오영훈 지사, 국제관계대사에 고윤주 전 주미국 공사 임용

제주특별자치도는 12일 고윤주 전 주미국 공사를 제주 국제관계대사로 임용했다고 밝혔습니다. 국제관계대사는 지방자치단체의 국제관계 역량 강화를 위해 외교부에서 재외공관 근무경력 등 전문성 높은 외무공무원을추천받아 도지사가 임용합니다. 신임 고윤주 국제관계대사는 외무고시 29회로 외교부 주미국 대사관 공사와 외교부 북미국장, 주뉴욕 영사, 주시안 부총영사 등을 역임한 바 있습니다. 고윤주 대사는 외교부에서의 안보 및 경제협력 분야 추진 경험을 바탕으로 제주도의 대외경제, 국제행사 유치, 국제교류협력사업 등에 대한 자문과 지원 역할을 수행할 예정입니다. 제주도는 국제관계대사가 신규 임용됨에 따라 코로나19로 침체.......

청약 2일차 실시간 경쟁률 및 팁 / BNK제1호스팩, 드래곤플라이

오늘은 청약 2일차입니다. 오늘 청약이 마무리 됩니다. 1. 청약시간 청약 시간은 오전 8시부터 오후 4시까지입니다. 2. 공모가 및 최소청약단위 BNK제1호스팩은 최소 청약단위가 10주입니다. 드래곤플라이는 최소 청약단위가 100주입니다. 드래곤플라이는 공모주가 아닌 실권주 청약이기에 균등배정이 없이 100% 비례로만 진행되는 점 주의하시기 바랍니다. 3. 증권사 별 청약한도 및 주의사항 4. 1일차 경쟁률 1일차 경쟁률이 모두 1대 1도 되지 않습니다. 스팩의 성적이 좋지 않았고, BNK제1호스팩은 특히나 기관들에게도 인기가 없었습니다. 드래곤플라이의 현재 주가와의 차이는 29.2%입니다. 5. 실시간참여 해당 게시물에 제가 주도적으로 참.......

? 미·중 무역 갈등, 이젠 화폐 전쟁으로?

시진핑 중국 국가주석이 7년 만에 사우디를 방문하고 이번 주말 돌아왔습니다. 미국과 부쩍 소원해진 두 나라 정상 간의 만남이라, 이번 방문에 더욱 관심이 모였었는데요. 아니나 다를까 미국을 크게 자극할 만한 이슈가 나왔습니다. 바로 중국이 석유를 거래할 때 자국 위안화를 쓸 수 있게 하자고 사우디 등 산유국들에 제안한 겁니다.

후기 개선 프로젝트가 끝이 아닌 시작인 이유

후기의 진화는 지금부터

AWS Data Exchange for Amazon S3(미리 보기) 발표

AWS Data Exchange for Amazon S3의 미리 보기가 발표되었습니다. 데이터 구독자는 새롭게 제공되는 이 기능을 사용하여 데이터 공급자의 Amazon Simple Storage Service(Amazon S3) 버킷에서 타사 데이터 파일에 직접 액세스할 수 있습니다. 데이터 사본을 생성하거나 관리하지 않고도 AWS 서비스를 통한 데이터 분석에 타사 데이터 파일을 손쉽게 사용하려는 구독자, 그리고 Amazon S3 버킷에서 호스트되는 데이터에 대한 현재 위치 액세스 기능을 제공하려는 데이터 공급자가 이 기능을 활용할 수 있습니다.

