GS에너지의 SageMaker Unified Studio와 Bedrock AgentCore로 구축하는 엔터프라이즈 에이전트 데이터 플랫폼
GS에너지는 SMUS와 Bedrock AgentCore를 결합해 프로젝트 구독 기반 데이터·에이전트 플랫폼을 구축했습니다. JWT·IAM·MCP의 권한 경계를 분리해 사용자 권한 내 데이터 조회를 구현했습니다.
#Amazon Bedrock#SageMaker
000
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
Amazon SageMaker AI와 AWS IoT Greengrass를 활용한 Physical AI 학습 파이프라인 구축하기
AWS에서 VLA·강화학습용 Physical AI 학습, 시뮬레이션 검증, 엣지 배포 파이프라인을 구성했습니다.\n학습 특성에 따라 SageMaker Pipelines·HyperPod를 선택하고 Greengrass로 모델을 배포합니다.
#AWS#SageMaker
700
SageMaker Studio에서 TIP와 S3 Access Grants를 활용한 Athena 쿼리 실행하기
SageMaker Studio의 TIP로 사용자 ID를 Athena·S3·Lake Formation까지 전파하는 구성을 안내했습니다. S3 Access Grants와 CloudTrail을 통해 사용자별 권한 제어 및 감사 추적을 구현했습니다.
#AWS#SageMaker
1100
Amazon Bedrock 기반 PolicyGuard: 코딩 어시스턴트를 위한 Pre-Model Semantic DLP 프레임워크
AI 코딩 어시스턴트의 프롬프트 유출 문제를 막기 위한 Pre-Model DLP 프레임워크 PolicyGuard를 소개했습니다. 자연어 정책 파일과 Hook 기반 차단으로 Bedrock 환경에서 민감 정보 보호를 강화하는 방법을 다뤘습니다.
#Amazon Bedrock#LLM
2100
[22. 9. 22] AWS Sagemaker Immersion Day 워크샵 참관기
[22. 9. 22] AWS Sagemaker Immersion Day 워크샵 참관기
SageMaker Immersion Day에서 MLOps와 통합 ML 개발 환경을 체험한 워크샵 후기를 소개했습니다. 모델 구축, 튜닝, 배포까지의 흐름과 실무 적용 가능성을 살펴보았습니다.
#AWS#SageMaker
2400
AWS 공간 데이터를 활용한 건물 검사 인텔리전스 구축
AWS 공간 데이터 관리로 건물 검사 결과를 공간 참조 데이터로 구조화하는 방법을 소개했습니다. 이미지와 메타데이터, 추론 결과를 연결해 장기 보존과 재분석 가능성을 높였습니다.
#AWS#S3
3200
AWS CDK로 구축하는 Vision AI 모델 서빙 파이프라인 실전 가이드
AWS CDK로 Vision AI 서빙 파이프라인을 구성한 실전 사례를 다뤘습니다. 배포 자동화, 타임아웃 대응, 비용 최적화까지 운영 관점을 함께 정리했습니다.
#AWS CDK#Vision AI
3700
SK바이오팜의 Agentic AI 기반 신약 개발 워크플로 자동화 도전기
SK바이오팜은 Agentic AI와 멀티 에이전트 협업으로 신약 후보물질 평가 워크플로를 자동화했습니다.기존 1주일 걸리던 과정을 1시간 이내로 줄이며 통합 리포트 기반 의사결정을 지원했습니다.
#LLM#AWS
11000
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
SageMaker AI로 해보는 GPT-OSS 추론 성능 테스트와 용량 산정
SageMaker AI에서 GPT-OSS 120B 추론 성능 테스트와 GPU 용량 산정 방법을 다뤘습니다. vLLM과 SGLang을 비교하며 워크로드별 성능 지표와 최적화 포인트를 정리했습니다.
#SageMaker#LLM
7700
AWS re:invent 신규 기능
AWS re:Invent 2024에서 소개된 S3, Aurora DSQL, Bedrock, SageMaker, Nova 등의 신규 기능을 정리했습니다.\n대규모 데이터 관리, 글로벌 DB, AI 모델 경량화와 GPU 효율화 관점의 참고 포인트를 담았습니다.
#AWS#S3
3800
버즈빌의 ML 플랫폼 Buzzflow (1) - 모델을 개발하고 관리하기
Buzzflow는 YAML·래퍼·MLflow로 ML 파이프라인 개발과 모델 저장소를 표준화했습니다. 로컬 디버깅, CI 권한 관리, Airflow 기반 실행과 실패 모니터링도 구성했습니다.
#ML#MLOps
000
기계 학습 모델을 활용한 물류 입고 프로세스 최적화
풀필먼트 센터 입고에 필요한 트럭 수량을 기계 학습으로 예측해 슬롯 낭비와 지연을 줄인 사례를 소개했습니다. LightGBM과 베이지안 최적화를 활용해 예측 정확도와 운영 효율을 개선했습니다.
#ML#LightGBM
3800
Optimizing the inbound process with a machine learning model
입고 예약 단계에서 필요한 트럭 수를 예측하는 머신러닝 모델을 적용했습니다. 과다 배정과 입고 지연을 줄이고 예약 시스템과 연동해 운영 효율을 높였습니다.
#ML#LightGBM
1700
AWS MLOps 분산학습 워크숍 방문기
AWS MLOps 분산학습 워크숍에서 SageMaker 기반 MLOps와 분산학습 사례·실습을 경험했습니다. 데이터 드리프트 모니터링과 재학습 자동화 가능성도 살펴봤습니다.
#AWS#SageMaker
000