 측정 가능한 혜택을 제공하는 솔루션에 대해 탐구합니다. 기술 아키텍처를 살펴보고 핵심 교훈을 논의하며 네트워크 작업을 더욱 변형할 수 있는 미래 개선 사항을 살펴봅니다.

SageMaker Unified Studio 및 SageMaker AI를 활용하여 대규모 언어 모델(LLMs)을 맞춤화하는 단계를 안내하며, 데이터 발견부터 SageMaker AI 분산 훈련을 통한 FMs 세밀한 조정, MLflow를 사용한 메트릭 추적, 실시간 추론을 위한 SageMaker AI 추론 모델 배포까지 엔드투엔드 과정을 다룬다. JupyterLab 노트북을 활용할 때 올바른 인스턴스 크기 선택과 디버깅의 최상의 실천법에 대해서도 논의한다.

Amazon OpenSearch Service를 벡터 저장소로 활용하여 효율적인 RAG 애플리케이션을 구축하는 방법을 소개합니다.

Boomi가 AWS와 협력하여 기업이 Agent Control Tower를 활용하여 자신감을 갖고 AI 채택을 가속화하고 확장할 수 있도록 도와주는 방법을 소개합니다.

이 글에서는 Amazon Bedrock 플로우를 활용하여 Amazon SageMaker Unified Studio로 복잡한 AI 워크플로우를 만드는 방법을 소개합니다.

Amazon Bedrock을 활용한 중앙 집중식 Model Context Protocol (MCP) 서버 구현을 통해 기업 AI 워크로드에 대한 공유 리소스 및 도구 접근을 표준화하고 중앙 집중식 접근을 통해 보안과 거버넌스를 유지하면서 AI 혁신을 가속화하는 솔루션을 소개합니다.

이 글에서는 AWS에서 LLM을 활용한 구조화된 데이터 쿼리 기능을 구현하는 다섯 가지 패턴을 탐색하며, 직접적인 대화형 인터페이스, BI 도구 향상, 그리고 맞춤형 텍스트-SQL 솔루션 등을 다룹니다.

아마존 베드락의 다중 모달 RAG 능력은 텍스트, 이미지, 그래프, 테이블 등을 포함하는 복잡한 의료 문서를 효율적으로 처리하여 의약품 데이터 분석을 혁신하고 있다.

이 포스트에서는 SageMaker Python SDK를 사용하여 여러 모델을 활용하여 워크플로우를 설정하고 배포하는 방법을 상세히 설명하고 있습니다. 복잡한 추론 워크플로우를 구축하고 SageMaker 엔드포인트에 배포하며 실시간 추론을 수행하는 예시를 살펴봅니다.

이 포스트에서는 Amazon Q Business 애플리케이션 내의 사용자 정의 문서 보강 (CDE) 기능을 사용하여 독립적인 이미지 파일을 처리하는 단계별 구현을 살펴봅니다. AWS Lambda 함수를 CDE 내에서 구성하여 여러 이미지 파일 유형을 처리하고, 이 통합이 Amazon Q Business의 포괄적인 통찰력 제공 능력을 향상시키는 예시 시나리오를 소개합니다.

Amazon Q 개발자 CLI를 사용하여 AWS Diagram MCP 및 AWS Documentation MCP 서버와 함께 고급 아키텍처 다이어그램을 생성하는 방법에 대해 살펴봅니다. 기본 다이어그램과 실제 다이어그램에 대한 기술, 자세한 예제 및 단계별 지침에 대해 설명합니다.

이 포스트에서는 Amazon Q CLI를 AWS Cost Analysis MCP 서버와 함께 사용하여 AWS 최상의 실천 방법을 따르는 정교한 비용 분석을 수행하는 방법을 탐색합니다. 기본 설정과 고급 기술, 자세한 예제 및 단계별 지침에 대해 설명합니다.

이 포스트에서는 Amazon Bedrock Guardrails에서 제공하는 새로운 안전장치 계층을 소개하고, 이점 및 사용 사례를 설명하며, AI 애플리케이션에서 이를 구현하고 평가하는 방법에 대한 지침을 제공합니다.

