AI/ML re:invent 2019 recap at Delivery Hero Korea

2. Which advertisement is better?

3. (b) advertisement may be better, isn’t it?

4. Why (b) advertisement is better? Climbing sunglasses Climbing shoes How about climbing gloves?

5. How to choose the most relevant advertisement? • may be easy to find, if a image has correct tags. • If so, how to tag millions of images in fast, cost- efficient way? • Machine Learning may save your life

6. VISION SPEECH TEXT SEARCH CHATBOTS PERSONALIZATION FORECASTING FRAUD DEVELOPMENT CONTACT CENTERS Ground Truth Augmented AI ML Marketplace Neo Built-in algorithms Notebooks Experiments Model training & tuning Debugger Autopilot Model hosting Model Monitor Deep Learning AMIs & Containers GPUs & CPUs Elastic Inference Inferentia (Inf1 instance) FPGA Amazon Rekognition Amazon Polly Amazon Transcribe +Medical Amazon Comprehend +Medical Amazon Translate Amazon Lex Amazon Personalize Amazon Forecast Amazon Fraud Detector Amazon CodeGuru AI SERVICES ML SERVICES ML FRAMEWORKS & INFRASTRUCTURE Amazon Textract Amazon Kendra Contact Lens For Amazon Connect SageMaker Studio IDE NEW NEW! NEW! NEW! NEW! NEW! NEW! NEW! NEW! NEW! NEW! Amazon SageMaker 모든 개발자를 위한 다양한 인공 지능 도구 제공

7. Automatic Image Tagging Automatic Image Recognition Amazon Rekognition

8. Architecture: Automatic Image Tagging Amazon Elasticsearch Service Amazon Kinesis Data Streams Amazon Rekognition Images AWS LambdaAmazon S3 bucket with images Amazon API Gateway L E A R N M O R E https://github.com/ksmin23/image-insights

9. 응용 사례: 고객 센터의 대화 정보 분석 Speech-To-Text Amazon Transcribe Sentimental Analysis Amazon Comprehend

10. Architecture: 고객 센터의 대화 정보 분석 Amazon Elasticsearch Service Amazon API GatewayVoice conversation AWS Lambda Amazon Kinesis Data Streams Amazon S3 bucket with speech-to-text files Amazon TranscribeAmazon Kinesis Data Streams AWS Lambda Amazon S3 bucket with voice files Amazon Comprehend

11. Contact Lens For Amazon Connect 테마 자동 감지 내장 된 자동 통화 녹음 자동 연락처 분류 강화 된 연락처 검색 실시간 감성 대시 보드 및 알림 고객 피드백을 기반으로 반복 문제 인식 제품 및 기능 언급 같은 특별한 유형의 대화 검색 고객의 심리에 따라 관심 통화 필터 가능 Connect에서 직접 전체 통화 내역 보기 통화 경험이 나쁜 경우 신속하게 식별 가능 고객과의 대화 데이터를 기반한 음성 인식, 자연어 처리를 통한 감정과 추세를 이해하는 인공 지능 서비스 L E A R N M O R E EUC214-R Contact Lens for Amazon Connect: New speech analytics powered by ML Preview – December 3 AI SERVICES Machine Learning

14. Amazon Fraud Detector 사전 구축 된 사기 탐지 모델 템플릿 맞춤형 사기 탐지 모델 자동 생성 아마존 내부 경험을 통한 다양한 패턴 Amazon SageMaker와의 통합 과거 평가 및 탐지 로직 검토 통합 기계 학습을 사용하여 온라인 사기를 대규모로 실시간으로 쉽게 감지 할 수 있는 사기 탐지 서비스 Preview – December 3 L E A R N M O R E AIM322-R - Introducing Amazon Fraud Detector: Detect more online fraud faster AI SERVICES Machine Learning

15. Amazon Fraud Detector Preview – December 3 L E A R N M O R E AIM322-R - Introducing Amazon Fraud Detector: Detect more online fraud faster AI SERVICES Machine Learning

