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。
Machine Learning (ML) と人工知能 (AI)
Amazon Augmented AI
Amazon Augmented AI (Amazon A2I) は、人間によるレビューに必要なワークフローを簡単に構築できる ML サービスです。Amazon A2I は、すべてのデベロッパーに人間によるレビューを提供し、人間によるレビューシステムの構築や多数の人間によるレビュー担当者の管理に関連する未分化の重労働を排除します AWS 。
Amazon Bedrock
Amazon Bedrock は、Amazon および主要な AI FMs) を API から利用できるフルマネージドサービスです。Amazon Bedrock サーバーレスエクスペリエンスを使用すると、すぐに使用を開始し、FMs を試し、独自のデータでプライベートにカスタマイズし、FMs を AWS アプリケーションにシームレスに統合してデプロイできます。
Amazon Titan、Anthropic の Claude 2、Cohere の コマンドと埋め込み、AI21 Studio の Jurassic-2、Stability AI の Stable Diffusion など、さまざまな基盤モデルから選択できます。
Amazon CodeGuru
Amazon CodeGuru は、コードの品質を向上させ、アプリケーションの最も高価なコード行を特定するためのインテリジェントなレコメンデーションを提供するデベロッパーツールです。既存のソフトウェア開発ワークフロー CodeGuru に統合して、アプリケーション開発中のコードレビューを自動化し、本番環境でのアプリケーションのパフォーマンスを継続的にモニタリングし、コードの品質、アプリケーションのパフォーマンスを向上させ、全体的なコストを削減する方法に関するレコメンデーションと視覚的な手がかりを提供します。
Amazon CodeGuru Reviewer は、ML と自動推論を使用して、アプリケーション開発中の重大な問題、セキュリティの脆弱性、 hard-to-find バグを特定し、コード品質を向上させるための推奨事項を提供します。
Amazon CodeGuru Profiler は、デベロッパーがアプリケーションのランタイム動作を理解し、コードの非効率性を特定して削除し、パフォーマンスを向上させ、コンピューティングコストを大幅に削減できるようにすることで、アプリケーションの最も高価なコード行を見つけるのに役立ちます。
Amazon Comprehend
Amazon Comprehend は、ML と自然言語処理 (NLP) を使用して、非構造化データ内のインサイトと関係性を明らかにするのに役立ちます。このサービスは、テキストの言語を識別し、主要なフレーズ、場所、人物、ブランド、またはイベントを抽出し、テキストがどの程度肯定的または否定的であるかを理解し、トークナイゼーションと音声部分を使用してテキストを分析し、テキストファイルのコレクションをトピックごとに自動的に整理します。Amazon Comprehend の AutoML 機能を使用して、組織のニーズに合わせて一意にカスタマイズされたエンティティまたはテキスト分類モデルのカスタムセットを構築することもできます。 Amazon Comprehend
非構造化テキストから複雑な医療情報を抽出するには、Amazon Comprehend Medical を使用できます。このサービスは、病状、薬剤、投与量、強度、頻度などの医療情報を、医師のメモ、臨床試験レポート、患者の健康記録などのさまざまなソースから特定できます。また、Amazon Comprehend Medical は、抽出された薬剤とテスト、治療、および処置の情報間の関係を特定して、分析を容易にします。例えば、このサービスは、非構造化臨床記録から特定の薬剤に関連する特定の投与量、強度、および頻度を特定します。
Amazon DevOpsGuru
Amazon DevOpsGuru は、アプリケーションの運用パフォーマンスと可用性を簡単に改善できる ML ベースのサービスです。Amazon DevOpsGuru は、通常の運用パターンから逸脱する動作を検出し、運用上の問題を顧客に影響を与える前に特定できるようにします。
Amazon DevOpsGuru は、何年もの Amazon.com と AWS 運用上の優秀性から情報を得た ML モデルを使用して、異常なアプリケーション動作 (レイテンシーの増加、エラー率、リソースの制約など) を特定し、停止やサービスの中断を引き起こす可能性のある重大な問題を特定します。Amazon DevOpsGuru は、重大な問題を特定すると、アラートを自動的に送信し、関連する異常の概要、考えられる根本原因、問題が発生した日時と場所に関するコンテキストを提供します。可能であれば、Amazon DevOpsGuru は問題の修復方法に関するレコメンデーションも提供します。
