이제 Amazon Redshift에서 메타데이터 보안이 지원됩니다. 따라서 관리자는 사용자 역할과 권한에 따라 카탈로그 데이터 표시 여부를 제한할 수 있습니다. 즉, 이제 각 사용자는 액세스 권한이 있는 데이터베이스, 스키마, 테이블/보기의 메타데이터만 확인할 수 있습니다. 그러므로 고객은 프로비저닝된 클러스터나 서버리스 네임스페이스에서 다중 테넌트 애플리케이션을 배포할 수 있습니다. 

이제 Stability AI의 Stable Diffusion XL 1.0(SDXL 1.0) 파운데이션 모델을 Amazon Bedrock에서 정식 버전으로 사용할 수 있습니다. SDXL 1.0은 Stability AI가 출시한 Stable Diffusion 텍스트 이미지 변환 모델 제품군 중 가장 발전된 모델입니다. 이 모델은 거의 모든 아트 스타일에서 고품질 이미지를 생성하며 포토리얼리즘에 탁월합니다. Amazon Bedrock은 Stability AI와 같은 선도적인 AI 회사의 고성능 파운데이션 모델을 선택할 수 있는 것은 물론, 파운데이션 모델을 사용하여 생성형 AI 애플리케이션을 구축 및 확장할 수 있는 가장 쉬운 방법을 제공하는 광범위한 기능 세트를 지원하는 완전관리형 서비스입니다.

새로운 AWS 사이버 보험 컴피턴시를 선보이게 되어 기쁩니다. 이를 통해 고객은 AWS Security Hub의 새롭고 간소화된 고객 경험을 통해 보안 태세 평가를 통합하는 AWS 파트너로부터 저렴한 보험 정책을 손쉽게 찾을 수 있습니다. AWS 사이버 보험 컴피턴시 파트너를 통해 AWS 고객은 사이버 보험 가격 견적을 받고, 플랜을 구매하고, 가장 필요할 때 보안 및 복구 서비스를 받을 수 있다는 확신을 가질 수 있습니다. 

AWS Clean Rooms ML(평가판)을 사용하면 사용자와 파트너가 개인 정보 보호 강화 ML을 적용하여 원시 데이터를 서로 공유하지 않고도 예측 인사이트를 확보할 수 있습니다. 이 기능의 첫 번째 모델은 기업이 유사 세그먼트를 생성할 수 있도록 전문화되어 있습니다. AWS Clean Rooms ML 유사 모델링을 사용하면 데이터를 사용해 사용자 정의 모델을 훈련시키고, 파트너에게 소량의 레코드 샘플을 공동 작업에 가져오도록 초대하여 사용자와 파트너의 기본 데이터를 보호하는 동시에 유사한 레코드 세트를 확장 생성할 수 있습니다. 의료 서비스 모델링은 앞으로 몇 달 내에 출시될 예정입니다.

이제 고객이 Amazon OpenSearch Service와 Amazon S3의 제로 ETL 통합 기능 평가판을 사용할 수 있습니다. 이 통합 기능은 고객이 여러 도구 간을 전환하면서 운영 데이터를 분석할 필요 없이 Amazon S3 및 S3 기반 데이터 레이크에서 운영 로그를 쿼리할 수 있는 새로운 방식입니다. 고객은 Amazon OpenSearch Service와 Amazon S3의 제로 ETL 통합에서 기본 제공되는 쿼리 가속화 기능을 사용하여 쿼리 성능을 개선하고 빠르게 로드되는 대시보드를 구축할 수 있습니다.

오늘 AWS는 Amazon SageMaker Pipelines를 위한 간소화된 개발자 경험의 정식 버전을 발표했습니다. 개선된 Python SDK를 사용하면 익숙한 Python 구문을 사용하여 기계 학습(ML) 워크플로를 빠르게 구축할 수 있습니다. SDK의 주요 기능으로는 사용자 지정 단계를 위한 새로운 Python 데코레이터(@step), 노트북 작업 단계 유형, 워크플로 스케줄러가 있습니다.