16. Amazon CodeGuru 기반 지능형 코드 분석 및 권장 사항이 포함 된 코드 리뷰 도구 배포 전에 AWS 설정 오류 및 높은 컴퓨팅을 사용할 가능성 높은 코드 판별 다양한 프로파일을 통해 지연 시간 및 성능 향상을 손쉽게 식별 가능 CodeGuru Reviewer CodeGuru Profiler Machine Learning General Available – December 3 AI SERVICES L E A R N M O R E EUC214-R Contact Lens for Amazon Connect: New speech analytics powered by ML 소스 코드 리뷰 및 높은 비용이나 오류를 유발하는 코드 수정 또는 개선을 자동으로 해주는 개발팀을 위한 인공 지능 서비스 비용 기반 판별 아마존 내부 코드 및 상위 1만개 오픈 소스 프로젝트를 기반한 모델 기반 자바 언어 지원

17. CodeGuru Reviewer Flags critical defects and reliability issues in source code. Amazon CodeGuru Reviewer augments human code review process and does not replace it Pull Request Approval Merge Code Review Branch Make changes locally Amazon CodeGuru Reviewer

18. CodeGuru Reviewer

19. CodeGuru Reviewer - 코드 문제 식별 • AWS API 및 SDK 사용 모범 사례와 다른 부분 감지 • 성능 (예: 풀링) 또는 정확성 및 안전성 (예: 페이지 매김 누락) 문제들이 발생할 수 있는 코드 • 동시성(Concurrency) • 정확성 (예:동기화 누락) 또는 성능 문제 (예: 과도한 동기화) 가 발생하여 가용성을 저하시킬 수 있는 코드 • 리소스 누수 • 잘못 사용하면 (예: 데이터베이스 연결 미해제) 속도가 느려지고 가용성에 영향을 주는 코드 • 민감한 정보(개인 식별 정보) 유출 • 민감한 정보(예: 신용카드 번호 기록)가 유출 되어 보안 이슈를 발생 시킬 수 있는 코드 • 찾기 어려운 코드 결함 • 품질 향상을 위해서 개선이 필요한 코드 (예: 각 Lambda 호출 마다 클라이언트 미생성)

20. Customer’s application Profiler thread Customer’s application Profiler thread Customer’s application Profiler thread Customer’s application Profiler thread Actionable recommendations CodeGuru Profiler

22. CodeGuru Profiler – 가장 비경제적인 코드 찾기 • 성능 최적화 향상 시킬 수 있는 방법들을 찾도록 학습 ü 높은 대기 시간(latency) ü 높은 CPU 사용률 ü 낮은 처리량(throughput) • 문제 해결을 위한 풍부한 시각화 • 코드 수정 방법 권장 • 아마존에서 수년간 성능 엔지니어링 경험을 통해 학습한 지능형 프로파일러

23. AI Services 한 번에 정리하기 • Human-like • 보기(Vision) – Rekognition • 듣기 및 말하기(Speech) ü Polly(Text-To-Speech) ü Transcribe(Speech-To-Text) ü Transcribe Medicalnew • 읽기(Text) ü Comprehend ü Comprehend Medicalnew ü Textract • Common Applications • 예측 – Forecast • 추천 - Personalize • 검색 – Kendranew • 채팅 – Lex • 고객 센터 – Contact Lensnew • 사기 탐지 – Fraud Detectornew • 개발자 도구 – Code Gurunew

24. Revisit to the problem: Image Tagging Q1. How to customize?

25. Amazon Rekognition Custom Labels Machine Learning General Available AI SERVICES 데이터 준비 데이터 레이블 작업 모델 재학습 특화된 식별 고객이 직접 데이터 입력을 통한 고유 객체 및 장면을 감지 할 수 있는 맞춤형 이미지 분석 기능 제공 L E A R N M O R E AIM313- R Customize image analysis with Amazon Rekognition Custom Labels

26. Revisit to the problem: Image Tagging Q1. How to customize? Q2. How to build our own ML model?

28. Machine learning workflow Collect and prepare training data Scale and manage the production environment Set up and manage environments for training Choose and optimize your ML algorithm Train and tune models Deploy models in production