Amazon DevOpsGuru は、 AWS アプリケーションから運用データを自動的に取り込み、運用データ内の問題を視覚化するための単一のダッシュボードを提供します。アカウント内のすべてのリソース AWS 、 AWS CloudFormation スタック内のリソース、または AWS タグ別にグループ化されたリソースに対して Amazon DevOpsGuru を有効にすることで、手動での設定や ML の専門知識を必要とせずに開始できます。
Amazon Forecast
Amazon Forecast は、ML を使用して高精度の予測を行うフルマネージドサービスです。
今日の企業は、シンプルなスプレッドシートから複雑な財務計画ソフトウェアまで、あらゆるものを使用して、製品の需要、リソースのニーズ、財務パフォーマンスなどの将来のビジネス成果を正確に予測しようとします。これらのツールは、時系列データと呼ばれる過去の一連のデータを調べることで予測を構築します。例えば、このようなツールは、未来が過去によって決定されているという前提に基づいて、以前の売上データのみを見ることで、レインカートの将来の売上を予測しようとする可能性があります。このアプローチでは、不規則な傾向を持つ大量のデータセットの正確な予測を作成するのに苦労する可能性があります。また、時間の経過とともに変化するデータシリーズ (料金、割引、ウェブトラフィック、従業員数など) と、製品の機能や店舗の場所などの関連する独立した変数を簡単に組み合わせることはできません。
Amazon.com で使用されているのと同じテクノロジーに基づいて、Amazon Forecast は ML を使用して時系列データと追加の変数を組み合わせて予測を構築します。Amazon Forecast では、ML の使用を開始する必要はありません。履歴データに加えて、予測に影響を与える可能性があると思われる追加データを提供するだけで済みます。例えば、季節や店舗の場所によって、特定の色の家具の需要が変わる場合があります。この複雑な関係を単独で判断することは困難ですが、ML はそれを認識するのに最適です。データを提供すると、Amazon Forecast はデータを自動的に調べ、意味のあるものを特定し、時系列データだけを見るよりも最大 50% 正確な予測を実行できる予測モデルを生成します。
Amazon Forecast はフルマネージドサービスであるため、プロビジョニングするサーバーや、構築、トレーニング、デプロイする ML モデルはありません。お支払いいただくのは使用した分のみです。最低料金や前払いの義務はありません。
Amazon Fraud Detector
Amazon Fraud Detector は、ML と Amazon の 20 年以上にわたる不正検出の専門知識を使用して、潜在的に不正なアクティビティを特定するフルマネージドサービスです。これにより、顧客はより多くのオンライン不正をより迅速に検出できます。Amazon Fraud Detector は、不正検出用の ML モデルを構築、トレーニング、デプロイするための時間とコストのかかるステップを自動化し、お客様がテクノロジーを簡単に活用できるようにします。Amazon Fraud Detector は、作成する各モデルをお客様独自のデータセットにカスタマイズし、現在の 1 サイズよりも高いモデルの精度をすべての ML ソリューションに適合させます。また、使用した分だけ支払うため、高額な前払い費用を回避できます。
Amazon Comprehend Medical
過去 10 年間、AWS は医療のデジタルトランスフォーメーションを目の当たりにし、組織は毎日大量の患者情報を収集しています。しかし、このデータは多くの場合非構造化であり、この情報を抽出するプロセスは労力がかかり、エラーが発生しやすくなります。Amazon Comprehend Medical は、HIPAA 対応の自然言語処理 (NLP) サービスで、事前トレーニング済みの機械学習を使用して、処方、処置、診断などの医療テキストから医療データを理解し、抽出します。Amazon Comprehend Medical は、ICD-10-CM や SNOMED CT などの医療オントロジーを使用して、非構造化医療テキストから情報を正確かつ迅速に抽出し RxNorm、保険金請求処理の迅速化、国民健康の向上、および医薬品安全性監視の迅速化に役立ちます。
Amazon Kendra
Amazon Kendra は、ML を利用したインテリジェントな検索サービスです。Amazon Kendra は、ウェブサイトやアプリケーションのエンタープライズ検索を再考し、組織内の複数のロケーションやコンテンツリポジトリに分散している場合でも、従業員や顧客が探しているコンテンツを簡単に見つけられるようにします。
Amazon Kendra を使用すると、非構造化データの群れの検索を停止し、必要に応じて質問に対する適切な回答を見つけることができます。Amazon Kendra はフルマネージドサービスであるため、プロビジョニングするサーバーや、構築、トレーニング、デプロイする ML モデルはありません。
Amazon Lex
