RAPTER INTERNATIONAL

글로벌 반도체 산업 섹터 1위 기업 인텔이 2020년 2분기 실적을 발표했다.

결과에 따르면 2분기 매출은 197억 달러로 전년 대비 20% 증가, 데이터 센터 매출은 34% 증가하여 총 매출의 52%를 차지했으며 PC 사업 매출은 전년 대비 7% 증가했다.

인텔 CEO 밥 스완은 “클라우드 제공 서비스, 재택 근무 및 가정 학습 환경, 5G 네트워크 구축을 지원하기 위해 컴퓨팅 성능에 대한 지속적인 수요가 예상보다 훨씬 뛰어나다”고 밝혔다. “디지털 세계에서 인텔 기술은 이 지구상의 거의 모든 산업에 필수적이다. 우리는 혁신과 실행에 지속적으로 집중하면서 삶을 풍요롭게 하고 회사를 성장시킬 수 있는 놀라운 기회를 갖고 있다."

인텔은 전년 대비 34%의 데이터 센터 매출 증가와 7%의 PC 사업 매출 성장으로 기록적인 2분기 매출을 달성했다. 이러한 결과는 디지털 서비스와 컴퓨팅 성능이 우리가 살고, 일하고, 연결 상태를 유지하는데 필수적인 환경에서 클라우드, 노트북, 메모리 및 5G 제품의 강력한 판매에 의해 주도되고 있다.

2분기 데이터 센터 결과는 클라우드 서비스 제공 업체 매출의 47% 증가를 포함하여 광범위한 파워로 인해 매출이 43% 증가한 DCG(Data Center Group)의 강점에 의해 주도 됐다. 인텔은 새로운 3세대 인텔 제온 스케일러블 프로세서와 데이터 센터, 네트워크 및 인텔리전트 에지 환경을 위한 하드웨어 및 소프트웨어 AI(인공지능) 포트폴리오에 새로운 추가 기능을 도입하여 2분기에 데이터 센터 제품에 추가했다. 인텔의 메모리 사업(NSG)은 이번 분기에 새로운 매출을 기록했으며 5G 네트워크 인프라에 대한 인텔의 포트폴리오는 특히, 무선 기지국을 위한 10nm 기반 인텔 아톰 P5900의 고객 모멘텀을 얻었다. Mobileye(모빌아이)는 자동차의 까다로운 경제 환경에서 새로운 ADAS 설계를 계속 수상하며 MaaS(Mobility-as-a-Service) 솔루션 회사인 Moovit을 인수하여 Mobileye의 완벽한 이동성 공급자 계획을 추진했다.

PCVC사업(CCG)은 COVID-19의 지속적인 작업과 홈 다이내믹스 학습으로 인해 2분기에 전년 대비 7% 증가했으며 인텔은 데스크탑 및 모바일 게임을 위한 새로운 코어 S 및 H 시리즈 프로세서와 새로운 10세대 인텔 코어 v프로 프로세서를 출시하여 10세대 인텔 코어 프로세서 라인업을 확장했다. 또한 2분기에는 코드네임 "레이크 필드"의 인텔 하이브리드 기술이 적용된 인텔 코어 프로세서가 출시되었으며 Foveros 3D 패키징 기술을 활용하고, 전력 및 성능 확장성을 위한 하이브리드 CPU 아키텍처를 특징으로 한다.

인텔은 올해 물량 증가와 라인업 확대에 대한 시장 요구로, 10nm 제품으로의 전환을 가속화하고 있다. 여기에는 "타이거 레이크(Tiger Lake)"가 곧 출시 될 10nm 기반 인텔 코어 프로세서 포트폴리오와 올해 말까지 계획중인 최초의 10nm 기반 서버 CPU "Ice Lake"가 포함된다. 인텔은 2021년 후반에 첫 번째 10nm 기반 데스크탑 CPU와 새로운 10nm 기반 서버 CPU를 포함하는 새로운 클라이언트 CPU 라인(코드명 "Alder Lake")을 제공 할 것으로 예상하고 있다.

세계 1위 글로벌 반도체 기업 미국 인텔이 2020년 1분기 실적을 발표했다.

발표 결과에 따르면 1분기 매출은 전년 대비 23% 증가한 198억 달러로, 데이터 센터 매출은 34% 증가했으며 PC 매출은 14% 증가, GAAP 주당 순이익(EPS)은 전년 대비 51% 증가한 1.31달러를 기록하며 코로나19 사태로 집안에서 장기적인 생활을 위한 PC 사용 증가와 다양한 IT 디바이스로 네트워크 접속을 통한 컨텐츠 사용량이 급증하며 서버 수요 증가 등 복합적인 호조를 나타냈다.

1분기 실적은 데이터 센터 그룹(DCG)의 강점에 의해 주도되어 클라우드 서비스 제공 업체 매출의 53% 증가를 포함하여 매출이 43% 증가하여 매출이 전년 대비 43% 증가했다. 인텔의 메모리 사업(NSG)과 Mobileye는 모두 1분기에 새로운 매출 기록을 갱신했다. 또한 인텔은 무선 기지국을 위한 10nm SoC(system-on-chip)로 새로운 Intel Atom® P5900을 포함하여 5G 네트워크 인프라를 위한 광범위한 데이터 중심 포트폴리오를 강화했다.