Amazon SageMaker Data Wrangler, 이제 40개 이상의 타사 애플리케이션을 데이터 원본으로 지원

오늘 AWS는 Amazon AppFlow와의 통합을 통해 기계 학습(ML)용 데이터 원본으로 40개 이상의 타사 애플리케이션에 대한 Amazon SageMaker Data Wrangler 지원의 정식 출시를 발표했습니다. Amazon SageMaker Data Wrangler는 기계 학습(ML)을 위해 데이터를 집계하고 준비하는 시간을 몇 주에서 몇 분으로 단축합니다. ML용 고품질 데이터 준비는 여러 도구를 사용하여 다양한 원본과 형식에 걸쳐 데이터를 집계해야 하기 때문에 종종 복잡하고 시간이 많이 소요됩니다. SageMaker Data Wrangler를 통해 Amazon S3, Amazon Athena, Amazon Redshift, Snowflake, Databricks 및 Salesforce Customer Data Platform 같은 다양한 인기 있는 원본에서 데이터를 알아보고 가져올 수 있습니다. 오늘부터 고객은 Amazon AppFlow를 통해 Salesforce Marketing, SAP, Google Analytics, LinkedIn 등

Amazon Redshift, 이제 Amazon S3에서 자동 복사 기능 지원

Amazon Redshift는 자동 복사 기능 지원의 미리 보기를 출시하여 Amazon S3에서 Amazon Redshift로 데이터 로드를 간소화합니다. 이제 지속적인 파일 수집 규칙을 설정하여 Amazon S3 경로를 추적하고 추가 도구나 사용자 지정 솔루션 필요 없이 자동으로 새로운 파일을 로드할 수 있습니다. 

Amazon Aurora 및 Amazon RDS의 PostgreSQL용 신뢰할 수 있는 언어 확장 발표

PostgreSQL용 신뢰할 수 있는 언어 확장은 PostgreSQL에서 안전하게 실행되는 고성능 확장을 구축하는 데 활용할 수 있는 새로운 오픈 소스 개발 키트입니다. 개발자는 신뢰할 수 있는 언어 확장을 통해 Amazon Aurora PostgreSQL-Compatible Edition 및 Amazon Relational Database Service(RDS) for PostgreSQL에서 신뢰할 수 있는 언어로 작성된 확장을 설치할 수 있습니다.

Amazon SageMaker의 섀도우 테스트 지원 발표

이제 Amazon SageMaker에서 섀도우 테스트가 지원되므로 새 기계 학습(ML) 모델을 프로덕션 모델과 비교하여 성능을 검증할 수 있습니다. 섀도우 테스트에서는 최종 사용자가 영향을 받기 전에 발생 가능한 구성 오류와 성능 문제를 파악할 수 있습니다. SageMaker 사용 시에는 섀도우 테스트용 인프라를 몇 주에 걸쳐 구축할 필요가 없으므로 프로덕션 환경에 모델을 더 빠르게 릴리스할 수 있습니다.

실시간/배치 추론 및 추가 구성을 위해 처리 작업에 SageMaker Data Wrangler 배포

Data Wrangler에서 생성한 데이터 준비 흐름을 실시간 및 배치 직렬 추론 파이프라인에 배포하는 작업, 그리고 Amazon SageMaker Data Wrangler에서 수행하는 Data Wrangler 처리 작업용 추가 구성의 지원이 오늘 발표되었습니다. 

새로운 Amazon SageMaker용 ML 거버넌스 도구 발표

오늘 Amazon SageMaker용 목적별 도구 3개가 새로 발표되었습니다. 이러한 도구를 활용하면 기계 학습(ML) 모델의 수명 주기 전반을 더욱 명확하게 파악하고 액세스를 간편하게 제어하여 ML 프로젝트 거버넌스 방식을 개선할 수 있습니다. Amazon SageMaker Role Manager에서는 몇 분 만에 사용자의 최소 권한을 정의하고 새 사용자를 더욱 빠르게 온보딩할 수 있습니다. SageMaker Role Manager를 사용하면 ML 활동의 권한을 간편하게 설정할 수 있으며 구체적인 요구에 따라 사용자 지정 정책을 자동 생성할 수 있습니다.

