Amazon SageMaker Catalog

分析›
Amazon SageMaker›
Amazon SageMaker Catalog

Amazon SageMaker Catalog

データと AI を安全に発見、管理、共同作業

Amazon SageMaker の詳細

概要

Amazon SageMaker Catalog は、構造化データと非構造化データ、AI モデル、ビジネスインテリジェンスダッシュボード、アプリケーションにわたるデータと AI の発見、ガバナンス、コラボレーションを簡素化します。生成 AI 作成のメタデータを用いたセマンティック検索を使用して承認されたデータやモデルをセキュアに検出してアクセスすることができます。データを検索するよう Amazon Q Developer に自然言語で指示することも可能です。ユーザーは、Amazon SageMaker Unified Studio できめ細かなアクセスコントロールを備えた単一の許可モデルを一元的に使用して、アクセスポリシーを一貫した方法で定義および適用できます。簡単なパブリッシュとサブスクライブのワークフローを通じて、データと AI アセットをシームレスに共有し、コラボレーションできます。データ品質モニタリング、データ分類、データと AI アセットの列レベルでのエンドツーエンドの自動リネージュにより、組織全体の信頼を構築できます。

メリット

Amazon Datazone 上に構築された SageMaker Catalog を使用して、データと AI アセットを大規模に検出しましょう。生成 AI でデータ検出を強化してデータとメタデータをビジネスコンテキストで自動的に充実させ、すべてのユーザーがデータを簡単に検索、理解、使用できるようにします。テーブルや列の名前、またはビジネス用語集の用語でのフィルタリングを使用して、データ、AI モデル、プロンプト、生成 AI アセットを共有します。各データセットにとって有益な列と関連する分析アプリケーションを自動的に推奨することで、適切なデータを使用して適切なモデルを迅速に構築できるようにします。プロジェクトを通じてワークフローの公開とサブスクリプションを 1 つのエクスペリエンスで行うことで、シームレスなデータと AI の共有により一元管理型と分散管理型の両方のモデルをサポートします。

SageMaker でデータ品質、データ、ML リネージをリアルタイムで可視化することで、信頼を獲得します。データプロファイリングとデータ品質推奨を自動化し、データ品質ルールを監視し、アラートを受信できます。ルールベースのアプローチと ML アプローチを用いてエンティティを照合することで、見つけにくいデータ品質上の課題を解決し、自信をもってビジネス上の意思決定を行うための、質の高いデータを提供できるようにします。ビルトインのモデルモニタリング機能でデータパイプラインや AI プロジェクトの透明性を高め、バイアスを検出することや、特徴量がモデル予測にどのように寄与するかを報告することができます。

きめ細かなアクセス制御、データ分類、ガードレールを使用して SageMaker でデータと AI のセキュリティを一元化し、データ、分析、AI モデルが適切に使用されるようにします。アクセス許可を一度定義すれば、データとモデル全体に適用できます。Amazon Bedrock がネイティブに統合されるため、お客様は、その生成 AI アプリケーションで、有害なコンテンツをブロックし、ハルシネーションをフィルタリングして、プライバシー、安全性、正確性を確保するためのカスタマイズ可能な保護対策を有効化する Amazon Bedrock のガードレールを活用できます。Amazon Comprehend を使用してパイプライン内の機密情報を自動的に識別します。

データ使用とモデルのログ記録と監視により、監査と規制遵守に対応できます。プロジェクトベースの分離により、企業全体で分析と AI アセットの適切な使用をサポートします。レイクハウス全体でデータとモデルの使用状況を把握して、セキュリティを強化しましょう。Amazon SageMaker Clarify を使用すると、責任ある AI 基準に沿って、モデルのバイアス、精度、堅牢性をモニタリングできます。コストをビジネスの取り組みに合わせて調整し、ビジネス投資を明確に把握しましょう。

