Search Results SDK

最速の道 AIを使用して手術室でがん細胞を分析するヘルスケアスタートアップ

医療機器会社のInvenio Imagingは、手術室で組織生検を評価することができる技術を開発しており、サンプル採取後すぐに、病理学研究所で数週間かかるであろう情報をわずか3分で提供します。手術の生検では、医療専門家ががんなどの病気のために解析する細胞や組織のサンプルを取ります。治療室内のコンパクトなAI駆動の画像システムを通じて、Invenioは迅速な臨床的意思決定をサポートすることを目指しています。シリコンバレー拠点のInvenioのテクノロジーチームのCTOであるChris Freudigerは、「この技術は生検や手術時に外科医が臨床的な意思決定を行うのを支援します。組織のサンプルにがん細胞が含まれているかどうかを迅速に評価でき、さらに、Invenioが開発しているAIモデルで分子診断を行い、数分で個別の医療治療を行うことができるかもしれません」と述べています。より迅速な診断は、より迅速な治療を可能にします。特に、専門の病理学研究所からの生検結果が戻るまでの数週間の間に成長したり広がったりする可能性のある悪性腫瘍にとっては、特に重要です。 Invenioは、先進的なスタートアップ企業に技術的なサポートとAIプラットフォームのガイダンスを提供するプログラムであるNVIDIA Inceptionのメンバーです。同社は、NVIDIAのGPUとソフトウェアライブラリを使用して、AIのトレーニングと推論を加速させています。がん治療におけるレーザー焦点 NIOレーザーイメージングシステムにより、新鮮な組織生検のイメージングが加速されます。 InvenioのNIOレーザーイメージングシステムは、新鮮な組織生検のイメージングを加速するデジタル病理学ツールです。これは、アメリカとヨーロッパで何千もの手術で使用されています。2021年には、欧州での規制承認のCEマークを受けました。同社は、次世代イメージングシステムにNVIDIA Jetson OrinシリーズのエッジAIモジュールを採用する予定であり、NVIDIA TensorRT SDKによるほぼリアルタイムのAI推論を含むものとなります。 Chris Freudigerは、「私たちは、イメージングの能力の上にAIモデルの層を構築しており、医師に診断イメージだけでなく、彼らが見ているものの分析結果を提供します。NVIDIA Jetsonが提供するAIパフォーマンスにより、生検画像にどのようながん細胞が存在するかを迅速に判断することができるようになります」と述べています。 Invenioは、組織学データに基づいて、数千万のパラメータを持つニューラルネットワークをNVIDIA RTX A6000 GPUのクラスターを使用してトレーニングします。これらのモデルは、TensorFlowディープラーニングフレームワークを使用して開発され、NIOイメージングシステムで取得した画像でトレーニングされました。 Freudiger氏は、「RTX…

