AWS 활용 튜토리얼
AI/ML on AWS
AI/ML on AWS
  • AI/ML on AWS
  • AWS를 활용한 AI/ML 기초
    • AI/ML on AWS 기초
      • AWS의 AI/ML 서비스들
      • AWS에서 GPU 리소스 활용하기
      • Machine Learning 을 위한 GPU 선택 방법과 비용 최적화
    • SageMaker 이론과 실습
  • SageMaker Immersion Day
    • SageMaker Immersion Day 소개
    • SageMaker Immersion Day 실습
  • Low-code on SageMaker
    • AWS에서 Low-code ML을 활용하는 방법
    • Low-code ML with SageMaker 실습
  • AI/ML을 학습 시 도움될 만한 리소스들
    • SageMaker 학습에 도움되는 리소스들
    • 머신러닝/딥러닝 학습에 도움되는 리소스들
  • NO-CODE ON SAGEMAKER
    • SageMaker Canvas
    • No-Code Computer Vision
      • 사전 훈련된 컴퓨터 비전 모델 사용하기
      • 커스텀 컴퓨터 비전 모델 만들기
    • Use case labs
      • Diabetic Patient Readmission Prediction (Healthcare & Life Sciences)
Powered by GitBook
On this page
  1. NO-CODE ON SAGEMAKER

No-Code Computer Vision

PreviousSageMaker CanvasNext사전 훈련된 컴퓨터 비전 모델 사용하기

Last updated 1 year ago

Amazon SageMaker Canvas는 바로 사용할 수 있는 솔루션과 자체 머신 러닝 모델을 사용자 지정할 수 있는 기능을 포함하여 광범위한 컴퓨터 비전 솔루션을 제공합니다. 이 실습에서는 Amazon SageMaker Canvas의 컴퓨터 비전 기능을 소개합니다.

Amazon SageMaker Canvas를 사용한 컴퓨터 비전 여정의 첫 번째 단계는 사전 학습된 모델을 사용할지 아니면 사용자 지정 모델을 구축할지 선택하는 것입니다.

사전 학습된 컴퓨터 비전의 경우, Amazon의 AI 서비스(Amazon Rekognition 및 Amazon Textract)를 통해 지원되므로 모델을 학습시키지 않고 한 줄의 코드도 작성하지 않고도 예측을 생성할 수 있습니다. 현재 다음과 같은 사용 사례를 해결할 수 있습니다:

  • 객체 감지를 사용한 이미지 라벨링

  • 텍스트 감지를 통한 텍스트 추출

  • 문서 분석

  • 비용/송장 분석

이러한 사용 사례에 대해 자세히 알아보려면 사전 학습된 컴퓨터 비전 모델 사용하기 실습으로 이동하세요.

이 목록에 없는 사용 사례라도 코드를 한 줄도 작성하지 않고도 언제든지 자신만의 사용자 지정 모델을 만들 수 있습니다. 여기서는 맞춤형 컴퓨터 비전 모델 만들기 실습에서 샘플 데이터 세트를 제공하고 맞춤형 CV 모델을 만드는 과정을 안내합니다.

참고자료