Amazon DocumentDB(MongoDB 호환)에서 이제 벡터 검색이 지원됩니다. 벡터 검색은 응답 시간을 밀리초 단위로 유지하면서 수백만 개의 벡터를 저장/인덱싱/검색할 수 있는 새로운 기능입니다. 벡터는 기계 학습(ML) 모델에서 생성되는 텍스트와 같은 구조화되지 않은 데이터의 숫자 표현입니다. 벡터를 확인하면 기본 데이터의 의미 체계 내 의미를 캡처할 수 있습니다. Amazon DocumentDB의 벡터 검색 기능은 Amazon Bedrock, Amazon SageMaker 등에서 생성되는 벡터를 저장할 수 있습니다. 벡터 검색은 사전 약정이나 추가 비용 없이 사용할 수 있으며, 사용하는 컴퓨팅 리소스와 저장하는 데

이제 파트너는 AWS 파트너 CRM 커넥터에서 제공되는 모듈식 환경을 활용하여 AWS Marketplace 및 AWS Partner Central ACE 파이프라인 관리자 기능을 모두 지원할 수 있습니다. AWS Marketplace 기능을 활용하면 AWS Marketplace 프라이빗 오퍼 및 재판매 승인을 게시하고 관리할 수 있습니다. 그리고 ACE 파이프라인 기능을 사용하면 AWS 파트너와 AWS의 공동 판매 작업용으로 개선된 신규 기회 관리 데이터 모델을 활용할 수 있습니다. 이제 AWS 파트너 CRM 커넥터의 대시보드 기능을 활용하여 AWS Marketplace 프라이빗 오퍼 관련 요약 정보를 확인할 있습니다. AWS 파트너 CRM 커넥터를 사용하면 Salesforce에서 영업 작업을 중앙 집중식으로 관리할 수 있습니다. 그러므로 관리자가 해당 부여하

오늘 AWS Solution Building Enablement 제공이 발표되었습니다. 이번 릴리스에서는 AWS 파트너가 모든 비즈니스 모델에서 활용 가능한 산업 솔루션을 구축하고 검증할 때 수행해야 하는 권장 단계 및 해당 단계에서 참조할 수 있는 셀프 서비스형 자산이 제공됩니다.

이제 Amazon Bedrock에서 Meta의 Llama 2 모델 70B에 액세스할 수 있습니다. 이제 Amazon Bedrock에서 이미 제공되고 있는 Llama 2 13B 모델과 함께 Llama 2 70B 모델도 사용 가능합니다. Llama 2 모델은 Meta에서 제공하는 차세대 대규모 언어 모델(LLM)입니다. Amazon Bedrock은 Meta와 같은 선도적인 AI 회사의 고성능 파운데이션 모델을 선택할 수 있는 것은 물론, 파운데이션 모델을 사용하여 생성형 AI 애플리케이션을 구축 및 확장할 수 있는 가장 쉬운 방법을 제공하는 광범위한 기능 세트를 지원하는 완전관리형 서비스입니다.

AWS Built-in 컴피턴시 프로그램이 발표되었습니다. AWS Built-in 컴피턴시는 고객이 클라우드에서 장기 목표를 달성할 수 있도록 AWS 기초 서비스와 자동으로 통합되는 새로운 코드형 인프라(IaC)를 비롯하여 AWS가 기본 제공하는 파트너 소프트웨어 솔루션을 중점적으로 소개하는 프로그램입니다. AAWS Built-in 소프트웨어는 파트너 소프트웨어 솔루션에 가치를 더하도록 잘 설계된 모듈식 코드 리포지토리(MCR)를 사용합니다. AWS Built-in 컴피턴시 파트너 솔루션은 자격 증명, 보안 및 운영과 같은 여러 도메인에 걸쳐 클라우드 기초 서비스라는 주요 빌딩 블록을 활용합니다. 

AWS Resilience 컴피턴시 프로그램이 발표되었습니다. AWS Resilience 컴피턴시는 고객이 클라우드의 중요 워크로드 가용성과 복원력을 개선하는 과정을 효율적으로 지원하는 능력과 기술 분야 전문 지식이 검증된 AWS 파트너를 집중 소개하는 프로그램입니다. AWS Resilience 컴피턴시 파트너는 AWS 전문가들이 복원력 설계, 복원력 운영, 복원력 복구의 3개 범주에서 검증을 완료한 전문 컨설팅 및 엔지니어링 서비스를 제공합니다. 이러한 3개 범주에서 모두 AWS가 검증한 솔루션을 제공하는 파트너는 가장 포괄적인 복원력 관련 서비스를 제공하는 업체로 인정을 받은 Core Resilience 파트너로 선정됩니다. AWS Resilience 컴피턴시 파트너는 시스템 가동 시간을 최대한 늘려 가용성 요구를 충족하려는 고객이 클라우드에서 수행하는 워크로드 설계/개발/테스트/모니터링/

파운데이션 모델(FM) 팡가 지원을 위한 Amazon SageMaker Clarify의 새 기능이 오늘 발표되었습니다. AWS 고객은 이 기능을 활용해 몇 분 내에 정확도, 안정성, 바이어스, 유해성 등의 지표를 기준으로 FM을 비교 및 선택할 수 있습니다.

