Search Results AWS Identity and Access Management

エンタープライズデータの力を活用するための生成AI：Amazon Kendra、LangChain、および大規模言語モデルによる洞察

広範な知識を持つ大規模言語モデル（LLM）は、ほぼあらゆるトピックについて人間らしいテキストを生成することができますしかし、大量のデータセットでの訓練は、専門的なタスクに対しての利用価値を制限します継続的な学習がなければ、これらのモデルは初期の訓練後に現れる新しいデータやトレンドに無関心ですさらに、新しいLLMを訓練するためのコストも[…]

「Amazon Kendraを使用した知的にDrupalコンテンツを検索する」

「Amazon Kendra（アマゾンケンドラ）は、機械学習（ML）によって動作するインテリジェントな検索サービスですAmazon Kendraは、さまざまなコンテンツリポジトリから簡単にコンテンツを集約し、中央のインデックスに格納しますこれにより、企業のデータ全体を迅速に検索し、最も正確な回答を見つけることができますDrupalはコンテンツ管理ソフトウェアです多くの場所で利用されています...」

リコグニションカスタムモデレーションの発表：データを使用して事前訓練されたリコグニションモデレーションモデルの精度を向上させます

企業は、ユーザーが生成した画像や動画をますます使用してエンゲージメントを図っています商品の画像を共有するように顧客を促す電子商取引プラットフォームから、ユーザーが生成した動画や画像を推進するソーシャルメディア企業まで、ユーザーコンテンツを活用することは、強力な戦略ですただし、このユーザーが生成したコンテンツがあなたのポリシーと一致し、[…]を育むことを確実にするのは、困難な場合もあります

新しいAmazon KendraのWebクローラーを使用して、ウェブにクロールされたコンテンツをインデックス化します

この記事では、ウェブサイトに保存された情報のインデックス化方法と、Amazon Kendraのインテリジェント検索を使用して、内部および外部のウェブサイトに保存されたコンテンツから回答を検索する方法を紹介しますさらに、機械学習によるインテリジェント検索は、キーワード検索があまり効果的ではない、自然言語のナラティブコンテンツを持つ非構造化ドキュメントから質問に対する回答を正確に取得することができます

「Amazon SageMaker Data Wranglerを使用して、Amazon Personalizeのデータを準備する」

「レコメンドエンジンは、それを準備するために使用されるデータのみならず優れたものです生データをモデルに適した形式に変換することは、エンドユーザーにより良いパーソナライズされたおすすめをするための鍵ですこの記事では、GroupLens研究によって準備されたMovieLensデータセットの準備とインポート方法について解説します」

「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、･･･

エッジ上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1

「機械学習（ML）モデルの成功した導入は、エンドツーエンドのMLパイプラインに大きく依存していますこのようなパイプラインの開発は困難な場合もありますが、エッジMLユースケースを扱う場合はさらに複雑になりますエッジでの機械学習は、実行可能性をもたらす概念です...」

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

Amazon SageMaker Feature Storeは、機械学習（ML）のための特徴量エンジニアリングを自動化するためのエンドツーエンドのソリューションを提供します多くのMLユースケースでは、ログファイル、センサーの読み取り、トランザクションレコードなどの生データを、モデルトレーニングに最適化された意味のある特徴に変換する必要があります特徴量の品質は、高精度なMLモデルを確保するために重要です[...]

「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」

機械学習（ML）は、お客様がより困難な問題を解決しようとするにつれて、ますます複雑になっていますこの複雑さはしばしば、複数のマシンを使用して単一のモデルをトレーニングする必要性を引き起こしますこれにより、複数のノード間でタスクを並列化することが可能になり、トレーニング時間の短縮、スケーラビリティの向上、[…] などがもたらされます

Amazon SageMakerで@remoteデコレータを使用してFalcon 7Bやその他のLLMを微調整する

今日、生成型AIモデルはテキスト要約、Q&A、画像やビデオの生成など、さまざまなタスクをカバーしています出力の品質を向上させるために、n-短期学習、プロンプトエンジニアリング、検索補完生成（RAG）およびファインチューニングなどの手法が使用されていますファインチューニングにより、これらの生成型AIモデルを調整して、ドメイン固有の改善されたパフォーマンスを達成することができます

Learn more about Search Results AWS Identity and Access Management - Page 4