Amazon Web Services ブログ
Category: Artificial Intelligence
Amazon Verified Permissions と Amazon Bedrock エージェントを使用した安全な生成 AI アプリケーションワークフローを設計する
本ブログでは、請求審査システムにある保険金請求に関する質問に答える Amazon Bedrock エージェントを用いたテキストベースの生成 AI アプリケーションを例に、Verified Permissions を使用してきめ細かなアクセスコントロールを設計する方法についてご紹介します。
re:Invent 2024 製造業向けの振り返り
本記事は AWS ブログ re:Invent 2024 recap for the manufacturing […]
Amazon SageMaker Canvas で機械学習のためのデータ準備を加速する
データ準備はあらゆる機械学習 (ML) ワークフローにおいて重要なステップですが、多くの場合、面倒で時間のかか […]
Amazon SageMaker Canvas で構築された ML モデルを Amazon SageMaker リアルタイムエンドポイントにデプロイする
Amazon SageMaker Canvas では、機械学習 (ML) モデルのリアルタイム推論エンドポイン […]
追加学習なしの zero-shot で高精度な時系列予測 : Chronos-Bolt を AutoGluon で利用する
Chronos-Bolt は AutoGluon-TimeSeries の最新追加機能であり、元の Chronos モデルと比較して最大 250 倍高速に追加学習なしで高精度な予測を実現します。Chronos のような基盤モデルは、さまざまなドメインの時系列データを利用して単一のモデルを学習させるというアイデアをさらに大きく前進させました。これらのモデルは、膨大な時系列データで事前学習されています。学習データには実際のデータと合成データが含まれ、様々な分野、頻度、時系列の長さをカバーしています。その結果、追加学習なしの予測が可能となり、未知の時系列データセットに対しても正確な予測を提供します。時系列予測に取り組むハードルが低くなり、追加の学習なしで正確な予測が可能になるため、予測プロセス全体が大幅に簡素化されます。
AWS でサーバーレスなエンティティ解決ワークフローを構築する方法
このブログ記事では、AWS Entity Resolution を使用してサーバーレスにエンドツーエンドのエンティティ解決ソリューションを構築するのに役立つ、組み合わせ可能なアーキテクチャパターンについて説明します。AWS Entity Resolution は、柔軟で設定可能なワークフローを使用して、複数のアプリケーション、チャネル、データストアにわたる関連データのマッチング、リンク、強化を支援します。この記事では、AWS Entity Resolution を使用して、データの取り込みと準備(ニアリアルタイムおよびバッチベース)、マッチングの実行、ニアリアルタイムでマッチング結果を取得できる自動化されたデータパイプラインの構築に焦点を当てています。
AWS Weekly Roundup: Amazon EC2 F2 インスタンス、Amazon Bedrock Guardrails の値下げ、Amazon SES アップデートなど (2024 年 12 月 16 日)
AWS re:Invent の次の週は、イベントの興奮とエネルギーがさらに高まります。これは、詳細について学び […]
新しい Amazon SageMaker HyperPod レシピにより基盤モデルのトレーニングと微調整を加速
12 月 4 日、Amazon SageMaker HyperPod レシピの一般提供が開始されたことをお知ら […]
Iberdrola が AWS の IoT/エッジサービスを活用して配電設備のインシデントを削減した方法
この記事は、「Iberdrola reduces incidents at power distributio […]
株式会社シスラボ様の AWS 生成 AI 事例「新サービス企画における市場調査・分析業務を効率化する Marketing AI の開発」のご紹介
本ブログは株式会社シスラボ様と Amazon Web Services Japan が共同で執筆いたしました。 […]