PC 비즈니스(CCG)는 소비자와 비즈니스가 집에서 일하고 배우기 위해 PC에 의존함에 따라 CPU 공급 및 수요 강화로 1분기 전년 대비 14% 증가하며 기대치를 초과했다. 최근 인텔은 게이머와 제작자가 어디서나 사용할 수 있는 데스크탑 급 성능을 제공하는 새로운 프로세서를 포함하여 10세대 인텔 코어 H 시리즈 모바일 프로세서를 출시했다.

안녕하세요. 랩터 인터내셔널입니다.

현재 특별한 설명이 필요없는 국가적 비상 상황이기 때문에 전 국민의 대응이 필요한 상황입니다. 아래와 같은 기본 내용들을 반드시 숙지하시어 코로나19의 조기 극복에 다 함께 동참해 주시기 바랍니다.

또한 IT 관련 기관, 기업 등은 실시간적인 코로나19 대응을 위해 기술적인 지원이 필요하며 다양한 방향으로 접근이 필요합니다.

※ 이하 모두 질병관리본부 공식 웹사이트 내용입니다.

코로나바이러스감염증-19(COVID-19) 정보 (현재까지 알려진 정보, 2020.2.4. 기준)

(병원체) 코로나바이러스감염증-19(COVID-19)

(감염원) 동물로 추정하고 조사중

(전파경로)

동물 → 사람 → 사람 전파 추정

사람간 전파는 비말(호흡기 분비물) 전파 추정

가족간, 의료기관 내 2차감염 확인

(임상증상) 발열, 호흡기증상(기침, 호흡곤란), 폐렴

정부 현황

감염병 위기단계를 「경계」수준으로 상향하고, 보건복지부에 중앙사고수습본부(본부장: 보건복지부장관)를 설치 운영, 질병관리본부에 중앙방역대책본부(본부장: 질병관리본부장)를 확대 운영, 환자감시체계 및 의심사례에 대한 진단검사, 환자관리를 강화하는 등 24시간 비상대응체계를 가동 중입니다.

검역감염병 오염지역

검역감염병 오염지역(또는 오염인근지역)을 감시 기간 내 방문(체류 또는 경유) 한 사람은 입국 시 반드시 「건강상태질문서」를 작성하여 검역관에게 제출해야 합니다. 이를 위반할 경우, 검역법 제12조 및 제39조에 따라 1년 이하의 징역 또는 1천만원 이하의 벌금에 처해질 수 있습니다.

코로나바이러스감염증-19 선별진료소 현황(2020.2.18.18:00 기준)

의료기관 방문 전(선별진료소 포함) 꼭 1339, 또는 지역 보건소를 통해 안내 받으시기 바랍니다.

선별진료소 확인 - http://www.mohw.go.kr/upload/viewer/skin/doc.html?fn=1582032379429_20200218222619.hwp&rs=/upload/viewer/result/202002/

손씻는 방법 / 기침 예절

코로나19 관련 가장 궁금한 질문들 (FAQ)

내용 링크 - http://ncov.mohw.go.kr/faqBoardList.do?brdId=3&brdGubun=34&dataGubun=&ncvContSeq=&contSeq=&board_id=&gubun=

관련 기관별 대응 지침

내용 링크 - http://ncov.mohw.go.kr/guideBoardList.do?brdId=3&brdGubun=35

보건복지부 - http://www.mohw.go.kr/react/index.jsp

질병관리본부 - http://www.cdc.go.kr/

미국 엔비디아(NVIDIA, 나스닥 NVDA)가 2020년 1월 26일 마감된 실적을 발표했다.

발표에 따르면 4분기 매출액은 전년 대비 41% 증가한 31억 1천만 달러, 순익은 전년 대비 66% 증가한 1.53달러로 어닝 서프라이즈 실적을 기록했다.

“NVIDIA의 가속 컴퓨팅 채택은 기록적인 데이터 센터 수익으로 우수한 결과를 이끌어냈다. 우리의 이니셔티브는 큰 성공을 거두고 있다. NVIDIA RTX 레이 트레이싱은 컴퓨터 그래픽을 재창조하여 게임, VR 및 디자인 시장에서 강력한 채택을 유도하는 한편, 렌더링 및 클라우드 게임에 새로운 기회를 열어준다. NVIDIA 인공지능은 오늘날 인터넷을 구동하는 핵심 알고리즘인 언어 이해, 대화 형 AI 및 추천 엔진에서 획기적인 발전을 이루어냈다. 또한 5G, 유전체학, 로봇 공학 및 자율 주행 차량의 새로운 NVIDIA 컴퓨팅 응용 프로그램을 통해 중요한 작업을 계속 수행 할 수 있다."