29. Amazon SageMaker 손쉬운 기계 학습 모델 생성, 훈련 및 서비스 배포 완전 관리 서비스 ML SERVICES Machine Learning Collect and prepare training data Choose and optimize your ML algorithm Hyper- parameter 최적화 Train and tune ML models Set up and manage training environments 원클릭 데이터 훈련 원클릭 배포 Deploy models in production 완전 관리 및 자동 스케일링 Scale and manage the production environment Jupyter Notebook 기반 서비스 데이터 레이블

30. Machine learning is iterative

31. Amazon SageMaker Studio 기계 학습 모델 개발 및 배포를 위한 최초의 완전 통합 개발 환경 (IDE) Machine Learning General Available – December 3 L E A R N M O R E AIM214-R Introducing Amazon SageMaker Studio, the first full IDE for ML ML SERVICES 코드 작성 없이 데이터를 가지고 자동 모델 생성 SageMaker Autopilot 코드 의존성 추적 없이 확장 가능한 노트북 공유 SageMaker Notebooks 수천 개의 모델 실험을 구성, 추적 및 비교 SageMaker Experiments 오류 자동 디버깅 및 실시간 오류 경보 SageMaker Debugger 모델 모니터링 및 고품질 유지 SageMaker Model Monitor

33. Build fast and collaborate

34. 개발자가 몇 초 만에 ML 노트북을 가동 후 한 번의 클릭으로 공유 할 수 있는 새로운 개발 환경 제공 Amazon SageMaker Notebooks Machine Learning Preview – December 3 L E A R N M O R E AIM230-R New Amazon SageMaker notebook experience: Share & collaborate at scale ML SERVICES 직원 자격 증빙으로 바로 개발 환경 접근 가능 관리자가 손쉽게 권한 및 접근 제어 가능 보안성 높은 완전 관리형 서비스 손쉬운 협업 환경 제공 클릭 한번으로 URL기반 공유 가능 싱글 사인온 (SSO)을 통한 손쉬운 접근 컴퓨팅 리소스 없이 서버리스 환경 별도의 설정이나 구동 불필요

36. Manage Experiments

37. 대규모 실험 추적 최상 결과 시각화 Python SDK & API 빠르게 반복 가능 실험 및 사용자의 매개 변수 및 측정 항목 추적 빠른 실험 구성 팀, 목표, 가설에 의해 구성 각 실험 간 시각화 및 비교 API를 사용하여 맞춤 측정 항목을 기록하고 모델 추적 반복 훈련을 통한 고품질 모델 개발 기계 학습 모델 훈련 실험을 구성, 추적 및 평가하는 완전 관리 서비스 Amazon SageMaker Experiments Machine Learning General Available – December 3 ML SERVICES SEOUL L E A R N M O R E AIM362-R Build, train & debug, and deploy & monitor with Amazon SageMaker

38. mnist_experiment = Experiment.create( experiment_name="mnist-hand-written-digits-classification", description="Classification of mnist hand-written digits", sagemaker_boto_client=sm) cnn_trial.add_trial_component(tracker.trial_component) cnn_trial = Trial.create( trial_name=trial_name, experiment_name=mnist_experiment.experiment_name, sagemaker_boto_client=sm, ) with Tracker.create(display_name="Preprocessing", sagemaker_boto_client=sm) as tracker: tracker.log_parameters({ "normalization_mean": 0.1307, "normalization_std": 0.3081, }) tracker.log_input(name="mnist-dataset", media_type="s3/uri", value=inputs) Tracker 생성 Experiment 생성 Trial 생성 estimator. fit()

40. Debug training runs

41. 자동 데이터 분석 기능 필수 훈련 데이터 캡처 자동 오류 감지 기능 알림에 의한 생산성 향상 시각적 분석 및 디버깅 코드 변경 없이 데이터 분석 및 디버깅 훈련 시 다양한 로그를 자동으로 저장 규칙에 따라 오류 자동 감지 알림 기반 수정 조치 수행 SageMaker Studio와 연계 가능 코드 변경없이 실시간으로 모델 훈련 실행 과정의 데이터 캡처 및 분석을 자동화하여 훈련 과정에 대한 완벽한 통찰력 제공 Amazon SageMaker Debugger Machine Learning General Available – December 3 L E A R N M O R E AIM216-R Intro to Amazon SageMaker Debugger: Get insights into ML model training ML SERVICES SEOUL

