翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
ソリューションテンプレート
重要
2023 年 11 月 30 日現在、以前の Amazon SageMaker Studio エクスペリエンスは Amazon SageMaker Studio Classic という名前になりました。次のセクションは、Studio Classic アプリケーションの使用に固有のものです。更新された Studio エクスペリエンスの使用については、「」を参照してくださいAmazon SageMaker Studio。
注記
JumpStart ソリューションは Studio Classic でのみ使用できます。
SageMaker JumpStart は、多くの一般的な機械学習のユースケースに対応するワンクリックの end-to-end ソリューションを提供します。利用可能なソリューションテンプレートの詳細については、以下のユースケースをご覧ください。
JumpStart ランディングページから、ユースケースに最適なソリューションテンプレートを選択します。ソリューションテンプレートを選択すると、ソリューションの説明と起動ボタンを示す JumpStart 新しいタブが開きます。起動 を選択すると、 は、トレーニングインスタンスやモデルホスティングインスタンスなど、ソリューションの実行に必要なすべてのリソース JumpStart を作成します。 JumpStart ソリューションの起動の詳細については、「」を参照してくださいソリューションを起動する。
ソリューションを起動したら、 でソリューション機能や生成されたアーティファクトを調べることができます JumpStart。起動済み JumpStart アセットメニューを使用してソリューションを見つけます。ソリューションのタブで、[ノートブックを開く] を選択して提供されたノートブックを使用して、ソリューションの機能を確認します。アーティファクトは、起動中または提供されたノートブックの実行後に生成され、[生成されたアーティファクト] テーブルに一覧表示されます。ゴミ箱アイコン ( ) を使用すると、個々のアーティファクトを削除できます。[Delete solution resources] (ソリューションリソースを削除) を選択すると、ソリューションのリソースをすべて削除できます。
需要予測
需要予測では、過去の時系列データを使用して、特定の期間における顧客需要に関する将来予測を行い、企業全体の需要と供給の意思決定プロセスを合理化します。
需要予測のユースケースには、運輸業界のチケット販売、株価、通院回数、来月に複数拠点で採用する顧客担当者数、来四半期の複数地域の製品売上、ビデオストリーミングサービスの翌日のクラウドサーバー使用量、来週の複数地域の電力消費量、エネルギー消費量などの IoT デバイスとセンサーの数の予測などがあります。
時系列データは、単変量と多変量に分類されます。例えば、1 世帯の総電力消費量は、ある期間にわたる単変量の時系列です。複数の単変量時系列が積み重なっていることを多変量時系列と呼びます。例えば、1 つの地域にある 10 世帯の異なる (ただし相関関係がある) 世帯の総電力消費量は、多変量時系列データセットを構成します。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
需要予測 | LSTNet |
信用格付け予測
JumpStartの信用格付け予測ソリューションを使用して、企業の信用格付けを予測したり、機械学習モデルによって行われた信用予測の決定を説明したりします。従来の信用格付けモデリング手法と比較して、機械学習モデルは信用予測を自動化し、精度を向上させることができます。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
企業の信用格付け予測 | 表形式 を使用した品質クレジット予測のためのマルチモーダル (ロングテキストおよび AWS AutoGluon 表形式) |
GitHub » |
グラフベースの信用度採点 | Graph Neural Network GraphSAGE |
Amazon SageMaker Studio Classic で検索します。 |
与信判断を説明する | 与信取引申請書の信用破綻を予測し、LightGBM |
不正検出
多くの企業が不正行為により年間数十億の損失を被っています。機械学習ベースの不正検出モデルは、膨大な量のデータから不正行為の可能性を体系的に特定するのに役立ちます。以下のソリューションでは、トランザクションとユーザー ID のデータセットを使用して不正取引を特定します。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
悪意のあるユーザーおよびトランザクションを検出する | SageMaker XGBoost を使用して、オーバーサンプリング手法の Synthetic Minority Over-sampling |
|
Deep Graph Library を使用した、金融取引における不正検出 | ディープ |
|
金融決済の分類 | SageMaker XGBoost を使用して、トランザクション情報に基づいて財務支払いを分類します。このソリューションテンプレートを不正検出、パーソナライズ、異常検出の中間ステップとして使用します。 |
Amazon SageMaker Studio Classic で検索します。 |
コンピュータビジョン
自動運転車、スマートビデオ監視、ヘルスケアモニタリング、さまざまなオブジェクトカウントタスクなどのビジネスユースケースの増加に伴い、高速で正確なオブジェクト検出システムの需要が高まっています。これらのシステムでは、イメージ内のすべてのオブジェクトを認識して分類するだけでなく、その周囲に適切な境界ボックスを描画して各オブジェクトをローカライズします。過去 10 年間で、深層学習手法の急速な進歩により、オブジェクト検出の勢いは大幅に加速しました。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
視覚的な製品欠陥検出 | オブジェクト検出モデルをゼロから |
|
手書き認識 | オブジェクト検出モデル |
GitHub » |
鳥種に対するオブジェクト検出 | SageMaker オブジェクト検出モデル を使用して、シーン内の鳥種を特定します。 |