"우리는 우리 시대의 가장 큰 기술 트렌드에 적합하다." (엔비디아 CEO 젠슨 황(Jensen Huang)

실적 하이라이트

게이밍

Deliver Us The Moon, Wolfenstein : Youngblood and Bright Memory와 같은 RTX 지원 게임의 출시로 광선 추적의 모멘텀 향상

GeForce NOW 클라우드 게임 서비스를 도입하여 수십억 명의 소비자에게 PC 게임을 열어주며이제는 가상 GeForce 그래픽 카드를 장치에 추가하고 소유한 게임을 즐기는 것이 가능

세계 최초의 14인치 GeForce RTX 노트북 ASUS ROG Zephyrus G14를 포함하여 게임용 노트북 수가 사상 최대인 125가지 모델로 증가

360Hz 재생 빈도로 세계에서 가장 빠른 모니터인 ASUS ROG Swift 360을 출시하여 CES에서 G-SYNC 추진력 향상, LG는 OLED TV의 새로운 라인업에 G-SYNC 채택

데이터 센터 및 에지 컴퓨팅

최대 800개의 NVIDIA V100 텐서 코어 GPU에 액세스 할 수있는 Microsoft Azure를 사용하여 클라우드에서 최초의 확장 가능한 GPU 가속 슈퍼 컴퓨터 공개

세계에서 가장 강력한 산업용 슈퍼컴퓨터인 HPC5에 7280개의 NVIDIA V100 GPU를 탑재하고 있으며 이탈리아 에너지 기업 Eni 운영 중

알리바바와 바이두의 추천 엔진은 NVIDIA AI로 가동되며 CPU 보다 몇 배의 규모에 의한 추론을 가속한다고 발표

NVIDIA T4 Tensor Core GPU를 사용하여 AWS 아웃포스트에 전원을 공급하여 Amazon EC2 G4 인스턴스를 고객 데이터 센터에 제공

GPU 가속 Arm 기반 서버를 위한 새로운 레퍼런스 디자인 플랫폼에서 Arm, Ampere Computing, Fujitsu 및 Marvell과의 협업 및 HP Hat 애플리케이션을 위해 GPU 가속화를 제공하는 Red Hat과 협력

보다 지능적이고 빠른 대화형 AI로 가는 길을 열어주는 추론 소프트웨어 개발 키트 NVIDIA TensorRT 7 도입

미국 방사선학 및 UCLA 건강 연구소에서 이미 사용중인 글로벌 모델 정확도를 개선하면서 환자 개인 정보를 보호하는 참조 응용 프로그램 NVIDIA Clara Federated Learning 발표

스토리지 및 입력 / 출력 병목 현상을 제거하도록 최적화 된 데이터 과학자 및 고성능 컴퓨팅 연구원을 위한 소프트웨어 제품군 Magnum IO 도입

로봇 개발 및 테스트를 가속화하는 통합 로봇 개발 플랫폼 NVIDIA Isaac 소프트웨어 개발 키트의 새로운 버전 출시

전문 시각화

Acer의 새로운 데스크탑 및 랩톱에 RTX 기술을 도입하고 Adobe와 협력하여 새로운 RTX Studio 구매와 함께 3개월 무료 Adobe Creative Cloud 멤버십 제공

새로운 NVIDIA Quadro 드라이버 및 NVIDIA Studio 드라이버를 출시하여 Autodesk의 Maya 2020, Dassault의 Catia 2020 및 Siemens Ray-Trace Studio에 RTX 기능 도입

RTX 기술의 범위를 Chaos Group의 V-Ray, Autodesk의 Arnold 및 Blender's Cycles로 확장하여 디자이너가 복잡한 3D 시각 효과, 정확한 반사 등을 만들 수 있도록 지원

자동차

200 TOP를 달성 할 수 있는 자율 주행 차량을 위한 고급 소프트웨어 정의 플랫폼으로 DRIVE AGX Orin 발표

미국 애플이 2019년 10월 ~ 12월 실적 발표

실적 데이터 - 애플 프레스 릴리스 (괄호는 전년 동기 대비 비교폭)

○ 총합
매출액 : 918억 1900만 달러 (9% 증가)
순이익 : 199억 6500만 달러 (11% 증가)

○ 각 제품 및 서비스별 매출액
iPhone : 559억 5700만 달러 (8% 증가)
iPad : 59억 7700만 달러 (12% 감소)
Mac : 71억 6000만 달러 (4% 감소)
Wearables/Home and Accessories : 100억 1000만 달러 (36% 증가)
서비스 : 127억 1500만 달러 (16% 증가)

○ 지역별 매출액
아메리카 : 413억 6700만 달러 (11% 증가)
유럽 : 232억 7300만 달러 (14% 증가)
일본 : 62억 2300만 달러 (10% 감소)
중국 : 135억 7800만 달러 (3% 증가)
아시아 태평양 : 73억 7800만 달러 (6% 증가)

세계 최대, 세계 1위 반도체 기업 인텔이 2019년 4분기 실적을 발표했다.

발표 결과에 따르면 인텔의 4분기 매출액은 전년 대비 8% 증가한 202억 달러, 영업이익은 전년 대비 9% 증가한 68억 달러, 순이익은 전년 대비 33% 증가한 69억 달러로 기록적인 실적 갱신을 이어갔다. 또한 1년간 운영으로 323억 달러의 현금을 창출했고, 배당금 56억 달러, 270억 달러를 투자하여 2억 7,600만주를 재구매했고, 이사회는 매년 5%의 현금 배당 증가를 주당 1.32 달러로 승인하여 경영과 주주를 모두 배려하는 모습을 나타냈다.

인텔은 금년(2020년)도 매출액을 약 735억 달러, 1/4분기 매출액을 약 190억 달러로 추정했다.

