Amazon SageMaker | Amazon Web Services ブログ

【開催報告】AWS Energy Tech Forum 2023

みなさんこんにちは。ソリューションアーキテクトの林です。2023 年 10 月12 日に AWS が主催するエ […]

教育における生成系 AI: 授業コンテンツを活用した AI ソリューションの構築

教育業界は、ここ数年で革新的な技術変化を遂げました。まず、パンデミックにより e ラーニングソリューションが増 […]

カーボンバリューモデリングの適用によるネットゼロの達成

この記事は、「 Applying carbon value modeling to achieve net-z […]

Amazon SageMaker JumpStart を使って OSS の日本語大規模言語モデル (LLM) がどこまでできるか試してみた

最近次々と OSS (Open Source Software) の日本語 LLM が発表されています。Ama […]

生成系AIが拓くイノベーション − Part.3 ：大規模言語モデル(LLM)を活用した製薬企業の業務改善

本記事は、製薬企業で大規模言語モデル（LLM）の効果が大きく期待できる様々なユースケースについて業務部門毎に […]

Amazon SageMaker Canvas で生成系AIを利用できるようになりました

SageMaker Canvas は、生成系 AI を使用してコンテンツを生成および要約するための基盤モデル […]

無料のノートブックサービス SageMaker Studio Lab で日本語 LLM を Fine-Tuning する

本ブログでは、日本語 LLM の OSS である OpenCALM を LoRA (Low-Rank Adaptation) を用いた Fine-Tuning によりクイズ回答の精度を向上させるコードを SageMaker Studio Lab 上で実行することに挑戦します。最初に背景や課題についてご説明しますが、早速動かしてみたい方は、SageMaker Studio Lab で日本語 LLM OpenCALM を動かす準備からお読みいただくとスムーズです。