43. Monitor models

44. 자동 데이터 수집 지속적 모니터링 CloudWatch 통합 엔드포인트에서 배포한 모델 관련 데이터 자동 수집 CloudWatch 알림을 기반으로 수정 작업 자동화 시각적 데이터 분석 사전 정의 기준에 따라 모니터링 일정을 정의하고 품질 변화 감지 SageMaker Studio에서 모니터링 결과, 데이터 통계 시각화 및 통합 규칙에 따른 유연성 내장 규칙을 사용한 데이터 드리프트 감지 혹은 사용자 정의 분석을 위한 고유 규칙 작성 Machine Learning General Available – December 3 Amazon SageMaker Model Monitor L E A R N M O R E AIM213-R The new Amazon SageMaker Model Monitor: Address concept drift & model quality ML SERVICES SEOUL 모델을 지속적으로 모니터링하고 시간에 따라 모델 성능을 저하시킬 수 있는 편차를 감지하고 수정 조치를 취하는 서비스

46. Deploy models

47. Machine Learning Amazon SageMaker Multi-model Endpoints ML SERVICES SEOUL 여러 모델을 호스팅 할 수 있는 엔드포인트를 제공함으로써 호스팅 비용을 절감 시켜주는 서비스 학습된 모델을 Amazon S3에 저장 모델을 쉽게 배포 및 관리 단일 엔드포인트에서 모든 모델 제공 엔드포인트에 여러 모델 배포 동일한 엔드 포인트에서 여러 모델을 동시에 호출 대상 모델 호출 트래픽을 기준으로 관리되는 메모리 자동 메모리 처리 엔드포인트 및 인스턴스 활용도 향상 비용 대폭 절감

49. Revisit to the problem: Image Tagging Q1. How to customize? Q2. How to build our own ML model?

50. Architecture: Automatic Image Tagging Amazon Elasticsearch Service Amazon Kinesis Data Streams Amazon Rekognition Client AWS LambdaAmazon S3 bucket with images Amazon API Gateway

51. Architecture: Automatic Image Tagging Amazon Elasticsearch Service Amazon Kinesis Data Streams Amazon SageMaker Client AWS LambdaAmazon S3 bucket with images Amazon API Gateway TrainNotebook Model

53. 자동 모델 생성 자동 모델 튜닝을 통한 ML 모델 자동 생성 기존 AutoML의 단점을 극복하기 위해 모델 제어 및 가시성 확보를 기반으로 자동 모델 생성 및 관리 서비스 추천 및 최적화 기능 리더 보드 확보 및 모델 개선 계속 Machine Learning General Available – December 3 Amazon SageMaker Autopilot ML SERVICES SEOUL 가시성 및 데이터 제어 모델에 맞는 노트북 소스 코드 L E A R N M O R E AIM215-R Intro to Amazon SageMaker Autopilot: Auto-generate ML models 빠르게 시작 가능

56. Autopilot에서 자동으로 생성한 노트북

57. Machine Learning General Available – December 1 Amazon SageMaker Operators for K8S ML SERVICES Key Features L E A R N M O R E AIM326 Implement ML workflows with Kubernetes and Amazon SageMaker Kubernetes 기반 모델 훈련, 조정 및 배포를 위한 완전 관리형 서비스

58. Classification Computer Vision Topic Modeling Working with Text Recommendation Forecasting • Linear Learner • XGBoost • KNN • Image Classification • BlazingText • Supervised • Unsupervised • Factorization Machines • DeepAR • LDA • NTM Amazon SageMaker에서 제공하는 built-in algorithms Anomaly Detection • Random Cut Forests Sequence Translation • Seq2Seq • Object Detection Clustering • KMeans Feature Reduction • PCA • Object2Vec Regression • IP Insights • Semantic Segmentation • Linear Learner • XGBoost • KNN L E A R N M O R E https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html

59. Revisit to the problem: Image Tagging Q1. How to customize? Q2. How to build our own ML model? Q3. But, is it fast and costly enough?