"2019년에는 데이터 처리, 이동 및 저장에 더 많은 성능을 요구하는 확장 가능한 주소 시장에서 점유율을 확보했다. 장기 재무 계획에서 1년 동안 우리는 수익과 EPS 기대치를 초과했고, 우리는 미래의 기술 활용에서 승리, 고객의 성공에 더 큰 역할을 하며 주주 수익을 높이기 위해 투자하고 있다." (인텔 CEO 밥 스완)

4분기 클라이언트 컴퓨팅 그룹 매출은 모뎀 판매 및 데스크톱 플랫폼 판매량 증가로 2% 증가했다. 주요 PC 제조업체는 새로운 10nm 기반 10세대 Intel Core 프로세서를 갖춘 44개의 시스템을 출시했으며 Project Athena를 위한 추진력이 계속 구축되고 있다.

데이터 센터 그룹 매출은 클라우드 서비스 제공 업체 고객의 강력한 수요와 고성능 2세대 인텔 제온 스케일러블 프로세서의 지속적인 호조로 4분기 전년 대비 19% 증가하며 폭발적인 성장으로 인텔의 전반적인 실적을 견인했고, 4분기에 Habana Labs를 인수하여 데이터 센터의 인공지능 포트폴리오를 강화했다.

사물 인터넷 그룹(Internet of Things Group) 매출은 소매 및 운송 부문에서 13% 증가했고, Mobileye는 ADAS 채택 증가로 전년 대비 31% 증가한 기록적인 매출을 달성했다. 지속적인 NAND 및 인텔 옵테인 비트 성장으로 인텔의 비휘발성 솔루션즈 그룹(NSG, 메모리 사업) 매출은 전년 대비 10% 증가했다.

2019년 최대 호황을 실적으로 증명했고, 전 세계적인 4차 산업혁명과 함께 인텔의 실적은 지속적인 성장과 호조를 나타낼 것으로 전망되고 있다.

2019년 12월 2일~6일(현지시간) 미국 라스베이거스에서 "AWS re:Invent 2019" 행사가 진행됐다. 이 행사에서 AWS가 어필한 주요 내용을 살펴본다.

머신러닝=기계학습(ML:Machine Learning)영역에서 새로운 서비스로서 Web 베이스의 기계학습용 IDE(통합 개발 환경)로 Amazon SageMaker Studio가 발표됐고, SageMaker Studio와 여기에 통합되어 있는 수 많은 새로운 기능과 새로운 서비스가 소개됐다.

SageMaker는 2017년 re:Invent에서 발표된 기계학습 플랫폼으로 데이터 전문가 뿐만 아니라 일반적인 개발자도 기계학습을 취급할 수 있도록 해야 한다는 콘셉으로 SageMaker의 제공을 시작했다고 설명했다. 이후 AWS Marketplace와의 통합이나 모델 컴파일러 Amazon SageMaker Neo 추가 등 기능 강화를 진행해왔다.

"수 많은 고객들로부터 SageMaker로 인해 기계학습이 매우 쉬워졌고, 모든 스텝이 쉬워졌다고 평가받고 있으나 그와 동시에 각 스텝 간에 있는 작업, 처리가 잘 되고 있는지 아닌지를 이해하는 것은 아직 힘들다는 목소리가 들렸다. 그래서 소프트웨어 개발과 마찬가지로 엔드 투 엔드 통합 개발환경(=IDE)이 필요하다고 생각했다"

SageMaker Studio는 프로젝트 폴더를 작성하고 코드, Notebook, 데이터 세트, 세팅 등 기계학습 관련 자원을 한곳에서 통합 관리할 수 있다. 프로젝트 폴더 내 검색 뿐만 아니라 개발자간 공유하여 온라인 콜라보레이션도 가능하다. 빌드, 트레이닝, 튜닝, 디플로이도 같은 인터페이스에서 실행할 수 있으며 SageMaker Studio에 편입되어 있는 새로운 기능/새로운 서비스군도 발표되고 있다.

SageMaker Notebooks : Jupyter Notebook의 매니지먼트 서비스. AWS의 컴퓨터와 연동되어 있으며 SageMaker의 Notebook instance를 사용자 스스로 부팅하지 않고 몇 번의 클릭으로 새로운 Notebook을 작성할 수 있다. 더 필요한 처리 자원에 따라 작업의 중단 없이 인스턴스를 자동 스케일

SageMaker Experiments : 트레이닝 데이터나 알고리즘, 파라미터, 플랫폼 구성 등을 변화시키면서 반복적으로 생성한 기계학습 모델의 전 버전에 대해 그 변수(설정)와 결과를 자동적으로 캡쳐하고, 어떤 것이 뛰어났는지를 비주얼하게 비교 검증 가능

SageMaker Debugger : 기계학습 모델의 트레이닝 코드를 위한 디버거 모델 내부의 Status를 출력함으로써 대량의 파라미터 중 어떤 것이 어느 정도 결과에 영향을 주고 있는지를 가시화, 모델의 최적화(예측정도 향상)를 지원한다. Tensor Flow, PyTorch, MXNet 등 주요 프레임워크용 SDK 제공

SageMaker Model Monitor : SageMaker Studio로 빌드하여, 실전 환경에 전개하고 있는 모델의 경년적, 외적인 환경 변화에 의한 예측 정확도 저하(컨셉 드리프트)를 감시한다. 정밀도 저하의 경보 뿐만 아니라 그 원인 특정에 도움이 되는 상세한 정보 제공

Then, I upload it in Amazon Simple Storage Service (S3) without any preprocessing whatsoever.

