Amazon Bio Discovery 사용법: AI 항체 설계 실습
Amazon Bio Discovery는 40개 이상의 AI 모델로 항체 후보를 설계·평가하고, 그 결과를 Wet Lab 실험까지 연결하는 AWS의 AI 바이오 연구 플랫폼입니다. 이 글에서는 HER2를 타겟으로 항체 후보를 생성한 실습 과정과 결과 화면, EU 기반 과금 구조, AWS HealthOmics와의 차이를 정리했습니다. The post Amazon Bio Discovery 사용법: AI 항체 설계 실습 appeared first on
경신홀딩스의 AX 도입을 위한 에이전트 플랫폼 구축: Amazon Bedrock AgentCore로 사내 데이터를 연결하고 에이전트를 운영하기
조직의 AI 전환(AX)을 위해서는 구성원이 AI로 업무에 필요한 정보를 찾고, 그 과정에서 만든 도구와 지식을 다른 구성원도 활용할 수 있어야 합니다. 또한 조직은 누가 얼마나 썼는지 알아야 하고, 사내 시스템과 안전하게 연결되어야 하고, 한 팀이 만든 것을 다른 팀이 다시 만들지 않아야 합니다. 이 문제가 해결되지 않으면 에이전트는 개인 PC 안에 머물고, 조직의 AX는 시작되지 […]
GS에너지의 SageMaker Unified Studio와 Bedrock AgentCore로 구축하는 엔터프라이즈 에이전트 데이터 플랫폼
프로젝트 기반 데이터 구독과 에이전트 실행을 연결한 GS에너지 발전 계열사 통합 데이터 플랫폼 구축 사례 1. 소개 에너지 산업의 디지털 전환이 가속화되면서, 기업들은 단순한 데이터 저장과 분석을 넘어 AI가 데이터를 능동적으로 활용하는 플랫폼을 요구하고 있습니다. 에너지 기업의 운영 데이터는 발전소 설비 센서, 운전 지표, 환경 계측, 전력 거래, 시장 가격, 규제 공시처럼 성격이 서로 다른 […]
AWS Agentcore와 Strands Agent를 활용한 AI 서버 구축기
똑닥의 리뷰 감성분석, 리뷰 AI 요약, 상담 태그 추천, CS 답변 추천을 담당하는 AI 서버를 AWS Bedrock AgentCore Runtime과 Strands Agents로 구축한 과정을 공유합니다. k8s를 프록시로 남긴 이유, 이미지 하나로 Runtime 여러 개를 운영하는 방법, 배포와 평가에서 겪은 문제들을 정리하였습니다.
사내 인프라 플랫폼 배럭 구축기
티켓으로 받던 똑닥 서버·Kafka·AWS 권한 요청을 개발자가 직접 신청하고 운영자가 승인하면 곧 기존 ArgoCD·Terraform 파이프라인으로 배포되게 만든 사내 인프라 플랫폼 배럭의 PoC와 고도화 기록입니다.
Jev로 판단하고 AWS DevOps Agent로 조사하는 AI 팀원 만들기
AI 에이전트에게 규칙을 더해도 답은 좋아지지 않았습니다. 필요한 건 팀의 노하우입니다.
클라우드플레어 사용법 2026, 무료 설정 순서와 520~526 오류 해결
클라우드플레어가 해 주는 일(DNS·CDN·SSL·보안), 무료 플랜 범위, 설정 순서, 520~526 오류 원인과 해결을 정리했어요. 서울 실측은 연결 약 5ms, 캐시 페이지 30~37ms예요.
