Amazon SageMaker Canvas는 새로운 대화형 제품 둘러보기 및 다양한 사용 사례를 위한 샘플 데이터 세트로 온보딩을 가속화합니다. Amazon SageMaker Canvas는 시각적 포인트 앤 클릭 인터페이스로, 비즈니스 분석가가 기계 학습 경험이나 한 줄의 코드 작성 없이 인사이트 및 예측을 위한 정확한 기계 학습(ML) 모델을 스스로 생성할 수 있도록 합니다.

이제 SageMaker Experiments는 SageMake에서 수행된 훈련 작업의 결과를 더 잘 이해하는 데 도움이 되는 세분화된 지표와 그래프를 지원합니다. Amazon SageMaker Experiments는 Amazon SageMaker에 있는 기능으로, 기계 학습(ML) 실험을 구성, 추적, 비교, 평가할 수 있게 합니다. 이번 출시로, 정밀도 및 재현율(PR) 곡선, 수신기 작동 특성(ROC 곡선) 및 혼동 행렬을 볼 수 있습니다. 이러한 곡선을 사용하여 오탐지/미탐지를 이해하고, SageMaker에서 훈련된 모델의 성능과 정확도 간의 균형을 이해할 수 있습니다. 또한 여러 훈련 실행을 더 잘 비교하고 사용 사례에 가장 적합한 모델을 식별할 수 있습니다.

Amazon Aurora PostgreSQL 호환 버전은 이제 Large Objects(LO) 모듈을 지원합니다. LO 모듈은 Large Objects(LO 또는 BLOB라고도 함) 관리를 지원합니다.

오픈 소스 커뮤니티에서 PostgreSQL 데이터베이스 업데이트 소식을 발표한 데 이어, Amazon Aurora PostgreSQL 호환 버전에서 PostgreSQL 13.7, 12.11, 11.16 및 10.21을 지원하도록 업데이트했습니다. 이번 릴리스에는 PostgreSQL 커뮤니티의 버그 수정 및 개선 사항이 포함되어 있습니다. 업그레이드 빈도와 업그레이드 프로세스를 계획하는 방법을 결정하는 데 도움이 되도록 Aurora 버전 정책을 참조하세요.

오늘부터 SageMaker Data Wrangler에서 SageMaker Autopilot을 호출하여 기계 학습 모델을 자동으로 훈련하고 튜닝하고 구축할 수 있습니다. SageMaker Data Wrangler는 기계 학습(ML)을 위해 데이터를 집계하고 준비하는 시간을 몇 주에서 몇 분으로 단축합니다. SageMaker Autopilot은 데이터에 기반해 최상의 기계 학습 모델을 자동으로 구축, 훈련 및 튜닝하는 동시에, 완전한 제어와 가시성을 유지 관리할 수 있습니다. 이전에는 고객이 Data Wrangler를 사용하여 기계 학습을 위한 데이터를 준비하고 Autopilot을 사용하여 기계 학습 모델을 독립적으로 학습했습니다. 이 통합을 통해 이제 SageMaker Data Wrangler에서 데이터를 준비하고 모델 훈련을 위해 SageMaker Autopilot으로 쉽게 내보낼 수 있습니다. 몇 번의 클릭만으로 기계 학습 모델을 자동으로 구축, 훈련 및 튜닝할 수 있으므로 더

Amazon Transcribe는 음성을 텍스트로 변환하는 기능을 애플리케이션에 쉽게 추가할 수 있게 지원하는 자동 음성 인식(ASR) 서비스입니다. 오늘, AWS GovCloud(미국) 리전에서 Amazon Transcribe 스트리밍 API를 사용할 수 있음을 기쁜 마음으로 알려 드립니다.