Python

sess.upload_data(path="automl-train.csv", key_prefix=prefix + "/input") 's3://sagemaker-us-west-2-123456789012/sagemaker/DEMO-automl-dm/input/automl-train.csv'

Now, let’s configure the AutoML job:

• Set the location of the data set,
• Select the target attribute that I want the model to predict: in this case, it’s the ‘y’ column showing if a customer accepted the offer or not,
• Set the location of training artifacts.

Python

input_data_config = [{ 'DataSource': { 'S3DataSource': { 'S3DataType': 'S3Prefix', 'S3Uri': 's3://{}/{}/input'.format(bucket,prefix) } }, 'TargetAttributeName': 'y' } ] output_data_config = { 'S3OutputPath': 's3://{}/{}/output'.format(bucket,prefix) }

That’s it! Of course, SageMaker Autopilot has a number of options that will come in handy as you learn more about your data and your models, e.g.:

• Set the type of problem you want to train on: linear regression, binary classification, or multi-class classification. If you’re not sure, SageMaker Autopilot will figure it out automatically by analyzing the values of the target attribute.
• Use a specific metric for model evaluation.
• Define completion criteria: maximum running time, etc.

One thing I don’t have to do is size the training cluster, as SageMaker Autopilot uses a heuristic based on data size and algorithm. Pretty cool!

With configuration out of the way, I can fire up the job with the CreateAutoMl API.

Python

auto_ml_job_name = 'automl-dm-' + timestamp_suffix print('AutoMLJobName: ' + auto_ml_job_name) import boto3 sm = boto3.client('sagemaker') sm.create_auto_ml_job(AutoMLJobName=auto_ml_job_name, InputDataConfig=input_data_config, OutputDataConfig=output_data_config, RoleArn=role) AutoMLJobName: automl-dm-28-10-17-49

A job runs in four steps (you can use the DescribeAutoMlJob API to view them).

1. Splitting the data set into train and validation sets,
2. Analyzing data, in order to recommend pipelines that should be tried out on the data set,
3. Feature engineering, where transformations are applied to the data set and to individual features,
4. Pipeline selection and hyperparameter tuning, where the top performing pipeline is selected along with the optimal hyperparameters for the training algorithm.

Once the maximum number of candidates – or one of the stopping conditions – has been reached, the job is complete. I can get detailed information on all candidates using the ListCandidatesForAutoMlJob API , and also view them in the AWS console.

Python

candidates = sm.list_candidates_for_auto_ml_job(AutoMLJobName=auto_ml_job_name, SortBy='FinalObjectiveMetricValue')['Candidates'] index = 1 for candidate in candidates: print (str(index) + " " + candidate['CandidateName'] + " " + str(candidate['FinalAutoMLJobObjectiveMetric']['Value'])) index += 1 1 automl-dm-28-tuning-job-1-fabb8-001-f3b6dead 0.9186699986457825 2 automl-dm-28-tuning-job-1-fabb8-004-03a1ff8a 0.918304979801178 3 automl-dm-28-tuning-job-1-fabb8-003-c443509a 0.9181839823722839 4 automl-dm-28-tuning-job-1-ed07c-006-96f31fde 0.9158779978752136 5 automl-dm-28-tuning-job-1-ed07c-004-da2d99af 0.9130859971046448 6 automl-dm-28-tuning-job-1-ed07c-005-1e90fd67 0.9130859971046448 7 automl-dm-28-tuning-job-1-ed07c-008-4350b4fa 0.9119930267333984 8 automl-dm-28-tuning-job-1-ed07c-007-dae75982 0.9119930267333984 9 automl-dm-28-tuning-job-1-ed07c-009-c512379e 0.9119930267333984 10 automl-dm-28-tuning-job-1-ed07c-010-d905669f 0.8873512744903564

For now, I’m only interested in the best trial: 91.87% validation accuracy. Let’s deploy it to a SageMaker endpoint, just like we would deploy any model:

• Create a model,
• Create an endpoint configuration,
• Create the endpoint.

Python

model_arn = sm.create_model(Containers=best_candidate['InferenceContainers'], ModelName=model_name, ExecutionRoleArn=role) ep_config = sm.create_endpoint_config(EndpointConfigName = epc_name, ProductionVariants=[{'InstanceType':'ml.m5.2xlarge', 'InitialInstanceCount':1, 'ModelName':model_name, 'VariantName':variant_name}]) create_endpoint_response = sm.create_endpoint(EndpointName=ep_name, EndpointConfigName=epc_name)

After a few minutes, the endpoint is live, and I can use it for prediction. SageMaker business as usual!

Now, I bet you’re curious about how the model was built, and what the other candidates are. Let me show you.

Full Visibility And Control with Amazon SageMaker Autopilot
SageMaker Autopilot stores training artifacts in S3, including two auto-generated notebooks!