Amazon SageMaker Studio Classic で検索します。 |
ドキュメントからデータを抽出して分析する
JumpStart は、ビジネスクリティカルなドキュメントで貴重なインサイトとつながりを発見するためのソリューションを提供します。ユースケースには、テキスト分類、ドキュメントの要約、手書き認識、関係の抽出、質疑応答、不足している値の表形式レコードへの入力などがあります。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
センチメント分類のプライバシー | テキストの匿名化 |
|
ドキュメントの理解 | のトランスフォーマー |
|
手書き認識 | オブジェクト検出モデル |
GitHub » |
不足している値を表形式レコードに入力する | SageMaker AutoPilot |
予知保全
予知保全は、部品を適時に交換できるようにすることで、修正メンテナンスと予防的なメンテナンスのバランスを最適化することを目的としています。以下のソリューションは、産業アセットのセンサーデータを使用して、機械の故障、計画外のダウンタイム、修理コストを予測します。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
車両フリートの予知保全 | 畳み込みニューラルネットワークモデルで車両センサーと保全情報を使用して、車両フリートの障害を予測します。 | |
製造の予知保全 | 過去のセンサー読み取り値を使用したスタック双方向 LSTM ニューラルネットワーク |
チャーン予測
カスタマーチャーン、つまり減少率は、さまざまな企業が直面するコストのかかる問題です。カスタマーチャーンを減らすために、企業はサービスを離れそうな顧客を特定し、顧客維持に注力できます。解約予測ソリューションを使用して JumpStart、ユーザー行動やカスタマーサポートのチャットログなどのデータソースを分析し、サブスクリプションやサービスをキャンセルするリスクが高い顧客を特定します。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
テキストによるチャーン予測 | BERT エンコーダ |
|
携帯電話の顧客のチャーン予測 | SageMaker XGBoost を使用して、不満のある携帯電話の顧客を特定します。 |
Amazon SageMaker Studio Classic で検索します。 |
パーソナライズしたレコメンデーション
JumpStart ソリューションを使用して、顧客 ID グラフまたはユーザーセッションを分析し、顧客の行動をよりよく理解して予測できます。以下のソリューションをパーソナライズしたレコメンデーションに使用すると、複数のデバイスにわたるカスタマー ID をモデル化したり、顧客が購入する可能性を判断したり、過去の顧客の行動に基づいてカスタムムービーレコメンダーを作成したりできます。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
Deep Graph Library を使用したアイデンティティグラフでのエンティティ解決 | Deep Graph Library |
|
購入モデリング | SageMaker XGBoost モデルをトレーニングして、顧客が購入するかどうかを予測します。 | |
カスタマイズされたレコメンダーシステム |
でニューラルコラボレーションフィルタリングを使用した過去の動作に基づいて、顧客向けの映画の提案を生成するカスタムレコメンダーシステムをトレーニングしてデプロイします SageMaker。 |
Amazon SageMaker Studio Classic で検索します。 |
強化学習
強化学習 (RL) は、環境との相互作用に基づく学習の一種です。このタイプの学習は、エージェントがアクションの結果として受け取る長期的な報酬を最大化することを目標とする動的環境 trial-and-error とのやり取りを通じて動作を学習する必要があるエージェントによって使用されます。報酬は、報酬が不確かな探索アクションを報酬が既知の活用アクションとトレードオフすることで最大化されます。
RL は、サプライチェーン管理、HVAC システム、工業ロボット、ゲーム人工知能、ダイアログシステム、自動運転車など、大規模で複雑な問題の解決に適しています。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
Battlesnake AI 競技の強化学習 | BattleSnake |
|
Procgen チャレンジのための分散強化学習 | NeurIPS 2020 Procgen |
GitHub
» |
ヘルスケアおよびライフサイエンス
臨床医や研究者は、 JumpStart ソリューションを使用して医療画像、ゲノム情報、臨床医療記録を分析できます。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
肺がんの生存予測 | SageMaker XGBoost を使用して、3 次元の肺コンピュータ断層 (CT) スキャン、ゲノムデータ、および臨床健康記録を使用して、非小葉癌患者の生存状態を予測します。 |
財務価格設定
多くの企業は、リターンを最大化するために定期的に動的に価格を調整しています。料金の最適化、動的料金、オプション料金、またはポートフォリオ最適化のユースケースには、次の JumpStart ソリューションを使用します。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
価格最適化 |
因果推論と Prophet |
Amazon SageMaker Studio Classic で検索します。 |
因果推論
研究者は、ベイズネットワークなどの機械学習モデルを使用して因果関係を明らかにし、データに基づいて因果関係の結論を導き出すことができます。次の JumpStartソリューションを使用して、Nitrogen ベースのファーティライザーアプリケーションとトウモロコシの収穫量の間の因果関係を理解します。
ソリューション名 | 説明 | 使用を開始する |
---|---|---|
収穫量の反実仮想 |
トウモロコシの窒素に対する反応の反実仮想分析を行います。このソリューションでは、マルチスペクトルの衛星画像と地上レベルの観測値 |
Amazon SageMaker Studio Classic で検索します。 |