Amazon Web Services ブログ

Category: Artificial Intelligence

Hugging-Face-Logo

ドキュメントの要約を Hugging Face on Amazon SageMaker で民主化する

ドキュメントの要約は、M&E 業界における重要なユースケースの一例です。記事の見出しの作成からプッシュ通知用の短文要約の作成まで、自動化された文書要約ソリューションは、コンテンツプロバイダーが消費者とより効果的にエンゲージメントを築くのに役立ちます。従来、要約作業は手作業で行われていました。しかし、特に最近のユーザー作成コンテンツの爆発的な増加により、それは必ずしも実用的ではありません。最新の自然言語生成(NLG)モデルは、高品質の文書要約を自動生成することができます。そして、 Amazon Web Services(AWS)パートナーからのソリューションは、これらのモデルの使用を容易にします。AWS パートナーである Hugging Face 社の Transformers ライブラリと Amazon SageMaker – ML を併用すれば、すべてのデータサイエンティストと開発者が、これらのモデルをこれまで以上に簡単に利用できるようになります。このブログ記事では、Amazon SageMaker を使用して、Hugging Face ライブラリを使用した最先端の文書要約ソリューションをデプロイする方法について説明します。

多くのワインを売り、多くのペットに食べ物をやり、多くの顧客に影響を与える: JBS ソリューションと AWS が実現する新しい小売の世界

パンデミックが始まって以来、小売業の顧客の購買習慣は劇的に変化し、後戻りすることはありません。オンラインショッ […]

MLaaS (Machine Learning as a Service) のためのマルチテナント機械学習構築環境を Amazon SageMaker Pipelines で実装する

近年、自社で保有するデータだけでなく、外部や第三者のデータを使って機械学習(ML)モデルを構築する企業が増えています。そして学習させたモデルを外部の顧客に提供することで収益源とするビジネスモデルを構築することができます。

この記事では、Amazon SageMaker Pipelinesが、Machine Learning as a Service (MLaaS) / Software as a Service (SaaS) アプリケーションにおけるデータの前処理、そして機械学習モデルの構築、訓練、チューニング、登録にどのように役立つかを紹介します。特にテナント分離とコスト配分に焦点を当て、テナント固有のMLモデルを構築するためのベストプラクティスを紹介します。

Fig.2: Production Architecture

【寄稿】株式会社アイ・グリッド・ラボによる AI・IoT 技術で再生可能エネルギー活用を最適化する次世代エネルギープラットフォーム①

この投稿はタスデザイングループ 代表取締役 甲田 将史氏から株式会社アイ・グリッド・ソリューションズの AWS […]

各国行政機関はクラウドで「税務」関連の業務処理を効率化。納税者体験も向上。

今回のブログでは、 AWSジャパン・パブリックセクターより、「米 連邦歳入庁や州政府機関が、クラウドを用いて納 […]