Python

job = sm.describe_auto_ml_job(AutoMLJobName=auto_ml_job_name) job_data_notebook = job['AutoMLJobArtifacts']['DataExplorationNotebookLocation'] job_candidate_notebook = job['AutoMLJobArtifacts']['CandidateDefinitionNotebookLocation'] print(job_data_notebook) print(job_candidate_notebook) s3://<PREFIX_REMOVED>/notebooks/SageMakerAutopilotCandidateDefinitionNotebook.ipynb s3://<PREFIX_REMOVED>/notebooks/SageMakerAutopilotDataExplorationNotebook.ipynb

AWS는 보다 간단하게 기계학습을 이용하고 싶은 유저용으로 자동화된 기계학습, Auto ML로 이야기를 이어갔다. 트레이닝을 위한 충분한 데이터는 있지만 기계학습에 임하는 노하우나 인원, 시간이 없는 기업도 많기에 그러한 기업에게 Auto ML은 유익한 솔루션이지만 거기에는 과제도 있다고 지적했다.

"자동화 된 구조로 모델을 빌드하면 구체적으로 어떻게 빌드되었는지 몰라 블랙박스화 되버린다. 그래서 모델을 더욱 진화시켜 예측 정도를 향상시킬 수 없다. 또 다른 과제도 있다. 기계학습 용도에 따라서는 고속으로 예측할 수 있는 모델이 필요한 경우가 있는데 그런 것에도 대응할 수 없었다"

Auto ML의 메리트를 누리면서 이러한 과제를 해소하는 것으로서 가시성이나 컨트롤을 잃지 않는 자동화된 트레이닝을 실현하는 툴로 Amazon SageMaker Autopilot이 발표됐다. 이것도 SageMaker Studio로 통합되어 있으며 이날부터 일반 제공을 개시했다. 사용자는 트레이닝 데이터가 되는 CSV 파일(테이블 데이터)를 준비할 뿐이며 다음 Autopilot이 데이터의 자동 변환, 최고의 알고리즘을 선택하고, 파라미터 및 알고리즘 등의 설정을 변화시키면서 최대 50 모델을 생성한다. SageMaker Studio 상에서는 이 다수의 모델을 정도순으로 리스트(랭킹)로 표시하고, 각 모델의 상세한 설정 등은 Notebook 형식으로 참조할 수 있다.

이것에 의해 어떠한 근거로 예측되고 있는지를 가시화하는 한편, 정밀도와 속도의 트레이드오프에도 유연하게 대응할 수 있다. 또 Autopilot에서 개발한 모델에 대해서도 전술한 SageMaker Studio나 Model Monitor 등의 기능군은 동일하게 이용할 수 있다. 기조 강연에서 언급하지 못했지만 기계학습 관련에서 또 하나 Amazon Augmented AI(Amazon A2I)이라는 새로운 서비스도 일반 제공이 개시됐다. 이것은 기계학습 어플리케이션에 의한 예측 신뢰성이 낮은 경우, 필요한 인간에 의한 리뷰의 워크플로우를 간단하게 구축할 수 있는 서비스다. 신뢰 스코어에 따라 자동으로 리뷰를 인간에게 할당 할 수 있고, 인간의 리뷰는 자사 종업원 뿐만 아니라 Amazon Mechanical Turk, AWS Marketplace의 서드파티 벤더에 대한 아웃소싱도 가능하다.

기계학습 모델을 스스로 개발하는 것이 아니라 보다 간편하게 기계학습의 능력을 활용하고 싶은 유저용으로 미리 학습이 끝난 모델이 내장된 ML 서비스군도 제공되고 있다. AWS는 이를 'AI(인공지능) 서비스' 라고 부른다. 그 동안 화상/영상해석(Rekognition)과 음성 텍스트화(Transcribe), 음성합성(Polly), 번역(Translate), 인사이트 추출(Comprehend), 채팅봇(Lex) 등을 전개해 왔으며 지난해 re: Invent에서도 퍼스널라이즈(Personalize)나 예측(Forecast), OCR(Textract)을 발표한 바 있다.

이러한 AI 서비스군은 거대한 스케일로 전개되고 있는 컨슈머 비즈니스(Amazon.com)에서의 교사 데이터 수집과 실천으로 단련되어 온 것으로, 이번에도 Amazon의 현장에서 태어났다고 말할 수 있는 복수의 서비스군이 추가되고 있다. 우선, 어플리케이션 개발에서 코드 리뷰나 퍼포먼스 개선을 지원하는 ML 서비스로 Amazon CodeGuru를 발표하고 있다.(프리뷰 릴리스) 기계학습 모델에 근거하여 어플리케이션 코드에 포함되는 문제점이나 취약성을 지적하는 CodeGuru Reviewer, 어플리케이션 퍼포먼스를 지속 감시/분석하는 CodeGuru Profiler로 구성된다.

CodeGuru의 기계학습 모델은 Amazon 사내의 프로젝트 및 GitHub 상의 오픈소스 프로젝트로부터 얻은 대량의 코드 베이스로 트레이닝되고 있기 때문에 말하자면 "베스트 프랙티스"를 모델화한 것이다. AWS에 따르면 CodeGuru는 실제로 Amazon 사내에서 8만 5000개의 앱에 적용되고 있으며 Amazon 프라임 데이의 CPU 사용률을 325% 향상시키고 39%의 비용 절감에 연결한 실적도 있다고 밝혔다.