Amazon SageMaker Data Wrangler, 이제 노트북에서 기본 데이터 준비 기능 제공

Amazon SageMaker Data Wrangler를 사용하면 ML용 데이터를 집계하고 준비하는 데 걸리는 시간을 몇 주에서 몇 분으로 단축할 수 있습니다. 또한 데이터 준비 및 특성 추출 프로세스도 간편하게 진행할 수 있으며, 코드를 거의 사용하지 않는 시각적 인터페이스에서 데이터 선택, 시각화, 정리, 준비를 비롯한 데이터 준비 워크플로의 각 단계를 완료할 수 있습니다. 대다수 ML 전문가는 노트북에서 데이터 세트를 직접 탐색하여 정보 누락, 극한 값, 스큐된 데이터 세트, 바이어스 등 발생 가능한 데이터 품질 문제를 찾아내고자 합니다. 그러면 해당 문제를 해결하여 ML 모델 훈련용 데이터를 더 빨리 준비할 수 있기 때문입니다. ML 전문가가 용 코드를 작성하여 데이터 세트의 각 부분을 시각화 및 검사한 다음

이제 Amazon SageMaker Studio에서 실시간 공동 작업 지원

기계 학습(ML)용 완전 통합 개발 환경(IDE)인 Amazon SageMaker Studio에서 ML 전문가는 데이터 준비, 모델 구축, 훈련, 튜닝, 배포 등 기계 학습 워크플로의 모든 단계를 수행할 수 있습니다. 여러 ML 팀이 더욱 빠르게 실시간으로 공동 작업을 진행하는 데 활용할 수 있는 SageMaker Studio의 새 기능이 오늘 발표되었습니다.

새롭게 설계된 Amazon SageMaker Studio의 사용자 인터페이스 발표

Amazon SageMaker Studio는 사용자가 데이터 준비부터 기계 학습 모델 구축, 훈련, 배포에 이르기까지 모든 기계 학습(ML) 개발 단계를 수행하기 위해 목적별 도구를 이용할 수 있는 단일 웹 기반 시각적 인터페이스를 제공하는 통합 개발 환경(IDE)입니다. 오늘 새롭게 설계된 Amazon SageMaker Studio의 사용자 인터페이스가 발표되었습니다. SageMaker Studio의 전반적인 디자인과 탐색/검색 기능이 개선된 새로운 사용자 인터페이스에서는 향상된 사용자 경험을 제공합니다.

MLOps 워크플로를 손쉽게 자동화하기 위해 Amazon SageMaker Pipelines에서 Amazon SageMaker Autopilot 실험 시작

코드를 거의 사용하지 않는 기계 학습(ML) 서비스인 Amazon SageMaker Autopilot은 데이터를 기반으로 하여 최적의 ML 모델을 자동으로 구축하여 훈련시키며 튜닝합니다. 이제는 이 서비스가 최초의 ML용 목적별 지속적 통합/지속적 전달(CI/CD) 서비스인 Amazon SageMaker Pipelines와 통합되어 제공됩니다. 그러므로 SageMaker Autopilot을 사용하여 ML 모델을 구축한 다음 후속 CI/CD 단계에 통합하는 엔드 투 엔드 흐름을 자동화할 수 있습니다.

AWS Glue의 AWS Glue Data Quality(미리 보기) 발표

AWS Glue의 AWS Glue Data Quality 미리 보기가 발표되었습니다. Data Quality는 데이터 레이크 및 데이터 파이프라인 품질을 자동으로 측정하고 모니터링하는 새로운 기능입니다. AWS Glue는 여러 소스에서 데이터를 더욱 효율적으로 검색, 준비, 이동 및 통합할 수 있도록 하는 확장 가능한 서버리스 데이터 통합 서비스입니다. 현재는 시간이 많이 걸리는 수동 데이터 품질 관리 방식이 널리 사용되고 있습니다. 수동 방식에서는 데이터 품질 규칙을 설정한 후 해당 규칙을 기준으로 하여 데이터를 반복적으로 검증해야 하며, 코드를 작성하여 품질 저하 시 표시되는 알림도 설정해야 합니다. 분석가는 수동으로 데이터를 분석하고 규칙을 작성한 다음 이러한 규칙을 구현하는 코드를 작성해야 합니다. 

