Amazon Web Services ブログ
Tag: ML
AWS での生成 AI と CFD シミュレーションを使用した概念設計
この投稿では、生成AI技術を従来の物理ベースの計算流体力学(CFD)シミュレーションと組み合わせることで、自動 […]
re: Invent 2023 ギリアド・サイエンシズ登壇 イノベーショントークのキーポイント!
この記事は “Key takeaways from Gilead’s Innovation Talk at r […]
NRF 2023 で注目の小売企業向けのソリューション: Amazon Forecast と AWS Supply Chain
NRF 2023 にて発表された没入型コマース体験や店内最適化のアイデアについて話しましたが、今回は小売企業の […]
SAP on AWS による製造不良のプロアクティブな検出と防止
この投稿は、Ganesh Suryanarayanan、Krishnakumar Ramadoss、Josep […]
問い合わせ追跡レコードとAmazon Lexのログを使って、Amazon ConnectのチャットボットのパフォーマンスをAmazon AthenaとAmazon QuickSightで分析する
注:これは、Amazon Connect レポートブログシリーズの 4 番目のブログです。もし「 Amazon […]
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。
リモートQC とプレイバックの新しい標準
この記事は、“A new standard for remote QC and playback” を翻訳した […]
パーソナライゼーション: より深い洞察を得て売上を伸ばすために
誰も COVID-19 のパンデミックを予測できませんでした。ステイホーム(外出禁止令)やソーシャルディスタン […]
パートナー対談:enVista のサプライチェーン戦略 – ニューノーマルのためのイノベーション
ブログ連載の紹介 世界中の小売企業がかつてない混乱に見舞われている中、業界のリーダーたちは、レジリエンス、粘り […]