지난 1월 AWS Cloud 행사가 삼성동 그랜드 인터컨티넨탈 호텔에서 있었습니다.
저는 주로 Track I, AI/ML 트랙을 중심으로 강연을 들었는데요, 인공지능과 머신러닝의 개념과 AWS에서는 어떤 상품을 제공하는지, 예정인지 알 수 있는 좋은 기회였습니다.
물론, AWS 행사인 만큼 점심 도시락도 무척 맛있었습니다. ^^
제가 들은 세션을 들으며 요약한 메모를 키워드 중심으로 요약합니다 (죄송합니다만, 일명 나만 알아보는 요약 ^^).
발표자료 보면서 다시 잘 정리하고 싶었는데, 귀차니즘이.... ^^
구체적인 행사 일정 및 각 세션별 발표 자료와 동영상 등은 아래에서 확인하실 수 있습니다.
AWS 기반 인공지능 비디오 분석 서비스 소개
- 발표자 : 김기완 솔루션즈 아키텍트, 아마존웹서비스
- 핵심 키워드
- Amazone rekognition
- 스트림으로 들어오는 동영상에 대한 분석
- Kiva, 로봇
- 추천서비스
- Why AI/ML in language?
- 디지털 데이터 수의 증가가 폭발적
- 자연어 처리 NLP ㅡ 언어학과 연관
- 음성 인식. 음운론
- 형태소 분석. 형태론
- 구문 분석. 통사론 의미론
- 음성인식 (ASR Automatic Speech Recognition) 문제점
- 높은 노이즈
- 대화상의 artifacts와 뉘앙스
- 화자가 여럿
- 처음 접하는 용어
- 방언 사투리
- 활용 사례가 적은 언어 또는 은어
- 수없이 쏟어지는 데이터
- 기존방식
- Data driven
- Rule based Translation
- Statical Machine Translation
- 최근방식
AWS의 새로운 언어, 음성, 텍스트 처리 인공지능 서비스
- 발표자 : 남궁영환 솔루션즈 아키텍트, 아마존웹서비스
- Amazon Transcribe
- 음성입력을 텍스트로 변환, 관리형 음성인식서비스 (ASR)
- Preview 단계임
- 특징
- 다양한 오디오 비디오 데이터 지원
- Timestamp 와 변환된 데이터의Confidence score 제공
- 구두점 반영, 문장 스타일링을 통해 가독성 높임
- 화자 구분 ㅡ 직관적
- 직접 만든 어휘집 활용
- 콘솔, CLI/SDK 기반
- 15초 단위로 0.0004달러
- 활용처
- 주요고객
- Amazon Translate
- 번역 서비스
- Preview 단계임
- 비용
- 백만 캐릭터당 15달러
- 프리티어 매월 2백만 캐릭터 무료
- 프리뷰 기간엔 무료
- 유스케이스
- 전세계 디지털 컨텐츠 대부분은 기계번역으로 충분함
- 데모
- Amazon Comprehend
- Deep Learning 기반의 NLP엔진이 탑재된 자연어 처리 서비스
- 활용분야
- 고객 요청 문의 분석
- 시맨틱 검색
- 지식 기반 분석
- 고객사례
AWS를 통한 알렉사 기반 플랫폼 서비스 활용하기
- 발표자 : 윤석찬 테크에반젤리스트, 아마존웹서비스
- Amazone Eco 및 Alexa 서비스
- 음성이 미래다
- Character mode - GUI - Web - Mobile - Voice
- Amazon Eco
- Alexa Skills Kit 및 Alexa Voice Service 및 주요사례
- Alexa Gaming 개발 적용 사례
- Alexa 기반 스마트 홈
- Alexa Skills 만들기
- 앱설정하기 : 개발자 portal
- 서비스 운영
- Alexa Skill 개발
- Hosted Service
- Voice Simulator
- Service Simulator
- Demo
- Alexa Voice Service
- 100만개 이상의 Alexa-enabled devices
- 라즈베리 파이로 echo D.I.Y. 할 수 있음
- echo buttons
- 기업에서의 Alexa 사용은?
- Alexa for Business
- 가격
- 고객사
- wework, capitalone, ploycom 등등
AWS의 새로운 통합 딥러닝 서비스, Amazon SageMaker
- 발표자 : 김무현 솔루션즈 아키텍트, 아마존웹서비스
- 주요 내용
- ML Progress Review
- SageMaker 소개
- SageMaker 주요기능
- Demo
- ML Process Review
- business problem 에서 model deployment 까지 e2e 를 다 해야 M/L 이라고 할 수 있다.
- 학습에만 한정해서는 안됨
- SageMaker 소개
- ML 기반의 model을 빠르고 쉽게 만들어주는 관리형 서비스
- 학습환경제공
- 노트북 환경구성 및 관리
- 학습 cluster 구성 및 관리
- Data Connector 작성
- ML알고리즘
- 배포환경 제공
- SageMaker 특징
- End-to-end M/L 플랫폼
- 제로셋업
- 유연한 모델학습
- 초당 과금
- SageMaker 핵심 기능
- jupyter notebook 인스턴스
- 10개 정도의 M/L 알고리즘
- M/L 학습서비스
- M/L 호스팅 서비스
- 알고리즘은 다 제공하겠다. 여러분들은 data 만 제공하면 된다.
- Apache Spark 와 함께 사용 가능
- Data 전처리 - spark
- Model 학습 및 Hosting - sagamaker
- Hyper Parameter Optimation 은 preview 단계임
- 쉬운 배포모델
- Demo
- 주제 : 아이리스 이미지에서 세가지 종 중 어느 것인지 판별
- 단계
- Training Script 작성
- S3 버킷 이름 정의
- Tenserflow 객체 생성
- 학습수행
- Model 배포및 테스트
Amazon DeepLens와 컴퓨터 비전 딥러닝 어플리케이션 활용
- 발표자 : 강정희 솔루션즈 아키텍트, 아마존웹서비스
- 주요 내용
- Computer Vision 개발환경
- DeepLens 소개
- 다른 ???? 통합
- Demo
- 기존 딥러닝 개발환경
- 활용가능한 이미지가 폭발적 증가
- 2017년 3,700,000,000 users
- 2017년 1,200,000,000,000 images
- 컴퓨터 비젼 : 이미자와 비디오를 지능적으로 분석
- Client 개발 환경
- DeepLens
- 개발자 키트
- 4월경 출시 예정
- Sample project
- 객체 감지
- 얼굴감지/인식
- 행동 감지
- 예술적 스타일로 변환
- 핫도그 or not ?
- 개/고양이
- AWS 컴퓨터 비전 딥러닝 서비스와의 통합
- 딥러닝 개요
- 데이터 → 모델 학습 → 추론(inference)
- Data
- Model Training : SageMaker의 영역
- 추론 : DeepLens 가 담당
- SageMaker : M/L Model을 만드는 E2E 서비스
- Greengrass ML inference : IoT 기기에서 직접 기계학습 모델 실행
- DeepLens 에 Greengrass 가 탑재되어 있음
- Amazon Rekognition Video : 실시간 비디오 배치 및 인지 서비스
- Amazon Knesis Video Streams : video, audio 및 실시간 encoding data 수집 및 전달
- Rekognition video 사용 사례