60. VISION SPEECH TEXT SEARCH CHATBOTS PERSONALIZATION FORECASTING FRAUD DEVELOPMENT CONTACT CENTERS Ground Truth ML Marketplace Neo Augmented AI Built-in algorithms Notebooks Experiments Model training & tuning Debugger Autopilot Model hosting Model Monitor Deep Learning AMIs & Containers GPUs & CPUs Elastic Inference Inferentia FPGA Amazon Rekognition Amazon Polly Amazon Transcribe +Medical Amazon Comprehend +Medical Amazon Translate Amazon Lex Amazon Personalize Amazon Forecast Amazon Fraud Detector Amazon CodeGuru AI SERVICES ML SERVICES ML FRAMEWORKS & INFRASTRUCTURE Amazon Textract Amazon Kendra Contact Lens For Amazon Connect SageMaker Studio IDE Amazon SageMaker DeepGraphLibrary 모든 개발자를 위한 다양한 인공 지능 도구 제공

61. Predictions drive complexity and cost in production 90% Inference (Prediction) 10% Training

62. A closer look at GPU utilization for inference 0 100 200 300 400 500 600 700 800 900 1000 1 2 3 4 5 6 7 90% underutilized for single batch size inference

63. 0 50 100 150 200 1 2 3 4 5 6 More sessions doesn’t solve the problem

64. How cost effective are GPU instances for inference? Smaller P2 instances are more effective for real time inference with small batch sizes

65. Amazon Elastic Inference 기계 학습 추론 비용 최대 75% 절감 ML FRAMEWORKS & INFRASTRUCTURE Key Features • Integrated with Amazon EC2, ECS, and Amazon SageMaker • Support for TensorFlow, Apache MXNet, and ONNX, with PyTorch coming soon • Single and mixed-precision operations L E A R N M O R E https://aws.amazon.com/ko/machine-learning/elastic-inference/ Machine Learning General Available - 2018 re:invent

66. Amazon EC2 Inf1 Instances Machine Learning General Availability – December 3 L E A R N M O R E CMP324: Deliver high performance ML inference with AWS Inferentia Inf1은 GPU 기반 G4 인스턴스와 비교하여 최대 3 배 더 높은 처리량과 추론 당 비용을 최대 40 % 절감 클라우드에서 가장 빠르고 저렴한 기계 학습 추론용 인스턴스로서 AWS에서 설계 한 최초의 맞춤형 ML 칩인 AWS Inferentia 기반 ML FRAMEWORKS & INFRASTRUCTURE

67. ML inference deployment in Amazon EC2 커스텀 칩 EC2 Inf1 인스턴스 GPU 기반 EC2 G4 인스턴스 CPU 기반 EC2 C5 인스턴스 일반적인 ML 프레임 워크를 활용하는 애플리케이션 CUDA, CuDNN, TensorRT 라이브러리에 접근이 필요한 어플리케이션 성능에 민감도가 상대적으로 낮은, 작은 모델들 AWS Inferentia 제공 NVIDIA T4 GPUs 기반 Amazon EC2 G4 인스턴스 AVX-512/VNNI 명령어세트를 지원하는 Intel Skylake CPUs 사용 • 클라우드에서의 ML 추론에 가장 적합한 가성비를 가짐 • G4 인스턴스와 비교해서 추론 당 40% 더 저렴하고, 3배 더 높은 처리량 제공 바로 사용 가능! 이미 출시됨 이미 출시됨 Featuring AW S Inferentia

68. Wrap-up: AI/ML Stack을 활용한 문제 해결 순서

72. Amazon Transcribe Medical 사용 하기 손쉬운 API 기반 정확한 의료 데이터 인식 저렴한 비용으로 활용 가능 Machine Learning General Available – December 3 AI SERVICES 의료 진료 시 임상의와 환자의 음성을 텍스트로 변환하도록 설계된 음성 인식 기능 L E A R N M O R E AIM210 - Announcing Amazon Transcribe Medical: Transforming Healthcare with AI