아마존 베드록을 사용하여 구조화된 응답을 생성하는 두 가지 방법을 소개합니다. 프롬프트 엔지니어링은 유연하며 Bedrock 모델과 함께 작동하며 다양한 스키마 유형을 처리하여 탁월한 시작점이 됩니다. 도구 사용은 더 큰 신뢰성, 일관된 결과, 매끄러운 API 통합 및 JSON 스키마의 런타임 유효성 검사를 제공하여 향상된 제어를 제공합니다.

이 블로그에서는 NASA와 Blue Origin의 달 강하 근접, 하강 및 착륙 센서 (BODDL-TP) 데모에서 우주선 위치, 속도 및 쿼터니언 방향 데이터에서 이상을 감지하는 데 SageMaker AI를 사용하는 방법을 보여줍니다.

이 게시물에서는 아마존 베드락 에이전트의 다중 에이전트 협업을 사용하여 생명 과학 산업의 복잡한 비즈니스 문제를 해결하는 방법을 소개합니다. 연구 및 개발(R&D), 법률 및 재무 분야의 전문 에이전트가 다중 소스에서 데이터를 분석하여 종합적인 비즈니스 통찰을 제공하는 방법을 보여줍니다.

아마존 내부 기술 팀이 아마존 노바 모델을 평가하여 추론 속도와 비용 효율성을 현저히 향상시킨 사례를 소개했다.

SageMaker AI 고객을 위해 텍스트 랭킹 및 질의응답 UI 템플릿을 소개합니다. SageMaker에서 이러한 템플릿을 설정하여 대규모 언어 모델 훈련을 위한 고품질 데이터셋을 만드는 방법에 대해 안내합니다.

아마존 베드락 에이전트와 Arize AI 간의 새로운 통합을 발표했다. 이는 AI 개발에서 가장 중요한 도전 중 하나인 관측성을 해결한다. 본문에서는 추적과 평가를 위한 Arize Phoenix 시스템을 소개한다.

SkillShow는 매년 300개 이상의 이벤트를 촬영하여 2만 명 이상의 청소년 선수를 위한 콘텐츠를 만드는데, Amazon Transcribe 및 기타 AWS 기계 학습 서비스를 활용하여 비디오 처리 워크플로우를 자동화했으며 편집 시간과 비용을 줄이고 작업을 확장했다.

NewDay는 4백만 명의 고객에게 신용 책임성을 제공하고 자체 기술 시스템을 통해 우수한 고객 경험을 제공함. NewDay의 연락 센터는 연간 250만 통화를 처리하며, 90% 이상의 정확도로 작동하는 생성 모델 기반 고객 서비스 에이전트 어시스트를 구축함.

아마존 세이지메이커 캔버스는 노코드 솔루션을 제공하여 데이터 전처리를 간편화하고 기술적 배경이 없는 사용자도 시계열 예측이 가능하게 합니다. 이 글에서는 세이지메이커 캔버스와 데이터랭글러가 제공하는 노코드 데이터 준비 기술을 탐구하며 모든 배경을 가진 사용자들이 자신감을 가지고 데이터를 준비하고 시계열 예측 모델을 구축할 수 있도록 돕는 방법을 살펴봅니다.

이 게시물에서는 RAG(검색 증강 생성), 멀티툴 오케스트레이션, LangGraph를 통한 조건부 라우팅과 같은 적극적인 워크플로 패턴이 어떻게 인공지능 및 기계 학습(AI/ML) 개발자와 기업 아키텍트가 채택하고 확장할 수 있는 엔드 투 엔드 솔루션을 가능하게 하는지를 보여줍니다. 재정 관리 AI 어시스턴트의 예제를 통해, 수입 통화(오디오) 및 프레젠테이션 슬라이드(이미지)를 분석하고 관련 재정 데이터 피드와 함께 양적 연구 및 근거 있는 재정 상담을 제공할 수 있는 방법을 안내합니다.

AI 및 기계 학습 기술의 발전으로 디지털 콘텐츠 생성이 혁신을 맞이했고, 비디오 생성 능력의 발전은 기업들에게 전례없는 기회를 제공하고 있다. 이 기술을 사용하면 다양한 산업군에 걸쳐 짧은 비디오 클립을 생성할 수 있다.