AWS Marketplace에서 제공되는 서비스형 소프트웨어(SaaS) 제품용 신규 배포 옵션인 SaaS 빠른 시작이 오늘 정식 출시되었습니다. SaaS 빠른 시작 옵션을 선택하는 고객은 AWS에서 타사 SaaS 제품을 구성하고 시작하는 데 걸리는 시간을 단축하고 필요한 리소스를 줄일 수 있습니다. 

데이터 사이언티스트는 기계 학습(ML)용 웹 기반 IDE인 Amazon SageMaker Studio에서 클릭 몇 번으로 Amazon SageMaker 노트북 작업을 생성하여 노트북을 온디맨드 방식으로 또는 일정에 따라 실행할 수 있습니다. 오늘부터는 SageMaker의 ML 워크플로 오케스트레이션 서비스인 SageMaker Pipelines에서 제공하는 API를 사용하여 프로그래밍 방식을 통해 노트북을 작업으로 실행할 수 있음을 알려 드립니다. 이러한 API를 사용해 여러 종속 노트북이 포함된 다단계 ML 워크플로를 생성할 수도 있습니다.

오늘 Amazon Redshift는 Apache Iceberg 테이블을 지원하는 정식 버전을 발표했습니다. 이제 데이터 레이크의 Apache Iceberg 테이블에 손쉽게 액세스하고 이를 데이터 웨어하우스의 데이터와 조인할 수 있습니다. 이 기능은 자동 마운트된 AWS Glue 카탈로그을 사용하거나 외부 스키마를 사용하여 데이터 레이크 테이블에 액세스할 때 향상된 성능을 제공합니다. 

Amazon Bedrock의 모델 평가 기능을 활용하면 파운데이션 모델을 평가/비교한 후 사용 사례에 가장 적합한 모델을 선택할 수 있습니다. Amazon Bedrock에서는 자동 평가와 인적 평가 중 원하는 방식을 선택할 수 있습니다. 정확도, 안정성, 유해성 등의 미리 정의된 지표를 적용하여 자동 평가를 사용할 수 있습니다. 호감도, 스타일, 브랜드와의 통일성과 같은 주관적 지표나 사용자 지정 지표를 적용하려는 경우에는 클릭 몇 번으로 인적 평가 워크플로를 설정할 수 있습니다. 인적 평가 워크플로에서는 사내 직원이나 AWS 관리 팀을 검토자로 활용할 수 있습니다. 모델 평가 기능에서 기본 제공되는 엄선된 데이터 세트를 사용할 수도 있고 원하는 데이터 세트를 추가할 수도 있습니다. 

Amazon OpenSearch Service가 내부 벤치마크에서 기존 인스턴스에 비해 최대 30% 향상된 가격 대비 성능을 제공하고 Amazon S3를 사용하여 99.999999999%의 내구성을 제공하는 OpenSearch 최적화 인스턴스 패밀리인 OR1을 도입했습니다. 새로운 OR1 인스턴스는 인덱싱이 많은 워크로드에 가장 적합하며, OpenSearch Service에서 제공되는 기존 메모리 최적화 인스턴스와 비교하여 더 뛰어난 인덱싱 성능을 제공합니다. 

Amazon SageMaker의 새로운 스마트 선별 기능 평가판이 오늘 발표되었습니다. 이 기능은 훈련 데이터를 실시간으로 자동 검사 및 평가하여 가장 유익한 데이터 샘플만 선별적으로 학습합니다. 따라서 모델 훈련 시간과 비용이 최대 35%까지 감소합니다. 기존 데이터 파이프라인이나 훈련 스크립트를 변경하지 않고도 몇 분 내에 스마트 데이터 선별 기능 사용을 시작할 수 있습니다.

Amazon Titan Text Express와 Amazon Titan Text Lite는 고객이 광범위한 텍스트 관련 작업의 생산성과 효율성을 개선하도록 지원하고 요구 사항에 최적화된 가격 및 성능 옵션을 제공하는 대규모 언어 모델(LLM)입니다. 이제 Amazon Bedrock의 Amazon Titan Text 파운데이션 모델을 이용할 수 있으므로 새로운 텍스트 생성 기능으로 생성형 AI 애플리케이션을 손쉽게 구축하고 규모를 조정할 수 있습니다.