Search Results SageMaker Processing jobs

『Amazon SageMaker を使用して、Talent.com の ETL データ処理を効率化する』

この投稿では、Talent.comでの求人推薦モデルのトレーニングと展開のために開発したETLパイプラインについて説明します当社のパイプラインは、大規模なデータ処理と特徴抽出のためにSageMaker Processingジョブを使用して効率的なデータ処理を行います特徴抽出コードはPythonで実装されており、一般的な機械学習ライブラリを使用してスケーラブルな特徴抽出を行うため、コードをPySparkを使用する必要はありません

Amazon SageMakerの自動モデルチューニングを使用して、事前に選択されたアルゴリズムを使用してカスタムのAutoMLジョブを実装します

AutoMLは、機械学習（ML）プロジェクトのライフサイクルの初めに、データから迅速かつ一般的な洞察を得ることができます前もって最適な前処理テクニックやアルゴリズムの種類を理解することで、適切なモデルの開発、トレーニング、展開にかかる時間を短縮できますこれは、すべてのモデルの開発プロセスで重要な役割を果たします[...]

「Amazon SageMaker JumpStartを使用して、2行のコードでファウンデーションモデルを展開して微調整する」

「Amazon SageMaker JumpStart SDKのシンプル化されたバージョンの発表をお知らせすることを楽しみにしていますこのSDKを使用することで、基礎モデルの構築、トレーニング、デプロイが簡単に行えます予測のためのコードも簡略化されていますこの記事では、わずか数行のコードで基礎モデルの使用を開始するために、簡略化されたSageMaker JumpStart SDKの使用方法をご紹介します」

「Amazon SageMaker Data Wranglerを使用して機械学習のためにPII情報を自動的に修正します」

「顧客は、データと洞察を自動的に抽出するために、大規模な言語モデル（LLM）などのディープラーニングアプローチを利用したいという要望がますます高まっています多くの業界にとって、機械学習（ML）に役立つデータには個人情報（PII）が含まれる場合がありますディープラーニングモデルのトレーニング、微調整、利用を行う際に、顧客のプライバシーを保護し、規制要件を遵守するために、...」

「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 CloudWatchを使用して、Amazon SageMakerのための集中監視およびレポートソリューションを構築する」

この投稿では、複数のアカウント間でSageMakerユーザーの活動とリソースを監視するためのクロスアカウントの可観測性ダッシュボードを紹介しますこれにより、エンドユーザーとクラウド管理チームは、実行中のMLワークロード、これらのワークロードの状態、特定の時間点での異なるアカウント活動を効率的に監視できます

『AWS SageMaker Data Wranglerの新機能でデータ準備を最適化する』

データの準備は、データ駆動型のプロジェクトにおいて重要なステップであり、適切なツールを使用することで業務効率を大幅に向上させることができますAmazon SageMaker Data Wranglerは、機械学習（ML）のための表形式データや画像データの集約と準備にかかる時間を数週間から数分に短縮しますSageMaker Data Wranglerを使用することで、[…]のプロセスを簡素化することができます

「Amazon SageMaker Hyperband 自動モデルチューニングを使用して、分散トレーニングの収束問題を効果的に解決する」

最近の数年間は、ディープラーニングニューラルネットワーク（DNN）の驚異的な成長が見られていますこの成長は、より正確なモデルや生成型AIによる新たな可能性の開拓（自然言語を合成する大規模な言語モデル、テキストから画像を生成するものなど）に現れていますDNNのこれらの増加した機能は、巨大なモデルを持つことと引き換えに実現されています

Amazon SageMaker Jumpstartを使用して、車両フリートの故障確率を予測します

予測保全は自動車産業において重要ですなぜなら、突発的な機械故障や運用を妨げる事後処理の活動を回避することができるからです車両の故障を予測し、メンテナンスや修理のスケジュールを立てることにより、ダウンタイムを減少させ、安全性を向上させ、生産性を向上させることができますもし、車両の故障を引き起こす一般的な領域にディープラーニングの技術を適用できたら、どうでしょうか

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...」

Learn more about Search Results SageMaker Processing jobs