EU AI Act는 EU 내 AI 개발 및 배포에 대한 포괄적인 규정을 수립했다. AWS는 EU의 AI 팩트의 최초 서명국 중 하나로서 AI 서비스 카드 및 가드레일을 제공하고 고객이 새 규제 틀 아래에서의 책임을 이해하는 데 도움을 주는 교육 자료를 제공하는 등 다양한 이니셔티브를 통해 AI에 대한 신뢰 구축에 헌신하고 있다.

2025년 7월 14일부터 AWS DeepRacer 학생 포털은 유지보수 단계로 진입하여 새로운 등록이 비활성화될 예정이다. 기존 사용자는 2025년 9월 15일까지 자료와 교육 자료에 대한 완전한 접근 권한을 유지할 수 있으며, 그 이후에는 포털이 더 이상 사용할 수 없게 된다.

SageMaker HyperPod 및 SageMaker Studio를 사용하여 데이터 과학자들의 개발 경험을 향상시키고 가속화하는 방법에 대해 설명합니다. SageMaker Studio의 IDE 및 도구와 Amazon EKS를 통한 SageMaker HyperPod의 확장성 및 내구성을 결합하여 중앙 집중식 시스템의 설정을 단순화합니다. AWS 서비스가 제공하는 거버넌스 및 보안 기능을 활용합니다.

이 게시물에서는 Amazon Bedrock에서 사용 가능한 Amazon Nova 패밀리의 다양한 이해 모델의 벤치마킹을 제시하여 회의 요약 작업에 최적의 모델을 선택하는 방법에 대한 통찰을 제공합니다.

자연어 처리(NLP) 및 데이터베이스 관리 분야에서 견고한 텍스트-SQL 능력을 개발하는 것은 중요한 도전이다. 이 글에서는 Amazon Bedrock와 Converse API를 활용한 사용자 정의 에이전트 구현을 통해 간단하면서도 강력한 텍스트-SQL 솔루션을 소개한다.

제너레이티브 AI가 취약성 식별을 자동화하고 포괄적인 공격 시나리오를 생성하며 맥락을 제공하는 방식으로 위협 모델링을 혁신할 수 있는 방법을 탐구합니다.

Anomalo는 AWS AI 및 머신러닝과 함께 사용되어 비정형 데이터를 프로파일링, 유효성 검사, 정리하여 데이터 레이크를 신뢰할 수 있는 소스로 변환시켜 생산 준비된 AI 프로젝트를 위한 자산으로 제공하는 방법을 탐구합니다.

Robinhood는 생성 모델 AI와 Amazon Nova를 사용하여 금융을 민주화하고 실시간 시장 통찰력을 제공한다.

Amazon Bedrock Knowledge Bases를 사용하여 구조화된 데이터 검색 솔루션을 구성하는 방법과 실용적인 코드 예제 및 템플릿을 제공한다. 이를 통해 대화형 데이터 인터페이스를 신속하게 구축하고 확장할 수 있는 구현 샘플과 추가 고려 사항을 다룬다.

아폴로 타이어는 아마존 베드락과 생성적 AI를 활용하여 기계 데이터에서 통찰을 얻고 제조 프로세스의 종합적인 시각을 얻어 데이터 기반 의사 결정을 내리고 운영 효율을 최적화했습니다.

이 포스트에서는 PagerDuty Advance를 통합하여 사고 관리 능력을 향상시킬 수 있는 방법을 보여줍니다. 이는 응답 워크플로우를 자동화하고 운영 건강에 대한 실시간 통찰력을 제공하는 혁신적인 AI 기능을 포함합니다. Amazon Q 비즈니스용 데이터 액세서로 PagerDuty Advance를 구성하는 방법을 보여주며, 이를 통해 사고 대응 중에 여러 시스템 전체에서 기업 지식을 검색하고 액세스할 수 있습니다.

Amazon Bedrock 에이전트를 사용하면 에이전트 생성이 간소화되고 컨트롤 반환 기능이 원활하게 통합되어 분산 시스템과 마이크로서비스 아키텍처의 통신 조정이 혁신적으로 진행될 수 있다. 이 글에서는 Amazon Bedrock 에이전트가 에이전트 생성을 혁신하며 다양한 시스템 간 복잡한 상호작용을 조정하는 컨트롤 반환 기능의 효과를 보여준다.