모바일 라이브커머스 재방송 송출 자동화하기 — AWS Elemental Live 도입 [2부]
모바일 라이브커머스 송출 파이프라인 다시 설계하기 - AWS Elemental Live 도입 [1부]
[클로바시선 #58] 속도와 비용의 열쇠: 멀티모달 AI 학습을 갉아먹는 ‘이미지 토큰 불균형’ 이야기
소버린 AI를 개발하는 일은 막대한 비용을 감당해야 하는 승부입니다. ⚔️ 2025년 Meta가 공개한 자료에 따르면, Llama 4의 사전학습에는 H100 GPU 누적 738만 시간이 투입되었는데요. 이를 2026년 현재 클라우드 H100 임대 시세(시간당 약 2.5~3달러)로 단순히 환산하면 GPU 비용만 한화로 약 250억~300억 원 규모인 셈입니다. 이렇게 GPU를 수백만 시간 가동하는 데만 수백억 원이 소요되는 시대에, 학습 속도를
Amazon SageMaker AI와 AWS IoT Greengrass를 활용한 Physical AI 학습 파이프라인 구축하기
로봇을 움직이는 제어 정책을 학습할 때는 수백만 번의 시행착오가 필요합니다. 학습한 모델로 원하는 동작을 수행하는지 반복해서 검증해야 하는데, 실제 로봇으로 이를 반복하면 시간이 오래 걸리고 비용이 크며 로봇이 파손될 위험이 있습니다. 그래서 로봇 개발팀은 시뮬레이션에서 학습하고 실제 로봇에서 검증하는 Sim-to-Real 접근법을 사용합니다. 하지만 시뮬레이션에서 수많은 시행착오를 거치고 사전 학습된 모델을 로봇 데이터로 미세 조정하는 작업은
[26년 9월] 국가 보안 AI는 네이버클라우드에 맡기라구
AWS 인프라를 활용한 무븐트의 music-to-dance AI 학습·서빙 인프라 구축기
소개 무븐트(MVNT)는 춤을 위한 AI 인프라를 만드는 회사입니다. 전 세계 누구나 쉽게 춤을 만들 수 있도록 댄스 생성 AI 모델을 개발하고 있으며, 유명 안무가인 최영준 공동창업자를 필두로 모션 생성·3D·컴퓨터 비전·휴머노이드 백그라운드의 엔지니어들이 함께하고 있습니다. 현재 무븐트의 서비스는 웹앱과 API, 언리얼 엔진 플러그인 형태로 제공되고 있으며 안무가는 물론 K-Pop 기획사, AI UGC(사용자 생성 콘텐츠) 크리에이터, 게임
SageMaker Studio에서 TIP와 S3 Access Grants를 활용한 Athena 쿼리 실행하기
개요 기업 환경에서 여러 데이터 과학자가 Amazon SageMaker Studio를 공유하여 사용할 때, 사용자별로 세밀한 데이터 접근 권한을 관리하고 감사 추적을 수행하는 것은 중요한 보안 요구사항입니다. 그러나 기존의 IAM Role 기반 접근 방식에서는 SageMaker Studio의 모든 사용자가 동일한 Execution Role을 공유하게 되어, 개별 사용자를 식별하고 차별화된 권한을 부여하는 것이 어려웠습니다. IAM Identit
무료 24시간 서버, 진짜 있을까? 오라클·구글·AWS 무료 조건 정리
오라클·구글은 계속 무료, AWS 는 6개월 체험이에요. 회사별 무료 조건과 알아 둘 함정, 한국에서 미국 무료 서버까지 실제로 잰 응답 시간(130~195ms)까지 정리했어요(2026-09-29 기준).
웅진프리드라이프의 AWS Elastic Disaster Recovery 기반 클라우드 DR 환경 구축
“재해 상황에서 모든 서버를 같은 방식으로 복구해야 할까요?” 재해복구(DR, Disaster Recovery)는 시스템 장애나 재해 상황에서 서비스를 복구하기 위한 체계입니다. 백업을 확보하고 복제를 구성하는 것까지는 비교적 명확한 작업에 해당합니다. 일반적으로 재해복구의 목표는 모든 시스템을 장애 이전 상태로 되돌리는 것으로 설정됩니다. 다만 모든 시스템에 동일한 복구 수준을 적용하려면 그만큼의 자원과 운영 부담이 따릅니다. 복구 시간을 짧
Amazon EKS와 NVIDIA FLARE로 구현하는 연합학습 (Federated Learning)
머신러닝의 학습 과정에서 고품질 모델을 훈련시키려면 대규모의 고품질 데이터가 필수적이며, 이를 준비하는 과정은 보통 여러 출처의 데이터를 한곳에 모으는 작업을 동반합니다. 이 방식은 효과적이지만 의료 기관, 금융 기관, 정부 기관과 같이 데이터 프라이버시, 규제 준수, 데이터 주권에 민감한 환경에서는 조직 밖으로 반출할 수 없는 소중한 데이터를 보유하고 있는 경우가 많습니다. 연합 학습(Federated Learning, FL)은 이에 […]
[활용사례] DevOps 엔지니어가 주목하는 MCP 생태계와 kt cloud PLATFORM 적용기
.ktc-poster img { transition: transform .3s ease, box-shadow .3s ease; } .ktc-poster:hover img { transform: translateY(-4px); box-shadow:0 10px 22px rgba(0,154,135,0.22) !important; } .imageblock img { max-width:100% !important; height:auto !importan