Search Results CloudWatch

Amazon SageMakerを使用して、ML推論アプリケーションをゼロから構築し、展開する

機械学習（ML）が主流化し、広く採用されるにつれて、MLを活用した推論アプリケーションは複雑なビジネス問題を解決するためにますます一般的になっていますこれらの複雑なビジネス問題の解決には、複数のMLモデルとステップを使用することがしばしば必要ですこの記事では、カスタムコンテナを使用してMLアプリケーションを構築・ホストする方法をご紹介します

「環境持続可能性のために生成型AIのワークロードを最適化する」

「AWS上でのディープラーニングワークロードの持続可能性を最適化するためのガイダンスに追加するために、この投稿では生成AIワークロードに特化した推奨事項を提供します特に、ゼロからモデルをトレーニングする、追加データを使用してファインチューニングする（フルまたはパラメータ効率のテクニックを使用する）、Retrieval Augmented Generation（RAG）、およびプロンプトエンジニアリングの異なるカスタマイズシナリオに対する実用的なベストプラクティスを提供します」

「VirtuSwapがAmazon SageMaker StudioのカスタムコンテナとAWS GPUインスタンスを使用して、Pandasベースの取引シミュレーションを加速する方法」

「この投稿は、VirtuSwapのディマ・ザドロジニーとフアド・ババエフとの共同執筆ですVirtuSwapは、ブロックチェーン上の資産の非中央集権型取引のための革新的なテクノロジーを開発しているスタートアップ企業ですVirtuSwapのテクノロジーは、直接のペアが存在しない資産のより効率的な取引を提供します直接のペアの不在により、コストのかかる間接的な取引が生じます...」

「Hugging Faceを使用してAmazon SageMakerでのメール分類により、クライアントの成功管理を加速する」

この記事では、SageMakerがScalableのデータサイエンスチームが効率的にデータサイエンスプロジェクトのライフサイクルを管理するのをどのようにサポートしているか、具体的にはメール分類プロジェクトについて共有しますライフサイクルは、SageMaker Studioによるデータ分析と探索の初期フェーズで始まり、SageMakerトレーニング、推論、およびHugging Face DLCを使用したモデルの実験と展開に移行し、他のAWSサービスと統合されたSageMakerパイプラインによるトレーニングパイプラインで完了します

言語の壁を乗り越えるシームレスなサポートのためにAmazon Translateでアプリケーションログを翻訳する

この投稿では、アプリケーションログが英語以外の言語で表示される場合に、開発者やサポートチームがデバッグやサポートを行う際に直面する課題について取り上げます提案される解決策は、CloudWatchの非英語ログを自動的にAmazon Translateを使用して翻訳し、解決策を環境に展開するためのステップバイステップのガイダンスを提供します

「Amazon Rekognition、Amazon SageMaker基盤モデル、およびAmazon OpenSearch Serviceを使用した記事のための意味論的画像検索」

デジタルパブリッシャーは、新しいコンテンツをできるだけ迅速に生成し、公開するために、メディアのワークフローを効率化し自動化する方法を常に探していますパブリッシャーは、何百万もの画像を含むリポジトリを持っており、これらの画像を記事間で再利用することで費用を節約する必要がありますこのようなスケールのリポジトリ内で、記事に最も適した画像を見つけることは、時間のかかる繰り返しの手作業であり、自動化することができますまた、リポジトリ内の画像が正しくタグ付けされていることも自動化できます（お客様の成功事例については、Aller Media Finds Success with KeyCore and AWSを参照してください）この記事では、Amazon Rekognition、Amazon SageMaker JumpStart、Amazon OpenSearch Serviceを使用して、このビジネスの問題を解決する方法を示します

「Amazon TextractとAmazon OpenSearchを使用してスマートなドキュメント検索インデックスを実装する」

この投稿では、ドキュメント検索インデックスソリューションを迅速に構築および展開する旅に連れて行きますこのソリューションは、組織がドキュメントから洞察をより効果的に抽出するのを支援します例えば、人事部門では従業員契約の特定の条項を探しているか、財務アナリストでは支払いデータを抽出するために膨大な数の請求書を選別している場合でも、このソリューションは、あなたが必要な情報に前例のない速度と正確さでアクセスできるようにするためにカスタマイズされています

「モデルガバナンスを向上させるために、Amazon SageMaker Model Cardsの共有を利用してください」

MLガバナンスの一環として利用可能なツールの1つは、Amazon SageMaker Model Cardsですこのツールは、モデルのライフサイクル全体での文書化を中央集権化して標準化することにより、モデル情報の真実の一元化を可能にします SageMakerモデルカードにより、モデルの設計、構築、トレーニング、評価など、モデルのライフサイクルを可視化するための標準化が可能になりますモデルカードは、監査や文書化の目的で信頼性のあるビジネスおよび技術メタデータの真実の一元化を意図していますモデルの重要な情報を提供するファクトシートとなります

「Amazon SageMakerでのRayを使用した効果的な負荷分散」

以前の記事（たとえば、ここ）では、DNNトレーニングワークロードのプロファイリングとパフォーマンスの最適化の重要性について詳しく説明しましたディープラーニングモデルのトレーニングは、特に大規模なものは...

「Amazon SageMakerの非同期エンドポイントを使用して、Amazon SageMaker JumpStartの基礎モデルのデプロイコストを最適化する」

この投稿では、これらの状況を対象にし、Amazon SageMaker JumpStartからAmazon SageMaker非同期エンドポイントに大規模な基盤モデルを展開することによって高コストのリスクを解決しますこれにより、アーキテクチャのコストを削減し、リクエストがキューにある場合や短い生存期間のみエンドポイントを実行し、リクエストが待機している場合にはゼロにスケーリングダウンしますこれは多くのユースケースにとって素晴らしいですが、ゼロにスケーリングダウンしたエンドポイントは、推論を提供できる前に冷たいスタート時間を導入します

Learn more about Search Results CloudWatch - Page 8