이제 Qwen2, Qwen2_VL, Qwen2_5_VL 아키텍처의 사용자 정의 가중치를 가져올 수 있으며, Qwen 2, 2.5 Coder, Qwen 2.5 VL, QwQ 32B와 같은 모델을 포함합니다. 이 게시물에서는 Amazon Bedrock Custom Model Import를 사용하여 Qwen 2.5 모델을 배포하는 방법을 다루며, AWS 인프라 내에서 최신 AI 기능을 효율적인 비용으로 활용할 수 있습니다.

이 포스트에서는 Amazon Bedrock의 기능을 활용하여 Amazon Web Services (AWS)에서 생성적 AI 애플리케이션을 구축하는 방법을 소개합니다. Amazon Bedrock를 사용하여 생성적 AI 여정의 각 단계에서 어떻게 활용할 수 있는지 강조하며, 숙련된 AI 엔지니어와 새로운 생성적 AI 분야의 입문자 모두에게 가치 있는 가이드입니다.

넷서티브가 아마존 베드락과 아마존 노바를 활용해 MLX에 생성적 AI 기반 어시스턴트를 도입하여 플랫폼의 차세대를 구현했다.

Amazon Nova, Amazon Rekognition 및 Amazon Polly와 같은 서비스를 사용하여 비디오 콘텐츠에 대한 접근성 있는 오디오 설명을 자동화하는 방법을 소개합니다. 이 접근 방식은 시각 장애를 가진 관객들을 위해 비디오를 접근 가능하게 만드는 데 필요한 시간과 비용을 크게 줄일 수 있습니다.

도쿄 과학 연구소가 아마존 세이지메이커 하이퍼팟을 사용하여 70억 개의 파라미터를 가진 일본어 능력이 향상된 대형 언어 모델 Llama 3.3 Swallow을 성공적으로 훈련시켰다. 이 모델은 GPT-4o-mini 및 다른 선두 모델을 능가하는 일본어 작업에서 우수한 성능을 보여준다. 이 기술 보고서는 프로젝트 중 개발된 훈련 인프라, 최적화 및 모범 사례를 상세히 설명한다.

Articul8가 일반적인 LLM을 능가하는 도메인 특화 모델로 기업용 생성적 AI를 재정의하고, Amazon SageMaker HyperPod가 이를 어떻게 가속화했는지 살펴봅니다. Articul8의 반도체 모델은 최고의 오픈 소스 모델 대비 2배 높은 정확도를 달성하며 배포 시간을 4배 단축했습니다.

비디오앰프는 AWS Generative AI Innovation Center (GenAIIC) 팀과 협력하여 비디오앰프 자연어(NL) 분석 챗봇 프로토타입을 개발하고 아마존 베드락을 활용해 미디어 분석 데이터에서 의미 있는 통찰력을 대규모로 발견하는 방법을 소개합니다.

Adobe는 AWS 창조적 AI 혁신 센터와 협력하여 아마존 베드락 지식 베이스와 벡터 엔진을 사용했고, 이를 통해 개발자 지원 시스템을 혁신하였으며 검색 정확도가 20% 향상되었다. 본문에서는 이 솔루션에 대한 세부 내용과 Adobe가 개발자 생산성을 향상하는 방법에 대해 논의한다.

Bito는 소프트웨어 개발자를 위한 AI 에이전트를 만드는 혁신적인 스타트업이다. 이 게시물에서는 아마존 노바를 사용하여 Bito가 AI 기반 코드 리뷰의 무료 티어 옵션을 제공하는 방법을 소개한다.

가르데니아 테크놀로지는 AWS PACE 팀과 협력하여 최신 생성 AI 모델을 활용한 완전 자동화 ESG 보고 솔루션 ‘Report GenAI’를 개발했다. 이 기술은 RAG와 텍스트-to-SQL 기능을 활용해 고객들이 ESG 보고 시간을 최대 75% 줄일 수 있도록 도와준다. AWS 서버리스 기술과 아마존 베드락의 에이전트를 결합하여 확장 가능하고 유연한 문서 어시스턴트 애플리케이션을 구축하는 방법을 소개한다.