CodeGuru Reviewer는 개발자가 이용하는 코드 레파지토리 GitHub 및 AWS CodeCommit과 연계 동작하는 구조다. 개발자가 리퀘스트에 CodeGuru를 추가하면 CodeGuru는 자동으로 코드 리뷰를 실시하고 문제가 있는 곳에 권장사항을 코멘트한다. 또 CodeGuru Profiler는 에이전트를 통해 실전 환경의 애플리케이션 퍼포먼스를 지속적으로 감시하고, 감시 결과에 근거해 코드내의 처리에 가장 많은 자원을 필요로 하는 행의 특정이나 개선 방법의 권장 등을 실시한다.

또, 기계학습 기술을 넣은 엔터프라이즈 검색 서비스 Amazon Kendra도 발표되고 있다.(프리뷰 릴리스) VPN에는 어떻게 접속해야 합니까? 라는 자연 언어 질문을 접수하고 데이터 소스 문서에서 정보를 추출하여 그 의도에 따른 답변을 실시한다. 기업 내에 있는 다양한 데이터 소스에 대응하고 있는 것도 특징으로, 제공되는 커넥터는 현 시점에서는 Web 사이트, Box, Dropbox, SharePoint, Salesforce, 릴레이셔널 데이터베이스, S3 파일 시스템 등에서 텍스트나 PDF, Word, PowerPoint 파일에서 정보를 추출할 수 있다. 또, 독자 커넥터를 개발하면 그 외의 데이터 소스로부터도 문서를 업로드 할 수 있다.

Kendra의 기계학습 모델은 검색을 실행한 유저의 피드백에 기초한 재트레이닝이나 튜닝도 행해진다. 검색 결과 순위는 질문에 대한 문서의 관련성 뿐만 아니라 작성일이나 유저의 액세스 수 등도 가미했는지 형태로 정해진다고 밝혔다.

소매업 등을 향한 새로운 서비스로는 어카운트의 부정 등록이나 상품의 부정 구입등의 온라인 사기를 판정하는 서비스로 Amazon Fraud Detector도 발표됐다.(프리뷰 릴리스) Fraud Detector는 "과거 20년간의 컨슈머 비즈니스(Amazon.com)의 데이터에서 확립한 알고리즘"에 근거하여 부정을 검지한다고 밝혔다.

엔비디아(NVIDIA)가 2019년 10월 27일 마감 된 3분기 실적을 발표했다.

매출액은 30억 1400만 달러, 영업이익은 9억 2700만 달러, 주당 GAAP 수익은 1.45 달러를 기록하며 가상화폐 채굴 시장에 따른 거품 제거 이후 다시 성장세를 나타내고 있는 것으로 확인됐다.

Q3 Fiscal 2020 Summary

“게임 사업과 하이퍼 스케일 고객의 수요가 Q3의 결과를 주도했다. 컴퓨터 그래픽은 NVIDIA RTX와 함께 크게 도약했고, 인공지능이 궁극적으로 가장 큰 영향을 줄 수 있는 기반을 마련했다. GPU 가속, 5G, 인공지능 및 IoT가 세계 최대의 산업을 혁신할 수 있도록 클라우드를 넘어 에지까지 범위를 확장했다. 우리는 대화형 인공지능과 추론의 증가로 인해 데이터 센터가 크게 성장할 것으로 예상한다." (Jensen Huang)

실적 하이라이트

게이밍

세계에서 가장 인기있는 컴퓨터 게임 'Minecraft'가 광선 추적 지원 발표

세계에서 가장 많이 판매되는 GPU 'GeForce GTX 1060'의 후속 제품 GeForce GTX 1650 SUPER 및 GeForce GTX 1660 SUPER가 포함 된 GeForce GTX TM GPU의 SUPER 버전 발표

GeForce RTX GPU의 AI 기능을 사용하여 라이브 스트리밍에서 가상 스크린, 필터 및 AR 효과를 가능하게 하는 RTX 브로드 캐스트 엔진 도입

거실에 최고의 홈 엔터테인먼트, 게임 및 AI 기능을 제공하는 SHIELD TV 스트리밍 미디어 플레이어의 두 가지 새로운 모델 발표

GeForce NOW TM 게임 스트리밍의 범위 확대, 대만 모바일과 러시아 Rostelcom이 GFN.ru와 함께 발표 한 서비스는 한국 LG U+와 일본의 SoftBank에 합류

데이터 센터

Walmart, BMW, NTT East, Procter & Gamble 및 삼성전자와 함께 소매, 제조, 통신, 물류 및 기타 산업에 AI를 가속화하기 위해 NVIDIA EGX 지능형 에지 컴퓨팅 플랫폼 출시, 에지 컴퓨팅 요구를 해결하기 위해 NVIDIA T4 GPU로 구동되는 NVIDIA EGX와 Microsoft Azure 소프트웨어를 결합하여 최적화 된 하이브리드 클라우드 플랫폼을 제공하기 위해 Microsoft와 협력

