Search Results AWSパートナー

リトリーバル・オーグメンテッド・ジェネレーションを使用して、安定した拡散プロンプトを改善しましょう

テキストから画像を生成することは、メディアやエンターテイメント、ゲーム、ECサイトの商品ビジュアライゼーション、広告やマーケティング、建築設計やビジュアライゼーション、芸術創作、医療画像など、さまざまな分野で応用される急速に成長している人工知能の分野ですStable Diffusionは、数秒で高品質な画像を作成する力を与えるテキストから画像へのモデルです11月には[…]

「Amazon SageMakerを使用して数百のモデルにスケールされたファウンデーションモデルの推論 – パート1」

「ファンデーションモデル（FM）の民主化が一般化し、AIを活用したサービスへの需要が増加するにつれ、ソフトウェアプロバイダーは、組織内のデータ科学者および外部の顧客を対象にしたマルチテナントをサポートする機械学習（ML）プラットフォームを利用しようとしていますますます多くの企業が、ファンデーションモデルの利用価値に気付き始めています...」

Amazon Personalize Next Best Actionを使用して、ユーザーにアクションを推奨することでブランドの忠誠心を構築します

Amazon Personalizeは、個別のユーザーに提案する最適なアクションを決定し、ブランドのロイヤルティとコンバージョンを向上させるための新しいNext Best Action (aws-next-best-action)のレシピを発表できることを喜んでお知らせしますAmazon Personalizeは、開発者が高度な機械学習（ML）サービスを提供することを容易にする完全に管理されたサービスです

カスタムレンズを使用して、優れたアーキテクチャのIDPソリューションを構築する – パート5：コスト最適化

クラウド上の本番用ソリューションを構築するには、リソース、時間、顧客の期待、ビジネスの成果との間でトレードオフが必要ですAWS Well-Architectedフレームワークは、AWS上でワークロードを構築する際に行う意思決定の利点とリスクを理解するのに役立ちますインテリジェントドキュメントプロセシング（IDP）プロジェクトでは、通常、光学文字認識（OCR）と自然言語処理を組み合わせます

Amazon PersonalizeとAmazon OpenSearch Serviceの統合により、検索結果をパーソナライズします

アマゾンパーソナライズは、Amazon OpenSearch Serviceとの新しい統合を開始し、それにより各ユーザーの検索結果を個別にパーソナライズし、彼らの検索ニーズを予測することができますOpenSearch Service内のAmazon Personalize Search Rankingプラグインを使用すると、ウェブサイトとアプリの検索からエンドユーザーの関与度とコンバージョンを向上させることができます

「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[…]

「Amazon SageMakerとHugging Faceを使用して、FetchはML処理の遅延を50％削減します」

この記事は、元々2023年9月にAWSのウェブサイトで公開された記事のクロスポストです。概要消費者エンゲージメントと報酬会社であるFetchは、ユーザーがレシートをスキャンして購入に対して報酬を得ることができるアプリケーションを提供しています。同社はまた、これらのレシートを解析して消費者の行動に関する洞察を生成し、ブランドパートナーに提供しています。週ごとのスキャンが急速に増加するにつれて、Fetchはスピードと精度を向上させる必要がありました。 Amazon Web Services（AWS）上で、FetchはHugging FaceとAmazon SageMakerを使用して機械学習（ML）パイプラインを最適化しました。Amazon SageMakerは、完全に管理されたインフラストラクチャ、ツール、ワークフローを備えたMLモデルの構築、トレーニング、展開を行うためのサービスです。これにより、Fetchアプリはスキャンをより速く、かつ大幅に高い精度で処理することができます。機会 | FetchのMLパイプラインを12か月でAmazon SageMakerを使用して高速化する Fetchアプリを使用して、顧客はレシートをスキャンし、ポイントを受け取り、それらのポイントをギフトカードと交換することができます。Fetchは、領収書のスキャンに対してユーザーに即座に報酬を与えるために、領収書からテキストをキャプチャし、関連するデータを抽出し、その他のシステムが処理および分析できるように構造化する必要がありました。ピークトラフィック時には週に8000万枚以上のレシートを処理する必要があり、秒間数百枚のレシートを素早く、正確に処理する必要がありました。 2021年、Fetchはアプリのスキャン機能を最適化することを決定しました。FetchはAWSネイティブの会社であり、MLオペレーションチームは既に多くのモデルでAmazon SageMakerを使用していました。これにより、モデルをAmazon SageMakerに移行してMLパイプラインを強化する決定は容易なものでした。プロジェクト全体を通じて、FetchはAWSチームと週次の通話を行い、AWSがFetchとペアになった専門家からサポートを受けました。Fetchは12か月でAmazon SageMakerを使用して5つ以上のMLモデルを構築、トレーニング、展開しました。2022年末に、Fetchは更新されたモバイルアプリと新しいMLパイプラインをリリースしました。「Amazon SageMakerはFetchにとって画期的なものです。ほぼすべての機能を広範に使用しています。新しい機能が登場すると、すぐに価値があります。Amazon SageMakerの機能なしでこのプロジェクトを行うことは想像できません。」 Sam Corzine、機械学習エンジニア、Fetch…

Learn more about Search Results AWSパートナー