NVIDIA의 최신 추론 모델인 Llama 3.3 Nemotron Super 49B V1 및 Llama 3.1 Nemotron Nano 8B V1이 Amazon Bedrock Marketplace 및 Amazon SageMaker JumpStart에서 사용 가능해졌습니다. AWS에서 NVIDIA의 새로운 추론 모델을 배포하여 생성적 AI 아이디어를 구축, 실험 및 확장할 수 있습니다.

아마존 베드록과 LangGraph를 활용하여 전자 상거래 소매업체를 위한 맞춤형 고객 지원 경험 구축하는 방법을 소개하고, Mistral Large 2 및 Pixtral Large 모델을 통합하여 티켓 분류, 주문 세부 정보 추출, 손상 평가, 문맥적 응답 생성 등 핵심 고객 지원 업무를 자동화하는 방법을 안내합니다.

Amazon Bedrock Guardrails를 사용하여 해로운 다중 모달 콘텐츠를 차단하는 방법을 소개하고, 의료 보험 콜 센터 시나리오를 활용하여 다양한 가드레일을 구성하고 테스트하는 과정을 안내합니다.

Amazon Bedrock의 채택이 증가함에 따라, 비용 최적화는 필수적이며 조직의 예산과 일치시키고 관리 가능한 생성적 AI 애플리케이션의 배포 및 운영 비용을 돕는다. 이 글에서는 Amazon Bedrock을 사용하면서 전략적 비용 최적화 기술에 대해 배울 수 있다.

E.ON은 아마존 텍스트랙트의 창의적인 응용과 커스텀 이미지 분석, 펄스 카운팅을 결합하여 실제 문제를 대규모로 해결하는 방법을 소개한다. 스마트 미터 오류를 짧은 스마트폰 비디오로 진단함으로써 E.ON은 비용을 절감하고 고객 만족도를 향상시키며 전체 에너지 서비스 신뢰성을 향상시키고자 한다.

Pipecat과 Amazon Bedrock을 활용해 지능적인 AI 음성 에이전트를 구축하는 방법을 배울 수 있는 시리즈 포스트. Amazon Bedrock의 foundation 모델을 활용하는 이 프레임워크는 음성 및 멀티모달 대화형 AI 에이전트를 위한 오픈소스이며, 구현을 안내하기 위한 고수준 참조 아키텍처, 모범 사례 및 코드 샘플이 포함되어 있다.

웹 오디오 API와 Amazon Transcribe 스트리밍을 이용한 실시간 이중 채널 전사를 가능하게 하는 웹 응용 프로그램의 구현 세부 사항을 탐색합니다. AudioContext, ChannelMergerNode 및 AudioWorklet의 조합을 사용하여 두 마이크로폰에서 오디오 데이터를 실시간으로 처리하고 인코딩 한 후 Amazon Transcribe로 전송합니다.

글로벌 풀서비스 디지털 마케팅 기관 Kepler는 아마존 Q Business를 도입하여 AI 접근을 민주화하고 엄격한 보안 기준을 유지함으로써 직원 당 주당 평균 2.7시간의 수동 작업 시간을 절약하고 고객 서비스 제공을 개선했다.

이 포스트에서는 Amazon Bedrock Marketplace에서 제공되는 Open AI Whisper foundation model Whisper Large V3 Turbo를 사용하여 거의 실시간 트랜스크립션을 생성하는 방법을 보여줍니다. 이 트랜스크립션은 Amazon Bedrock에 의해 처리되어 요약 및 민감한 정보의 마스킹이 이루어집니다.

이 블로그 포스트에서는 자연어 및 이미지 쿼리를 사용하여 시맨틱 비디오 검색을 위해 대형 비전 모델(LVMs)을 활용하는 방법을 소개합니다. 시간 프레임 부드럽게 하는 등의 사용 사례별 메소드를 소개하여 비디오 검색 성능을 향상시킵니다. 또한, Hugging Face Model Hub의 공개 LVMs를 활용하여 비디오, 이미지 및 텍스트 처리를 수행하기 위해 Amazon SageMaker AI에서 비동기 및 실시간 호스팅 옵션을 사용하여 이 접근 방식의 엔드 투 엔드 기능을 설명합니다. 마지막으로 Amazon OpenSearch Serverless를 사용하여 저지연 시맨틱 비디오 검색을 수행합니다.

