Amazon Web Services ブログ

Systems Operations on AWS は Cloud Operations on AWS に改称されました

クラスルームの「Systems Operations on AWS」コースは、テクノロジー環境の進化に合わせて、クラウドでの運用管理をより正確に表現できるように、「Cloud Operations on AWS」に改称されました。改称する前にこのコースに申し込んでいた場合は、参加リンクが自動的にルーティングされますので、追加のアクションは不要です。

ultracluster

Amazon EC2 Trn1 UltraClusters を使って大規模言語モデル(LLM)学習をスケールする

2022 年 10 月に、AWS が設計した第 2 世代の機械学習アクセラレータである AWS Trainium を搭載した Amazon EC2 Trn1 インスタンス がローンチしました。Trn1 インスタンスは、ハイパフォーマンスなディープラーニングモデルの学習のために設計されており、同等の GPU ベースのインスタンスと比べてモデルの学習にかかるコストを最大 50% 節約できます。EC2 Trn1 UltraCluster を使用して大規模モデルの学習ジョブを分散することで、学習時間を数週間から数日に、または数日から数時間に短縮することができます。

Amazon SageMaker 地理空間機能とカスタム SageMaker モデルを使用した被害評価

この投稿では、地理空間機能を備えた Amazon SageMaker を使用して自然災害による被害をトレーニング、デプロイ、推論する方法を示します。新しい SageMaker の地理空間機能を使用して、モデルをテストするための新しい推論データを生成します。多くの政府機関や人道支援団体は、災害発生時に迅速かつ正確な状況把握を必要としています。被害の重大度、原因、場所を知ることは、応急対応者の対応戦略と意思決定に役立ちます。正確でタイムリーな情報が不足していると、救援活動が不完全になったり、誤った方向に進んだりする可能性があります。

Amazon SageMaker 地理空間機能を使用して農業データプラットフォームを構築

この投稿では、Amazon SageMaker の地理空間機能から生成された予測を農業データプラットフォームのユーザーインターフェイスにどのように使用できるかを見ていきます。さらに、リモートセンシングアルゴリズム、クラウドマスキング (衛星画像内の雲を自動的に検出) 、自動画像処理パイプラインなどの高度な機械学習 (ML) 主導の洞察をソフトウェア開発チームが農業データプラットフォームに追加する方法についても説明します。これらの追加機能により、農学者、ソフトウェア開発者、機械学習エンジニア、データサイエンティスト、リモートセンシングチームは、スケーラブルで価値のある意思決定支援システムを農家に提供できるようになります。この投稿では、ML ベースの農地セグメンテーションや事前にトレーニングされた農業用地理空間モデルなど、SageMaker の地理空間機能を実証するエンドツーエンドのノートブックと GitHub リポジトリの例も紹介します。

← Older posts
Newer posts →