Amazon Web Services ブログ

Category: Amazon SageMaker

AWSローコード-ノーコードサービスによる投資プロセスの高速化

機関投資家向け資産運用会社としてAWS ローコード・ノーコード（以下LCNCと表記）のデータおよびAIサービスを活用することで、技術系チームを超えた初期のデータ分析および優先順位付けのプロセスを拡張し、意思決定を加速させる方法について説明します。AWS LCNCサービスを利用することで、多様なサードパーティのデータセットへのサブスクライブと評価・データの前処理・機械学習（ML）モデルによる予測能力の確認を、コードを一行も書かずに迅速に行えるようになります。

トムソンロイターが Amazon Personalize を使用してパーソナライズされたコンテンツサブスクリプションプランを大規模に提供した方法

トムソンロイター（TR）は、企業や専門家に世界で最も信頼されている情報機関の一つです。トムソンロイターは、企業 […]

Amazon SageMaker 地理空間機能とカスタム SageMaker モデルを使用した被害評価

この投稿では、地理空間機能を備えた Amazon SageMaker を使用して自然災害による被害をトレーニング、デプロイ、推論する方法を示します。新しい SageMaker の地理空間機能を使用して、モデルをテストするための新しい推論データを生成します。多くの政府機関や人道支援団体は、災害発生時に迅速かつ正確な状況把握を必要としています。被害の重大度、原因、場所を知ることは、応急対応者の対応戦略と意思決定に役立ちます。正確でタイムリーな情報が不足していると、救援活動が不完全になったり、誤った方向に進んだりする可能性があります。

Amazon SageMaker 地理空間機能を使用して農業データプラットフォームを構築

この投稿では、Amazon SageMaker の地理空間機能から生成された予測を農業データプラットフォームのユーザーインターフェイスにどのように使用できるかを見ていきます。さらに、リモートセンシングアルゴリズム、クラウドマスキング (衛星画像内の雲を自動的に検出) 、自動画像処理パイプラインなどの高度な機械学習 (ML) 主導の洞察をソフトウェア開発チームが農業データプラットフォームに追加する方法についても説明します。これらの追加機能により、農学者、ソフトウェア開発者、機械学習エンジニア、データサイエンティスト、リモートセンシングチームは、スケーラブルで価値のある意思決定支援システムを農家に提供できるようになります。この投稿では、ML ベースの農地セグメンテーションや事前にトレーニングされた農業用地理空間モデルなど、SageMaker の地理空間機能を実証するエンドツーエンドのノートブックと GitHub リポジトリの例も紹介します。

← Older posts
Newer posts →