본문에서는 다중 계정을 가진 기업이 공유 Amazon SageMaker HyperPod 클러스터에 액세스하여 다양한 작업을 실행하는 방법에 대해 논의합니다. SageMaker HyperPod 작업 규제를 사용하여 이 기능을 가능하게 합니다.

이 게시물에서는 생성 모델 AI를 사용하여 데이터를 쿼리하는 주요 옵션을 평가하고, 그 강점과 한계를 논의하며, Text-to-SQL이 결정론적이고 스키마별 작업에 가장 적합한 선택인 이유를 설명합니다. Amazon Nova를 사용하여 Text-to-SQL을 효과적으로 활용하는 방법을 보여줍니다.

Radial은 중소 및 대기업 브랜드에게 통합 결제, 사기 탐지 및 옴니채널 솔루션을 제공하는 최대 3PL 충족 공급 업체이다. 이 게시물에서는 Radial이 Amazon SageMaker를 사용하여 머신 러닝 워크플로우를 현대화함으로써 사기 탐지 머신 러닝 응용 프로그램의 비용과 성능을 최적화하는 방법을 소개한다.

맥락적 검색은 각 청크에 설명적 맥락을 추가하여 임베딩을 생성함으로써 전통적인 RAG를 향상시킨다. 이 접근 방식은 관련 맥락 정보로 벡터 표현을 보강하여 사용자 쿼리에 응답할 때 의미적으로 관련된 콘텐츠를 더 정확하게 검색할 수 있게 한다.

본문에서는 AWS Graviton 인스턴스와 호환되도록 미리 구축된 컨테이너를 확장하여 SageMaker AI에 소형 언어 모델을 배포하는 방법을 소개합니다. 솔루션의 개요와 구현 단계에 대한 자세한 설명을 제공하며, GitHub 저장소에서 예제 노트북을 찾을 수 있습니다.

Impel이 Amazon SageMaker에서 세바지 메이커를 사용하여 자동차 딜러쉽 고객 경험을 향상시키는 방법을 소개합니다.

기후 기술 스타트업들이 환경 데이터를 활용한 기본 모델(FMs)을 개발하여 탄소 포집, 탄소 부정적 연료, 미세 플라스틱 파괴를 위한 새로운 소재 디자인, 생태계 보존 등의 문제에 대처하고 있음. 이러한 특수 모델은 방대한 양의 데이터를 효과적으로 처리하고 분석하기 위해 고급 컴퓨팅 능력이 필요함.

Anthropic에서 출시된 코딩 에이전트인 Claude Code와 Amazon Bedrock 프롬프트 캐싱을 결합하여 개발 워크플로우를 개선하는 방법을 살펴볼 것이다. 이 강력한 조합은 추론 응답 대기 시간을 줄이고 입력 토큰 비용을 절감함으로써 빠른 응답을 제공하게 된다.

최근 생산적 AI 기업들이 자사의 제품을 개발하는 데 투자함에 따라 모델 능력에서 놀라운 발전이 있었습니다. Anthropic의 Claude Opus 4 & Sonnet 4와 Amazon Bedrock의 Amazon Nova와 같은 언어 모델은 점점 더 정교하게 추론, 작성 및 응답 생성이 가능해졌습니다. 그러나 이러한 모델이 강력해지더라도, 그들은 여전히 […]

Bevar Ukraine은 우크라이나 난민들을 위한 AI 어시스턴트 Victor를 개발했다. 이는 AWS 서비스를 활용하여 다국어 지원, 자동화된 지원 및 데이터 보안 및 GDPR 준수를 유지하면서 난민들의 요구를 해결하는데 중점을 둔다.

Noodoe가 AI와 Amazon Bedrock을 활용하여 전기차 충전 운영을 최적화하는 방법을 탐색합니다. LLM 통합을 통해 Noodoe는 역동적인 가격 책정과 다국어 지원을 가능하게 하며, 이러한 혁신은 다운타임을 줄이고 효율성을 극대화하며 지속가능성을 향상시킵니다.