特徴

データと AI カタログ

構造化データ、非構造化データ、AI モデル、BI ダッシュボード、アプリケーションを 1 つのカタログから検出、管理、共同作業できます。

ビジネス用語集

共有のビジネス定義とカスタマイズ可能なメタデータフォームで用語集を標準化します。制限付きの分類条件をサポートして、機密データに一貫したタグ付けを適用し、ダウンストリームのガバナンスワークフローを可能にします。

データリネージュ

システム間でデータがどのように移動し、どのように変化するかを追跡します。OpenLineage 互換のリネージュは、ユーザーが起源、変容、消費パターンを理解するのに役立ち、信頼、デバッグ、ガバナンスを改善します。

データ品質モニタリング

AWS およびサードパーティーツールからのデータ品質メトリクスを表示します。消費者は検索時に信頼とコンテキストを得ることができ、データチームは API を通じて外部の品質シグナルを統合ポータルに統合できます。

データ検出

技術的なメタデータをビジネスコンテキストで充実させることで、ユーザーは使用するデータをすばやく見つけ、理解し、信頼できるようになります。

メタデータの自動推奨

LLM を活用したオートメーションにより、ビジネスに適した名前と説明文を生成し、技術資産のコンテキスト、一貫性、明確さを向上させます。

セマンティック検索

自然言語クエリを使用してデータとモデルを検索します。セマンティック検索は、キーワードだけでなく、ユーザーの意図、コンテキスト、関係を理解して、より関連性の高い結果を返します。

BI ダッシュボード

すべて統制された自動化された方法で、SageMaker のデータを、インタラクティブダッシュボード、ピクセルパーフェクトレポート、生成ビジネスインテリジェンス (BI) などの Amazon Quick Suite の機能とまとめることで、データからインサイトが得られます。

データ製品

関連するアセットを、共有メタデータを使用してビジネスに焦点を当てたデータ製品にパッケージ化します。ガバナンスチームが製品レベルの消費量を追跡できるようにすると同時に、発見の改善、アクセスリクエストの統一、管理費の削減が可能になります。

お客様

Natera, Inc

「Amazon QuickSight と Amazon SageMaker を統合することで、ラボ運営チームと科学者が全サイトの臨床検査パフォーマンスをリアルタイムで監視できるようになりました。当社では、スループット、品質管理メトリクス、所要時間を 1 か所にまとめる統合ダッシュボードを開発しました。これは、詳しい傾向分析と継続的なパフォーマンス最適化を可能にします。科学者は、今では探索的レビューからモデル開発に及ぶ包括的なデータ分析のすべてを単一の統合環境内で実行できます」

Natera, Inc.、VP of Software Engineering、Mirko Buholzer 氏

Natera が Amazon SageMaker Catalog を使用してゲノミクスをスケーリングする方法

Cisco

「データを発見、共有、管理したいとお思いでしょうか。データメッシュと呼ぶかデータファブリックと呼ぶかにかかわらず、データはさまざまなチームにまたがって複数のサイロに分散して存在し、データをまとめる方法が必要となります。Amazon SageMaker Catalog はデータプロデューサーとコンシューマーをつなぐので、プロデューサーは組み込みのコントロールやデータコントラクトでデータを共有できると同時に、コンシューマーは好きなツールを使用してデータにアクセスできるようになります」

Cisco、Sr. Director AI/ML、Shaja Arul Selvamani 氏

NatWest

「当社の Data Platform Engineering チームは、データエンジニアリング、機械学習、SQL、生成 AI のタスク用に複数のエンドユーザーツールをデプロイしてきました。銀行全体のプロセスを簡素化するために、ユーザー認証とデータアクセス承認の合理化を検討してきました。Amazon SageMaker は既製のユーザーエクスペリエンスを提供してくれるので、組織全体に 1 つの環境をデプロイでき、データユーザーが新しいツールにアクセスするのに必要な時間を約 50% 短縮できます」

NatWest Group、CDAO、Zachery Anderson 氏