2025년, Amazon SageMaker AI는 핵심 인프라 제공에서 용량, 가격 성능, 관측성, 사용성 등 네 가지 차원에서 혁신적인 개선을 이루었다. 이번 시리즈에서는 이러한 다양한 개선 사항과 이점에 대해 논의된다. 첫 번째 파트에서는 유연한 트레이닝 계획의 출시로 용량 개선을 논의한다. 또한 추론 워크로드의 가격 성능 개선에 대해 설명한다.

2025년, Amazon SageMaker AI는 여러 개선 사항을 도입하여 생성적 AI 워크로드의 교육, 조정 및 호스팅을 지원했습니다. 이 글에서는 관측성, 모델 맞춤 및 모델 호스팅을 개선한 내용을 다루고 있습니다. 이러한 개선으로 SageMaker AI에서 새로운 고객 사용 사례를 지원할 수 있었습니다.

CLICKFORCE가 AWS 서비스를 활용해 Lumos를 구축하여, 광고 업계 분석을 수작업으로 수주간이 걸리던 프로세스를 자동화된 1시간 프로세스로 변환했다.

본문에서는 서버리스 데이터 호수 아키텍처를 활용하여 안전한 RAG 애플리케이션을 구축하는 방법을 탐구합니다. Amazon S3, Amazon DynamoDB, AWS Lambda, Amazon Bedrock Knowledge Bases 등 AWS 서비스를 사용하여 비정형 데이터 자산을 지원하고 구조화된 데이터로 확장할 수 있는 종합 솔루션을 만드는 방법을 다룹니다. 기업 데이터에 대한 세밀한 액세스 제어를 구현하고 보안 경계를 준수하는 메타데이터 기반 검색 시스템을 설계하는 방법을 다루며, 이러한 접근법은 조직의 데이터 가치를 극대화하고 견고한 보안 및 규정 준수를 유지하는 데 도움이 됩니다.

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.

AWS 서비스와 오픈 소스 도구를 통합하여 조직 내 강력한 레드 팀 매커니즘을 구축하는 방법에 대해 탐구합니다. 구체적으로 Data Reply의 레드 팀 솔루션을 소개하며 AI 안전 및 책임 있는 AI 실천을 강화하는 포괄적인 청사진을 논의합니다.