初めての機械学習モデルを展開する

たった3つの簡単なステップで、ガラス分類モデルを構築して展開することができます言っている間に、ガラス分類モデルと言えるほど早く！

MLOps

生成AIのアシストを使用して複雑なSQLクエリを作成する

イントロダクション ChatGPTの登場は、AIの歴史において前例のない瞬間を迎えました。ChatGPTや他の多くの生成型AIツールは、驚異的な能力を持っており、私たちの働き方を劇的に変える可能性があります。AI革命に続いて、データサイエンスにおけるSQLの記述は既に変化しています。この記事では、自然言語を使用してSQLデータベースと接続し、対話する具体的な例を提供します。PythonのオープンソースパッケージであるVannaを使用します。ノートブックへのリンクはこちらです。Generative AIを使用して複雑なSQLクエリの作成方法をマスターしましょう。この洞察に富んだガイドでは、自然言語のプロンプトを使用してデータベースの相互作用を効率化する方法を学びます。学習目標この記事では、以下のことを学びます：データ駆動型プロジェクトにおいて、なぜSQLの記述が一般的な課題となるのか生成型AIがSQLをより簡単かつアクセスしやすくする可能性自然言語のプロンプトを使用してSQLを記述するためにLLMをどのように実装できるか PythonのパッケージであるVannaを使用してSQLデータベースと接続し、対話する方法 Vannaやより広範な意味でのLLMがSQLの記述において抱える制約この記事は、データサイエンスのブログマラソンの一環として公開されました。データ駆動型プロジェクトにおけるSQL：一般的な課題 SQLは最もポピュラーで広く使用されているプログラミング言語の一つです。ほとんどの現代企業は、エンタープライズデータの格納と分析にSQLアーキテクチャを採用しています。しかし、会社内の全員がそのデータを活用する能力を持っているわけではありません。技術的なスキルが不足しているか、データベースの構造やスキーマに馴染みがないかもしれません。どんな理由であれ、これはデータ駆動型プロジェクトにおいてしばしばボトルネックとなります。ビジネスの質問に答えるためには、SQLデータベースの使用方法を知っているごく少数の人々の存在に依存しています。会社の全員が、SQLの専門知識にかかわらず、一度にいつでもどこでもデータを活用できたら素晴らしいですよね？これは、生成型AIの助けを借りれば、近いうちに実現することができるかもしれません。開発者や研究者は、SQLの目的でトレーニングされた大規模言語モデル（LLM）の異なるアプローチを既にテストしています。たとえば、LLMベースのアプリケーションを開発するための人気フレームワークであるLangChainは、自然言語のプロンプトに基づいてSQLデータベースと接続し、対話することができます。しかし、これらのツールはまだ初期段階にあります。大規模で複雑なデータベースで作業する場合、精度の低い結果を返したり、いわゆるLLM幻覚を経験することがよくあります。また、非技術的なユーザーにとって直感的に理解しにくい場合もあります。したがって、改善の余地はまだ大いにあります。 Vannaの概要 Vannaは、SQLの使用を民主化するために設計されたAIエージェントです。OpenAIとGoogleのサードパーティLLMの組み合わせに基づいた事前学習モデルを元に、データベースに特化したカスタムモデルを微調整することができます。モデルが準備できたら、自然言語でビジネスの質問を投げかけると、モデルがそれをSQLクエリに変換します。また、クエリを対象のデータベースに対して実行したい場合もあります。モデルに尋ねるだけで、クエリと結果のpandas DataFrame、plotlyのチャート、および追加の質問のリストが返されます。カスタムモデルを作成するためには、VannaはSQLの例、データベースのドキュメント、およびデータベーススキーマ（データ定義言語（DDL））など、文脈に関連する情報をトレーニングデータとして使用する必要があります。モデルの精度は、トレーニングデータの品質と量に最終的に依存します。良いニュースは、モデルが使用されるたびに生成されたSQLクエリが自動的にトレーニングデータに追加されるため、モデルが以前のミスから学び、徐々に改善していくことです。全体のプロセスは、以下のイメージで示されています： LLMの技術的な詳細や他の種類のニューラルネットワークについて詳しくは、この記事をご覧ください。…

Learn more about Search Results SDK - Page 11

最速の道 AIを使用して手術室でがん細胞を分析するヘルスケアスタートアップ

初めての機械学習モデルを展開する

生成AIのアシストを使用して複雑なSQLクエリを作成する

本番環境向けのベクトル検索の構築

「Amazon SageMakerを使用して、マルチクラウド環境でMLモデルをトレーニングおよびデプロイする」

大規模言語モデル（LLM）の時代におけるイノベーションと安全性・プライバシーのバランス

「Amazon SageMaker Feature Store Feature Processorを使用して、MLの洞察を解き放つ」

AWSにおける生成AIとマルチモーダルエージェント：金融市場における新たな価値を開拓するための鍵

AIがDevSecOpsを再構築する3つの方法

「Amazon SageMakerを使用して、Rayベースの機械学習ワークフローをオーケストレーションする」

Find the right Blockchain Investment for you