AWS Serverless 기반 ML 예측 모델을 통한 사용자 맞춤형 알림 최적화 엔진 설계
Building an ML-Powered Notification Routing Engine on AWS
예측 중심 ML과 생성 중심 GenAI의 AWS 아키텍처 전략 비교 분석
Generative AI vs Traditional Machine Learning on AWS
LLM의 한계를 넘는 SageMaker MLOps 기반 AI Agent 설계 전략
Building Scalable MLOps with Amazon SageMaker + AI Agents (Production Guide)
모델 중심에서 시스템 중심으로, SageMaker를 통한 ML Ops 구현 전략
Part 1: Understanding Amazon SageMaker
개발자가 Google Cloud AI Platform, Amazon SageMaker, Hugging Face Transformers 등 3가지 ML 플랫폼을 활용해 AI 모델을 배포 및 수익화하는 방법 제시
AI Tools That Actually Pay You Back: A Developer's Guide to Monetizing Machine Learning
AWS News Blog
AWS가 Amazon SageMaker Inference에 커스텀 Amazon Nova 모델 지원을 추가해 G5/G6 인스턴스 기반 배포와 5분 단위 자동 스케일링으로 추론 비용 최적화 제공
Announcing Amazon SageMaker Inference for custom Amazon Nova models
AWS가 Hugging Face Embedding Container를 SageMaker에 출시해 오픈소스 임베딩 모델을 Text Embedding Inference로 배포 가능하게 함
Introducing the Hugging Face Embedding Container for Amazon SageMaker
Meta의 Llama 2를 Amazon SageMaker에 배포하기 위해 60가지 구성을 벤치마킹하여 비용·처리량·지연시간별 최적 배포 전략 제시
Llama 2 on Amazon SageMaker a Benchmark
Fetch가 Amazon SageMaker와 Hugging Face를 도입해 ML 파이프라인의 처리 지연을 50% 단축하고 문서 이해 모델 정확도를 200% 향상
Fetch Cuts ML Processing Latency by 50% Using Amazon SageMaker & Hugging Face
Hugging Face가 Text Generation Inference 기반 LLM 추론 컨테이너를 Amazon SageMaker에 도입해 오픈소스 LLM의 배포·서빙 프로세스 단순화
Introducing the Hugging Face LLM Inference Container for Amazon SageMaker
Hugging Face와 Amazon이 SageMaker용 추론 DLC를 출시해 Transformer 모델을 한 줄의 코드로 배포 가능하게 구현
Deploy Hugging Face models easily with Amazon SageMaker