Amazon Web Services ブログ
Tag: MLOps
機械学習モデルで推論時の頻出課題と、Amazon SageMaker を用いた解決方法について解説する動画を公開しました!
「ML Max!」 ということで、今週も機械学習の価値を最大化するための解説動画、ML Enablement […]
【開催報告 & 資料公開】AWS AI/ML サービス事例祭り ~最新アップデートとお客様活用事例をまとめてご紹介~
アマゾン ウェブ サービス ジャパン合同会社 機械学習ソリューションアーキテクトの卜部です。2022年6月2日 […]
機械学習プロジェクトの最上流工程での「機械学習の価値を計算する」方法について解説動画を公開しました!【ML Enablement Series Light#3】
機械学習モデル開発プロジェクトの進め方を解説する「ML Enablement Series ※」の Light […]
Amazon SageMakerによる実験管理について解説する動画を公開しました!
2022/06/08より、機械学習モデル開発プロジェクトの進め方を解説する「ML Enablement Ser […]
機械学習モデルの開発環境を構築する方法について解説する動画を公開しました!
「ML Max!」 ということで、今週も機械学習の価値を最大化するための解説動画、ML Enablement […]
【動画公開】機械学習プロジェクトの進め方を説明する「ML Enablement Series」が始まりました!
「MLマックス!」(この掛け声の意味は動画冒頭にて説明しています) AWS Black Belt オンラインセ […]
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。
【開催報告 & 資料公開】 AI/ML@Tokyo #11 AWS の機械学習を使った製造業における業務活用 – Amazon SageMaker
アマゾン ウェブ サービス ジャパン合同会社 機械学習ソリューションアーキテクトの伊藤です。AWS Japan […]
【開催報告 & 資料公開】 AI/ML@Tokyo #7 AWSにおけるMLOps 開催報告
アマゾン ウェブ サービス ジャパン株式会社 機械学習ソリューションアーキテクトの卜部です。AWS Japan […]