이 글에서는 Amazon Bedrock 지식 베이스 내에서 GraphRAG를 활용하여 지식 기반 애플리케이션을 구축하는 방법을 탐구합니다. 기존의 벡터 검색과는 달리, 지식 그래프는 엔티티 간의 관계를 인코딩하여 대규모 언어 모델이 문맥을 고려한 추론을 통해 정보를 검색할 수 있습니다.

AWS CDK 및 AWS Step Functions, Amazon EventBridge, Amazon Personalize와 같은 서비스를 활용한 MLOps 솔루션을 소개하며, Amazon Personalize의 데이터 준비, 모델 학습, 배포 및 모니터링을 자동화하는 방법을 설명합니다.

FDA와 같은 규제기관이 규정을 변경하면 조직은 내부 SOP를 검토해야 합니다. 이를 위해 Amazon Bedrock를 활용하여 규정 변경과 SOP 간의 관계를 파악하는 다양한 방법을 소개합니다.

이 글에서는 Terraform을 사용하여 SageMaker 프로젝트의 사용자 정의 템플릿을 정의, 배포, 프로비저닝하는 방법을 소개합니다. 다른 IaC 도구에 의존하지 않고 Terraform Enterprise 인프라 내에서 엄격하게 SageMaker 프로젝트를 활성화할 수 있습니다.

ZURU가 AWS Generative AI Innovation Center와 AWS Professional Services와 협력하여 생성 모델 AI를 활용한 더 정확한 텍스트-바닥 도면 생성기를 구현했다. 이 글에서는 대형 언어 모델 (LLM)을 활용한 해결책이 선택된 이유와 모델 선택, 프롬프트 엔지니어링, 파인튜닝을 통해 결과를 개선하는 방법을 살펴본다.

실시간 사용자 피드백과 감독을 통해 이점을 얻는 대화형 응용 프로그램과 달리, 비대화형 응용 프로그램은 더 강력한 가드레일과 철저한 품질 보증이 필요하며 Amazon.com의 네 가지 생성 AI 응용 사례를 살펴봅니다.

글에서는 성숙한 생성형 AI 기반의 개요를 제시하고 구성 요소를 탐구하며 종단간의 전망을 제시합니다. 다양한 운영 모델을 살펴보고 해당 기반이 그 한계 내에서 운영될 수 있는 방법을 탐구합니다. 마지막으로 기업이 진화 경로를 평가하는 데 도움이 되는 성숙도 모델을 제시합니다.

OpenSearch는 다양한 제3자 머신러닝(ML) 커넥터를 제공하여 이를 지원합니다. 이 포스트에서는 Amazon Comprehend 커넥터와 Amazon Bedrock 커넥터 두 가지를 소개합니다. Amazon Comprehend 커넥터를 사용하여 LangDetect API를 호출해 문서의 언어를 감지하는 방법과 Amazon Bedrock 커넥터를 사용하여 Amazon Titan Text Embeddings v2 모델을 호출하여 문서로부터 임베딩을 생성하고 의미 검색을 수행하는 방법을 보여줍니다.

Amazon Bedrock의 Model Copy 및 Model Share 기능은 AI 애플리케이션의 라이프사이클을 개발부터 프로덕션까지 효과적으로 관리하는 강력한 옵션을 제공한다. 본문에서는 Model Share와 Model Copy 기능에 대해 심층적으로 살펴보고, 전형적인 개발부터 프로덕션 시나리오에서의 기능, 장점, 실용적인 적용을 탐구한다.

이 글에서는 선도적인 GeoFM인 Clay Foundation의 Clay foundation 모델이 Amazon SageMaker에서 대규모 추론과 세밀한 조정을 위해 어떻게 배포되는지 살펴본다.

LlamaIndex 프레임워크를 활용하여 에이전틱 RAG 애플리케이션을 구축하는 예시를 소개합니다. 이 애플리케이션은 Mistral Large 2 FM을 활용해 에이전트 플로우에 대한 응답을 생성하여 연구 도구로 활용됩니다.