5G 통신 시장에 진입하여 통신 사업자는 Ericsson과 공동으로 GPU를 사용하여 고성능의 가상화 된 5G 무선 액세스 네트워크 구축

Red Hat OpenShift 및 GPU 가속 서버를 사용하여 소프트웨어 정의 5G RAN을 제공하기 위해 Red Hat과의 협업 발표, 데이터 센터 및 에지에서 AI 워크로드 성능을 측정하는 최초의 추론 벤치마크인 MLPerf Inference 0.5 수상

VMware와 함께 NVIDIA T4 GPU를 사용하여 AWS에서 VMware Cloud를 가속화하고 가상화 된 환경에서 GPU 서버에서 AI 워크로드를 실행할 수있는 새로운 NVIDIA vComputeServer 소프트웨어 도입

미국 우체국은 NVIDIA AI 기술을 사용하여 패키지 데이터 처리 효율성을 향상시킬 것이라 발표

전문 시각화

Adobe의 Adobe Dimension, Substance Alchemist, Premiere Pro를 포함하여 40가지가 넘는 창작/디자인 응용 프로그램이 RTX 기술의 가속화 지원

에지 컴퓨팅

로봇 및 임베디드 컴퓨팅 디바이스를 위한 세계에서 가장 작고 강력한 AI 슈퍼 컴퓨터 Jetson Xavier NX 발표

미국 애플이 2019년 7월 ~ 9월 실적 발표

실적 데이터 - 애플 프레스 릴리스 (괄호는 전년 동기 대비 비교폭)

○ 총합
매출액 : 640억 4000만 달러 (2% 증가)
순이익 : 136억 8600만 달러 (3% 감소)

○ 각 제품 및 서비스별 매출액
iPhone : 333억 6200만 달러 (9% 감소)
iPad : 46억 5600만 달러 (17% 증가)
Mac : 69억 9100만 달러 (5% 감소)
Wearables / Home and Accessories: 65억 2000만 달러 (54% 증가)
서비스 : 125억 1100만 달러 (18% 증가)

○ 지역별 매출액
아메리카 : 293억 2200만 달러 (7% 증가)
유럽 : 149억 4600만 달러 (3% 감소)
일본 : 49억 8200만 달러 (3% 감소)
중국 : 111억 3400만 달러 (2% 감소)
아시아 태평양 : 36억 5600만 달러 (7% 증가)

○ 애플 실적 요약

아이폰 매출 9% 감소 : 신규 아이폰 11 시리즈 판매 호조, 다음 실적 변수

아이패드 매출 17% 증가 : 전 분기와 같은 시장 방향 역주행, 나홀로 아이패드 호황

맥PC 매출 : 아이패드와 격차 유지, 세계 시장 동향과 일치하며 PC시장의 중요성 부각

웨어러블 및 홈, 액세서리 : 54% 큰폭 성장, 지속되는 호황

서비스 : 125억 달러까지 성장, 독자 생태계 이점 지속

서비스 + 웨어러블 및 홈, 액세서리가 아이폰 매출 감소 상쇄

세계 반도체 시장 1위 인텔이 2019년 3분기 실적을 발표했다.

발표 내용에 따르면 3분기 매출액은 전년 대비 6% 증가한 193억 달러로 새로운 기록을 수립했다. 인텔의 CEO 밥 스완(Bob Swan)은 “3/4 분기 재무 성과는 데이터 센터 비즈니스가 사상 최대 실적을 나타내며 분기 총 수익의 거의 절반을 차지했다. 우리의 우선 순위는 성장을 가속화하고 실행을 개선하며 매력적인 수익을 위한 자본을 배치하는 것이다.”

3분기 매출액은 194억 달러로 7월 기준보다 12억 달러 초과했고, 전년 대비 6% 증가하며 기록적인 데이터 센터 매출로 인해 분기별 사상 최대 기록을 수립했다. PC 부문(CCG)은 전년 대비 5% 감소하여 기대치에 부합했고, 주요 PC 제조업체는 새로운 10nm 기반 10세대 인텔 코어 프로세서(코드명 "Ice Lake")를 탑재한 시스템을 출시하고 있다.

인텔의 데이터 센터 비즈니스는 전년 대비 6% 증가하며 3분기에 기록적인 수익을 달성했다. DCG(Data Center Group)는 고성능 인텔 제온 프로세서의 강력한 조합과 모든 사업 부문의 성장으로 인해 기록적인 수익을 창출했다. 통신 서비스 제공 부문은 11% 성장, 클라우드 부문은 3% 증가했으며 기업 및 정부 매출은 1% 증가했다. 사물 인터넷 그룹(IOTG)도 소매 및 운송 부문에서 9% 증가한 기록적인 수익을 달성했고, Mobileye도 ADAS 채택 증가로 전년 대비 20% 증가한 기록적인 매출을 달성했다. 인텔의 메모리 사업(NSG)도 전년 대비 19% 증가한 기록적인 매출, PSG (Programmable Solutions Group)는 3분기에 최초의 10nm 기반 Agilex FPGA를 출시했으며 매출 또한 전년 대비 2% 증가하며 기록적인 매출을 기록했다.

삼성, 하이닉스, 퀄컴, AMD, 엔비디아 등 주요 반도체 기업들의 실적이 전년 대비 반토막 또는 내리막을 나타내는 것과 달리 인텔은 유일하게 지속적인 호조를 나타내며 세계 1위 반도체 기업의 위용을 과시하고 있다.