Amazon AppFlow는 고객이 클릭 몇 번으로 AWS 서비스와 SaaS(Software-as-a-Service) 애플리케이션 간에 데이터를 안전하게 전송할 수 있게 하는 완전관리형 통합 서비스로, 이제 Salesforce Marketing Cloud를 소스로 지원합니다. Salesforce Marketing Cloud는 B2B 및 B2C 고객을 위한 최고의 마케팅 자동화 플랫폼으로 기업이 여러 채널과 디바이스에서 관련이 있고 개인화된 경험을 제공할 수 있도록 지원합니다. 이번 출시로, AppFlow 고객은 이제 캠페인 및 활동과 같은 Salesforce Marketing Cloud 데이터를 AWS로 수집하여 추가로 분석하고 보강할 수 있습니다. 이번 출시로, AppFlow는

Amazon Connect 예측, 용량 계획 및 일정 설정을 이제 아시아 태평양(시드니) AWS 리전 리전에서 사용할 수 있습니다. 기계 학습 기반 기능을 통해 고객 센터 관리자는 높은 정확도로 고객 응대 볼륨 및 평균 처리 시간을 예측하고, 이상적인 인력 수준을 결정하며, 에이전트 일정을 최적화하여 적시에 적절한 에이전트를 확보할 수 있습니다. 이는 기업이 운영을 최적화하고 서비스 수준 목표를 달성하며 에이전트 및 고객 만족도를 개선하는 데 도움이 됩니다. 클릭 한 번이면 시작할 수 있으므로 사용자 지정 애플리케이션을 구축하거나 타사 제품과 통합할 필요가 없습니다.

Amazon Aurora PostgreSQL 호환 버전은 이제 제로 다운타임 패치(ZDP)를 지원합니다. ZDP를 통해 고객은 새로운 PostgreSQL 버전으로 업그레이드하고 가동 중단 없이 Aurora 클러스터에 패치를 적용할 수 있습니다.

오늘부터 고객은 AWS Systems Manager 변경 관리자를 사용하여 변경 요청에 해당하는 CloudTrail 이벤트 로그를 볼 수 있습니다. 이 통합은 고객이 변경 요청의 영향을 받은 리소스를 이해하는 데 도움이 되며 따라서 변경 요청 실행에 대한 더 많은 가시성을 제공합니다. AWS Systems Manager 변경 관리자를 통해 고객은 AWS와 온프레미스에서 애플리케이션 구성 및 인프라에 대한 운영 변경을 요청, 승인, 구현 및 보고할 수 있습니다. 고객은 AWS Service Management Connector를 사용하여 변경 요청을 생성 및 승인하고 ServiceNow 콘솔에서 이러한 변경 요청과 관련된 CloudTrail 이벤트를 가져와 AWS Change Manager와 더욱 긴밀하게 통합할 수 있습니다.

오늘부터 고객은 Connector for ServiceNow에서 AWS Health Dashboard가 제공하는 AWS Health 및 서비스 상태 가용성을 확인할 수 있습니다. AWS Health는 리소스 성능 및 AWS 서비스 가용성에 대한 지속적인 가시성을 제공합니다. 고객은 AWS Health Dashboard를 확인함으로써 진행 중인 이벤트를 관리하고 계획된 활동을 준비하며 계정 및 서비스에 대한 정보를 제공하는 데 도움이 되는 관련 정보를 적시에 얻을 수 있습니다. AWS Health Dashboard는 문제 해결을 가속화하는 데 도움이 되는 거의 즉각적인 이벤트 가시성과 안내를 위해 AWS 리소스의 상태 변경으로 트리거되는 경고 및 알림을 제공합니다.

오늘부터 ServiceNow를 사용하는 고객은 AWS Systems Manager Incident Manager 및 AWS Service Management Connector를 사용하여 AWS에서 호스팅하는 애플리케이션에 영향을 미치는 인시던트에 대응, 조사 및 해결할 수 있습니다. AWS Systems Manager는 AWS 애플리케이션 및 리소스의 운영 허브이며, 반응형 프로세스를 자동화하여 운영 문제를 신속하게 진단하고 해결하는 데 도움이 됩니다. 이제 Incident Manager와 ServiceNow의 통합으로 고객은 AWS Systems Manager에서 인시던트 대응 계획을 자동화하고 사고를 ServiceNow에 자동으로 동기화할 수 있습니다. 이 기능을 사용

이제 성능과 보안 수정 사항을 제공하는 Microsoft SQL Server의 새로운 마이너 버전을 Amazon Relational Database Service(RDS) for SQL server에서 사용할 수 있습니다. Amazon RDS for SQL Server는 Microsoft SQL Server 2014의 새로운 마이너 버전을 Express, Web, Standard 및 Enterprise Edition에서 지원합니다.

