Amazon Machine Learning

AWS 사례 연구: Hudl은 Amazon Redshift와 Amazon Machine Learning을 사용하여 스포츠 경기에 대한 예측 분석 실행

"Hudl은 코치와 운동선수가 경기를 준비하고 경쟁팀보다 앞서나가는 방법을 혁신적으로 바꿉니다."

AWS 사례 연구: Upserve 및 Amazon Machine Learning

"Amazon Machine Learning을 사용하면서 저녁 시간대에 레스토랑을 방문할 전체 고객 수를 예측할 수 있게 되었습니다."

AWS 사례 연구:BuildFax 및 Amazon Machine Learning

BuildFax가 더 빠른 결과를 위해 Amazon Machine Learning을 사용해 "예측 모델 구축 과정을 대중화"한 방법을 확인하십시오.

AWS 사례 연구: AdiMap 및 Amazon Machine Learning

스타트업인 AdiMap은 Amazon Machine Learning을 사용하여 "규모에 따른 금융 인텔리전스를 지원함으로써 사용자와 고객에게 경쟁 우위"를 제공합니다.
 

AWS 사례 연구:Fraud.net 및 Amazon Machine Learning

선도적인 크라우드소싱 사기 탐지 플랫폼인 Fraud.net은 복잡성을 줄이고 새롭게 등장하는 사기 패턴을 이해하기 위해 Amazon Machine Learning을 사용합니다.

Amazon Machine Learning API와 마법사를 사용하면 어느 개발자나 손쉽게 Amazon Simple Storage Service(S3), Amazon Redshift 또는 Amazon Relational Database Service(RDS)의 MySQL 데이터베이스에 저장되어 있는 데이터에서 기계 학습 모델을 생성 및 미세 조정하고 생성한 모델에 대한 예측을 쿼리할 수 있습니다. 내장 데이터 프로세서, 확장 가능한 기계 학습 알고리즘, 대화형 데이터와 모델 시각화 도구, 품질 경고 등을 통해 모델을 빠르게 구축하고 조정할 수 있도록 지원합니다.

Amazon Machine Learning은 관리형 서비스로 엔드–투–엔드 모델 생성, 배포 및 모니터링을 제공합니다. 모델이 준비되면, 애플리케이션에 대한 예측을 빠르고 안정적으로 생성하여 기계 학습 인프라의 구축, 확장 및 유지 보수에 시간을 소모하거나 투자할 필요가 없습니다.

Amazon Machine Learning 예측 API를 사용하면 애플리케이션에 대한 수십억 개의 예측을 생성할 수 있습니다. 배치 예측 API를 사용하여 대량의 데이터 레코드에 대한 예측을 동시에 요청하거나, 실시간 API를 사용하여 개별 데이터 레코드에 대한 예측을 할 수 있습니다. 이러한 예측은 대화형 웹, 모바일 또는 데스크톱 애플리케이션에서 사용할 수 있습니다.

Amazon Machine Learning은 설치 비용이 없고 종량 과금제로 지불하게 되므로, 작게 시작하여 애플리케이션이 증가함에 따라 확장할 수 있습니다.

Amazon Machine Learning은 Amazon이 공급망 관리, 부정 거래 식별 및 카탈로그 조직과 같은 중요 기능을 수행 시에 사용하는 기술과 동일한, 확장성이 높고, 입증된 기계 학습 기술을 기반으로 합니다.