73. Amazon Kendra 다양한 데이터 소스 (S3, Sharepoint, 파일 서버, HTTP 등) 기계 학습 기반 자연어 처리 및 질의 지식 도메인 기반 학습 가능 간단한 API 및 콘솔 코드 샘플 제공 피드백에 따른 딥러닝 모델 학습 Machine Learning Preview – December 3 AI SERVICES 기업 내부 문서 및 데이터에 대한 기계 학습 기반 분석 기반 엔터프라이즈 검색 서비스 L E A R N M O R E AIM208-R Announcing Amazon Kendra: Transform the way you search and interact with enterprise data using AI 원하는 것을 쉽게 검색 간단하고 빠른 설정

74. 즉각적으로 더 나은 답변 제시 자연어 질의 사용 간단한 API 및 콘솔 코드 샘플 제공 • “IT 헬프 데스크가 정오에 문을 여나요?“ • “VPN에 연결하려면 어떻게 해야 하나요?”

75. 클릭 몇 번으로 모든 데이터 색인 하기

76. 관련성 조정

77. 사전 또는 사후 처리 ML 모델 평가 워크로드 실행 서비스 SageMaker기반 혹은 맞춤형 컨테이너 지원 Bring your own script 맞춤형 프로세싱 클러스터에 대한 분산 처리 제공 완전 관리형 리소스 자동 생성, 구성 및 종류 자동 생성 및 종료 SageMaker의 보안 및 규정 준수 기능 활용 보안 및 규정 준수컨테이너 지원 Amazon SageMaker Processing Machine Learning General Available – December 3 ML SERVICES L E A R N M O R E AIM362-R Build, train & debug, and deploy & monitor with Amazon SageMaker SEOUL

78. # Built-in Scikit Learn Container from sagemaker.sklearn.processing import SKLearnProcessor processor = SKLearnProcessor(framework_version='0.20.0', role=role, instance_type='ml.m5.xlarge', instance_count=1) # Your Own Container from sagemaker.processing import ScriptProcessor processor = ScriptProcessor(image_uri='123456789012.dkr.ecr.us-west-2. amazonaws.com/sagemaker-spacy-container:latest’, role=role, instance_count=1, instance_type='ml.m5.xlarge') from sagemaker.processing import ProcessingInput, ProcessingOutput processor.run( code='preprocessing.py', inputs=[ProcessingInput( source='dataset.csv', destination='/opt/ml/processing/input')], outputs=[ProcessingOutput(source='/opt/ml/processing/output/train'), ProcessingOutput(source='/opt/ml/processing/output/validation'), ProcessingOutput(source='/opt/ml/processing/output/test')] ) Processing Container s3://bucket/path /to/output_data s3://bucket/path /to/input_data Instance 1 Cluster /opt/ml/processing/ input /opt/ml/processing/ output

79. A2I를 사용하면 기계 학습 워크 플로우에서 사람이 직접 검토를 쉽게 구현하여 복잡한 결정의 정확성, 속도 및 규모 향상 가능 Amazon Augmented AI (A2I) Machine Learning General Available – December 3 L E A R N M O R E AIM325 - Intro to Amazon Augmented AI for human review of ML predictions, featuring VidMob ML SERVICES 클라이언트에서 데이터 전송 AWS AI 서비스나 맞춤형 모델이 예측 생성 S3에 결과 저장 1 2 4 낮은 신뢰도 예측은 사람을 통해 작업하기 위해 전달 3 높은 신뢰도의 예측이 클라이언트 애플리케이션에 바로 반환 6 Amazon Rekognition Amazon Textract 5 A2I 답변 통합 알고리즘을 사용하여 통합된 리뷰 클라이언트 어플리케이션

80. Sent for human review: Amazon Textract 작업자(Worker)가 잘못된 철자를 수정

81. Sent for human review: Amazon Rekognition

AI/ML re:invent 2019 recap at Delivery Hero Korea

AI/ML re:invent 2019 recap at Delivery Hero Korea

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados(20)

Similar a AI/ML re:invent 2019 recap at Delivery Hero Korea

Similar a AI/ML re:invent 2019 recap at Delivery Hero Korea(20)

Mais de Sungmin Kim

Mais de Sungmin Kim(11)

AI/ML re:invent 2019 recap at Delivery Hero Korea