Search Results リポジトリ

「メタのCode Llamaコード生成モデルは、Amazon SageMaker JumpStartを介して利用可能になりました」

今日は、Metaが開発したCode Llama foundationモデルが、Amazon SageMaker JumpStartを通じて顧客に提供され、クリックひとつで推論を実行するためにデプロイできることをお知らせすることを喜んでいますCode Llamaは、コードと自然言語のプロンプトの両方からコードとコードに関する自然言語を生成することができる最新の大規模言語モデル（LLM）ですCode[…]

エッジでの視覚品質検査のためのエンド・ツー・エンドMLOpsパイプラインの構築-パート2

このシリーズの第1部では、エッジでの視覚品質検査ケースのためのエンドツーエンドのMLOpsパイプラインのアーキテクチャを作成しましたデータのラベリングからモデルのトレーニング、エッジでの展開まで、機械学習（ML）プロセス全体を自動化するために設計されていますマネージドおよびサーバーレスのサービスに焦点を当てることで、[…]を削減します

エッジでのビジュアル品質検査のためのエンドツーエンドのMLOpsパイプラインの構築-パート3

これは、エッジでのビジュアル品質検査のためにMLOpsパイプラインを設計・実装するシリーズの第3部ですこの記事では、エンドツーエンドのMLOpsパイプラインのエッジ展開部分を自動化する方法に焦点を当てます AWS IoT Greengrassを使用して、モデルの推論を管理する方法を紹介します

「AWS AI サービスと Amazon Bedrock によるインテリジェントドキュメント処理」

ヘルスケア、ファイナンス、法律、小売、製造などの業界の企業は、日々の業務の一環として大量の書類を扱うことがよくありますこれらの書類には、タイムリーな意思決定を促進し、一流の顧客満足度を確保し、顧客の離反を減らすために不可欠な重要情報が含まれています伝統的には、書類からのデータの抽出は...

Amazon

「すべてのビジネスが生成的AIを受け入れるのを支援するための新しいツールを発表します」と発表します

スタートアップから大企業まで、あらゆる規模の組織がジェネレーティブAIに取り組み始めています彼らはジェネレーティブAIを活用し、ベータ版、プロトタイプ、デモから実際の生産性向上と革新に繋げたいと考えていますしかし、組織がジェネレーティブAIをエンタープライズに導入し、実践するためには何が必要なのでしょうか？話題になるのは[…]

「ファウンデーションモデルの安全で準拠した利用を可能にする生成AIゲートウェイを作成する」

AIや機械学習（ML）の急速に進化する世界では、Foundation Models（FM）は革新を推進し、新たなユースケースを解き放つための大きな可能性を示していますしかし、組織がますますFMのパワーを利用するにつれて、データプライバシーやセキュリティ、追加費用、コンプライアンスに関する懸念が最重要視されるようになりました金融サービスなどの規制とコンプライアンスに特化した業界では、･･･

「Amazon SageMaker Canvas UIとAutoML APIを使用して、時系列の予測を最大50%高速化しましょう」

私たちは、Amazon SageMaker Canvasがタイムシリーズ予測のための機械学習モデルをより迅速かつ使いやすい方法で作成できることをお知らせできることを嬉しく思っていますSageMaker Canvasは、ビジネスアナリストが正確な機械学習（ML）モデルを生成するためのビジュアルなポイントアンドクリックサービスであり、機械学習の経験がなくてもコードを一行も書かずに利用できますSageMaker [...]