오늘 Amazon SageMaker Data Wrangler를 사용하여 데이터를 훈련 및 테스트 분할로 분할할 수 있음을 발표합니다. Amazon SageMaker Data Wrangler는 기계 학습(ML)을 위해 데이터를 집계하고 준비하는 시간을 몇 주에서 몇 분으로 단축합니다. SageMaker Data Wrangler를 통해 데이터 준비 및 특성 추출 프로세스를 간소화하고 단일 시각적 인터페이스에서 데이터 선택, 정리, 탐색 및 시각화를 포함한 데이터 준비 워크플로의 모든 단계를 완료할 수 있습니다. SageMaker Data Wrangler의 데이터 선택 도구를 사용하면 여러 데이터 소스(예: Amazon S3, Amazon Athena, Amazon Redshift, AWS Lake Formation, Snowflake 및 Databricks Delta Lake)에서 빠르게 데이터를 선택할 수 있습니다.

이제 Amazon SageMaker Data Wrangler 에서 사용할 수 있는 내보내기 기능을 사용하여 그 어느 때보다 빠르게 Amazon SageMaker 특성 저장소로 기능을 내보낼 수 있습니다. Amazon SageMaker Data Wrangler는 기계 학습(ML)을 위해 데이터를 집계하고 준비하는 시간을 몇 주에서 몇 분으로 단축합니다. SageMaker Data Wrangler를 통해 데이터 준비 및 특성 추출 프로세스를 간소화하고 단일 시각적 인터페이스에서 데이터 선택, 정리, 탐색 및 시각화를 포함한 데이터 준비 워크플로의 모든 단계를 완료할 수 있습니다. SageMaker Data Wrangler의 데이터 선택 도구를 사용하면 여러 데이터 소스(예: Amazon S3, Amazon Athena, Amazon Redshift, AWS Lake Formation, Amazon SageMaker 특성 저장소 및 Snowflake)에서 빠르게 데이터를 선택할 수 있습니다. Amazon SageMaker

이제 개발자는 AWS GovCloud(미국) 리전에서 Amazon Chime SDK와 함께 라이브 트랜스크립션을 사용하여 실시간 오디오 트랜스크립션을 생성할 수 있습니다. Amazon Chime SDK를 통해 개발자는 자신의 웹 및 모바일 애플리케이션에 지능형 실시간 오디오, 비디오 및 화면 공유 기능을 추가할 수 있습니다. AWS GovCloud(미국)는 미국 정부 기관과 정부 조달업체에서 각자의 특정 규제 및 규정 준수 요구 사항을 준수하면서 커뮤니케이션 워크로드를 클라우드로 이전할 수 있도록 해 줍니다.

AWS에서 새 메모리 최적화 Amazon EC2 R6id 인스턴스를 정식 출시한다고 발표했습니다. R6id 인스턴스는 3.5GHz의 올코어 터보 주파수를 가진 3세대 인텔 제온 스케일러블 프로세서로 구동되며, 최대 7.6TB의 로컬 NVMe 기반 SSD 블록 레벨 스토리지를 탑재하고, R5d 인스턴스에 비해 최대 15% 더 나은 가격 대비 성능을 제공합니다. 또한 R6id 인스턴스는 vCPU당 최대 58% 더 높은 TB 스토리지와 TB당 34% 더 저렴한 비용을 제공하며 Intel Total Memory Encryption(TME)을 통한 상시 메모리 암호화와 함께 제공됩니다. 

AWS Service Catalog가 (자카르타) 인도네시아 AWS 리전에서 고객에게 정식 출시되었습니다.

오늘부터 아프리카(케이프타운) 및 유럽(밀라노) 리전에서 Amazon EC2 R5n 인스턴스를 사용할 수 있습니다.

2021년 11월에 re:Invent에서 소개된 AWS Mainframe Modernization은 이제 고객 및 파트너가 일반적으로 사용할 수 있습니다. Mainframe Modernization은 AWS의 고가용성 관리형 런타임 환경으로 온프레미스 메인프레임 워크로드를 마이그레이션하고 이를 현대화할 수 있는 고유한 플랫폼입니다. 이 서비스는 현재 두 가지 마이그레이션 패턴(리플랫포밍 및 자동 리팩터링)을 지원하기 때문에 고객은 자사 마이그레이션 평가 결과를 바탕으로 최상의 마이그레이션 경로와 연결된 도구 체인을 선택할 수 있습니다.