AWS Machine Learning University, 고등 교육을 위한 교육자 지원 프로그램 발표

이제 AWS Machine Learning University에서 미국 내 지역 전문 대학, 소수자 대상 교육 기관(MSI) 및 흑인 대학(HBCU)를 중심으로 운영되는 무료 교육자 지원 프로그램을 제공합니다. 교육자는 이러한 도구를 활용하여 데이터 관리(DM), 인공 지능(AI) 및 기계 학습(ML) 분야에서 독립 실행형 과정, 자격증 취득 또는 학위 취득 과정을 시작할 수 있습니다. 이 프로그램의 목표는 더욱 다양하며 광범위한 사회 초년생들이 DM/AI/ML 분야의 구직 활동을 더욱 원활하게 진행하도록 지원하는 것입니다. 이 프로그램에서는 강의에 즉시 활용 가능한 DM/AI/ML 관련 교육 자료 라이브러리, 무료 컴퓨팅 용량, 그리고 ML 전문가를 위해 제공되는 Amazon 내부용 학습 프로그램인 MLU를 토대로 제작된 포괄적인 교직원 전문가 개발 과정 등 즉시 사용 가능한 도구 모음을 교직원에게 제공합니

이제 Amazon Athena에서 Apache Spark 지원

이제 Amazon Athena에서 Apache Spark를 지원합니다. Apache Spark는 크기에 관계없이 모든 데이터를 대상으로 고속 분석 워크로드를 실행할 수 있도록 최적화된 인기 오픈 소스 분산 처리 시스템입니다. 대화형 쿼리 서비스인 Athena를 사용하면 데이터 레이크, 데이터베이스, 기타 데이터 저장소 등 저장된 위치에 관계없이 페타바이트 단위의 대량 데이터를 쿼리할 수 있습니다. Amazon Athena for Apache Spark에서는 SQL뿐 아니라 Spark에서도 Athena의 간소화된 대화형 서버리스 경험을 사용할 수 있습니다.

이제 Amazon SageMaker Studio에서 노트북 코드를 프로덕션 환경에 적용 가능한 작업으로 자동 변환하는 기능 지원

기계 학습(ML)용 완전 통합 개발 환경(IDE)인 Amazon SageMaker Studio에서 ML 전문가는 데이터 준비, 모델 구축, 훈련, 튜닝, 배포 등 기계 학습 워크플로의 모든 단계를 수행할 수 있습니다. 노트북 코드를 프로덕션 환경에 적용 가능한 작업으로 자동 변환하는 SageMaker Studio 노트북의 새로운 기능이 오늘 발표되었습니다.

책임감 있는 AI 기술 사용을 위한 새로운 리소스인 AWS AI 서비스 카드 발표

AWS AI 서비스를 더욱 명확하게 설명하는 동시에, 고객이 AWS AI 서비스와 이러한 서비스를 책임감 있는 방식으로 사용하는 방법을 더 자세히 파악할 수 있도록 제공되는 새로운 리소스인 AWS AI 서비스 카드가 발표되었습니다. 서비스 카드는 책임감 있는 AI 사용 방식을 제시하는 일종의 ‘설명서’라 할 수 있습니다. 고객은 서비스 카드를 통해 적절한 AI 사용 사례 및 제한 사항, 책임감 있는 AI 솔루션 설계를 위한 선택 항목, 그리고 AWS AI 서비스의 최적 배포 및 운영 사례 관련 정보를 한 곳에서 확인할 수 있습니다. 이러한 서비스 카드는 AWS가 공정성, 안정성, 설명 가능성, 거버넌스, 투명성, 개인 정보 보호, 보안을 고려하여 책임감 있는 방식으로 서비스를 구축하기 위해 진행하는 포괄적인 개발 프로세스의 일환으로 제공됩니다.