Amazon Web Services ブログ
Tag: Amazon SageMaker
グローバルサプライチェーンにおける通関リスクの管理
前回のブログ「動的なサプライチェーンプラットフォームを構築する方法: 入門書」では、企業が AWS を利用して […]
【開催報告】ISV/SaaS のお客様に向けた AI/ML 勉強会
こんにちは、ISV/SaaS ソリューション本部 Solutions Architect の加治です。 私が所 […]
【Amazon Game Tech Night】ゲーム開発に新しい付加価値を与える:ゲーム業界向け機械学習最新状況アップデート (2022/03/15)
こんにちは、アマゾンウェブサービスジャパン合同会社 ソリューションアーキテクトの岩井泰児です。 2022年3月 […]
ジオテクノロジーズ株式会社の位置情報データレイクにおけるAWSの活用
こんにちは、ソリューションアーキテクトの齋藤です。本稿では、ジオテクノロジーズ株式会社 デジタル本部 ビッグデ […]
Amazon SageMaker におけるカスタムコンテナ実装パターン詳説 〜学習編〜
みなさんこんにちは、AWS Japanのソリューションアーキテクトの辻です。このブログでは、Amazon Sa […]
【開催報告】アップデート紹介とちょっぴり DiveDeep する AWS の時間 第十六回 (03/24)
みなさんこんにちは! アマゾンウェブサービスジャパン合同会社 ソリューションアーキテクトの赤澤です。 2022 […]
MLaaS (Machine Learning as a Service) のためのマルチテナント機械学習構築環境を Amazon SageMaker Pipelines で実装する
近年、自社で保有するデータだけでなく、外部や第三者のデータを使って機械学習(ML)モデルを構築する企業が増えています。そして学習させたモデルを外部の顧客に提供することで収益源とするビジネスモデルを構築することができます。
この記事では、Amazon SageMaker Pipelinesが、Machine Learning as a Service (MLaaS) / Software as a Service (SaaS) アプリケーションにおけるデータの前処理、そして機械学習モデルの構築、訓練、チューニング、登録にどのように役立つかを紹介します。特にテナント分離とコスト配分に焦点を当て、テナント固有のMLモデルを構築するためのベストプラクティスを紹介します。
AI を活用したドローン画像による風力タービンの外観検査
本投稿は、Burak Gozluklu による記事 AI-Driven Visual Inspection o […]
【開催報告】アップデート紹介とちょっぴりDiveDeepするAWSの時間 第十三回 (12/16)
みなさん、こんにちは。 アマゾンウェブサービスジャパン合同会社 ソリューションアーキテクトの金成です。 12月 […]
Amazon SageMaker による FairMOT モデルのトレーニングとデプロイ
この記事は “ Train and deploy a FairMOT model with Amazon Sa […]