「CDS HooksとAWS HealthLakeを使用してCRDを自動化して事前承認を行う」

「あらかじめの承認は、医療において非常に重要なプロセスであり、医療処置や手続きが行われる前に承認を受けることを含んでいますこのプロセスは、患者が適切なケアを受けることを確保し、医療提供者が正しい手順を守っていることを確認するために必要ですしかし、あらかじめの承認は時間がかかり、複雑なプロセスであり、[…]

Google DeepMindは、1M以上の軌跡データと汎用AIモデル（𝗥𝗧-X）を含むロボットデータセットであるOpen X-Embodimentをリリースし、ロボットが新しいスキルを学ぶ方法を進化させるための支援を行います

人工知能と機械学習の最新の進展は、多様で広範なデータセットからの大規模な学習能力を示し、非常に効果的なAIシステムの開発が可能であることを示しています。最良の例は、一般的なプリトレーニングモデルの作成であり、タスク固有の小規模なデータにトレーニングされた狭義の専門モデルよりも頻繁に優れた性能を示しています。オープンボキャブラリーの画像クラシファイアや大規模言語モデルは、専門化され制約のあるデータに基づいてトレーニングされたモデルと比較して、より優れたパフォーマンスを示しています。しかし、ロボティクスのための比較可能なデータセットの収集は、コンピュータビジョンや自然言語処理（NLP）とは対照的に困難です。これらの分野では、大規模なデータセットがインターネットから簡単にアクセスできます。一方、ロボットインタラクションのためのデータセットは、ビジョンとNLPのベンチマークと比較してはるかに小さく、多様性に欠けるものです。これらのデータセットは、特定の場所、アイテム、または制限されたグループのタスクに集中することがよくあります。ロボティクスの障壁を乗り越え、他の分野で効果を上げた大規模ビジョンや言語モデルに刺激を受けた大規模ロボット方針の開発に向け、研究チームが提案した解決策があります。チームはX具現トレーニングと呼ばれる手法を共有しています。この手法では、多くのロボットプラットフォームからのデータを利用して、汎用性のあるロボット方針を開発することが必要です。チームはOpen X-Embodiment (OXE) リポジトリを公開しました。これには、21の機関から22の異なるロボット具現を特集したデータセットと、X具現モデルに関する研究を促進するためのオープンソースツールが含まれています。このデータセットには、50万以上のエピソードで500以上のスキルと15万以上のタスクが示されています。主な目的は、異なるロボットと環境のデータを使用して学習されたポリシーが、1つの特定の評価セットアップのデータのみを使用して学習されたポリシーよりも利益を上げることを示すことです。研究者たちは、このデータセットで高容量モデルRT-Xをトレーニングしました。彼らの研究の主な発見は、RT-Xがポジティブな転移を示すということです。さまざまなロボットプラットフォームから学んだ知識を利用することで、この広範なデータセットのトレーニングにより、複数のロボットの能力を向上させることができます。この発見は、柔軟で効果的な一般的なロボットルールを、さまざまなロボットの文脈で実現することができる可能性を示唆しています。チームは、幅広いロボットデータセットを使用して2つのモデルをトレーニングしました。大規模なビジョン言語モデルRT-2と効果的なトランスフォーマーベースのモデルRT-1は、位置、方向、グリッパー関連のデータを表す7次元ベクトル形式でロボットのアクションを生成するためにトレーニングされました。これらのモデルは、ロボットがオブジェクトを扱い操作するのを容易にするために作られています。さらに、これらはより幅広い範囲のロボットアプリケーションとシナリオにおけるより良い一般化を可能にするかもしれません。まとめると、この研究は、NLPやコンピュータビジョンが成功してきたように、ロボティクスにおいてもプリトレーニングモデルを組み合わせるアイデアについて議論しています。実験結果は、ロボティクスの操作の文脈で、これらの一般的なX-ロボット戦略の可能性と効果を示しています。

Azure Machine Learningにおける生成AI：AI変革のためのアプリ開発の運用化

「ジェネラティブAIの時代において、リーダーたちは革新と目的の交差点に立たされています取締役会やデータサイエンスの会議場で響き渡るのは次のような疑問です：この最新鋭の技術の星座をどうやって活用し、創造性とビジネスの柔軟性を持って組織の目標を前進させつつ、社会とのバランスを取ることができるのでしょうか...」

Learn more about Search Results リポジトリ - Page 32