Amazon Lex は、音声とテキストを使用して会話型インターフェイスを設計、構築、テスト、および任意のアプリケーションにデプロイするフルマネージド型の人工知能 (AI) サービスです。Lex は、音声をテキストに変換するための高度な深層学習機能 (ASR) と、テキストの意図を認識するための自然言語理解 (NLU) を提供し、非常に魅力的なユーザーエクスペリエンスとリアルな会話インタラクションでアプリケーションを構築し、製品の新しいカテゴリを作成できるようにします。Amazon Lex では、Amazon Alexa を強化するのと同じ深層学習テクノロジーがすべてのデベロッパーで利用できるようになりました。これにより、高度な自然言語、会話型ボット (「チャット」）、音声対応インタラクティブ音声レスポンス (IVR) システムを迅速かつ簡単に構築できます。
Amazon Lex を使用すると、デベロッパーは会話型チャットボットをすばやく構築できます。Amazon Lex では深層学習の専門知識は必要ありません。ボットを作成するには、Amazon Lex コンソールで基本的な会話フローを指定するだけです。Amazon Lex は会話を管理し、会話のレスポンスを動的に調整します。コンソールを使用して、テキストまたは音声の chatbot を構築、テスト、公開できます。次に、モバイルデバイス、ウェブアプリケーション、チャットプラットフォーム (Facebook Messenger など) で、会話型インターフェイスをボットに追加できます。Amazon Lex の使用には前払い料金や最低料金はかかりません。請求されるのは、送信されたテキストまたは音声のリクエストに対してのみです。リクエストあたりの pay-as-you-go料金とコストが低いため、サービスは費用対効果の高い方法で会話型インターフェイスを構築できます。Amazon Lex の無料利用枠を利用すると、一切の初期投資なしで Amazon Lex を簡単に試すことができます。
Amazon Lookout for Equipment
Amazon Lookout for Equipment は、機器上のセンサーからのデータ (ジェネレーターの圧力、圧縮機の流速、ファンの 1 分あたりの回転数など) を分析し、ML の専門知識を必要とせずに、お客様のデータのみに基づいて ML モデルを自動的にトレーニングします。Lookout for Equipment は、独自の ML モデルを使用して受信センサーデータをリアルタイムで分析し、マシンの障害につながる可能性のある早期の警告兆候を正確に特定します。つまり、スピードと精度で機器の異常を検出し、問題を迅速に診断し、コストのかかるダウンタイムを削減し、誤ったアラートを減らすための対策を講じることができます。
Amazon Lookout for Metrics
Amazon Lookout for Metrics は ML を使用して、売上収益や顧客獲得率の急激な低下など、ビジネスおよび運用データの異常 (標準からの外れ値) を自動的に検出して診断します。数回クリックするだけで、Amazon Lookout for Metrics を Amazon S3、Amazon Redshift、Amazon Relational Database Service (Amazon RDS) などの一般的なデータストアや、Salesforce、Servicenow、Zendesk、Marketo などのサードパーティーの Software as a Service (SaaS) アプリケーションに接続し、ビジネスにとって重要なメトリクスのモニタリングを開始できます。Amazon Lookout for Metrics は、これらのソースからのデータを自動的に検査して準備し、異常検出に使用される従来の方法よりも高速で精度の高い異常を検出します。また、検出された異常に関するフィードバックを提供して、結果を調整し、時間の経過とともに精度を向上させることもできます。Amazon Lookout for Metrics では、同じイベントに関連する異常をグループ化し、潜在的な根本原因の概要を含むアラートを送信することで、検出された異常を簡単に診断できます。また、異常を重要度の順にランク付けして、ビジネスにとって最も重要なことに注意を優先できるようにします。
Amazon Lookout for Vision
Amazon Lookout for Vision は、コンピュータビジョン (CV) を使用して視覚的表現の欠陥や異常を検出する ML サービスです。Amazon Lookout for Vision を使用すると、大規模なオブジェクトのイメージの違いをすばやく特定することで、製造企業は品質を向上させ、運用コストを削減できます。例えば、Amazon Lookout for Vision を使用して、製品の欠落したコンポーネント、車両や構造への損傷、生産ラインの不規則性、シリコンウェーハのごくわずかな欠陥、その他の同様の問題を特定できます。Amazon Lookout for Vision は ML を使用して、あらゆるカメラからの画像を人と同じように表示および理解しますが、精度はさらに高く、規模もはるかに大きくなります。Amazon Lookout for Vision を使用すると、お客様は、品質管理、欠陥と損傷の評価、コンプライアンスを向上させながら、コストがかかり、一貫性のない手動検査の必要性を排除できます。数分で、Amazon Lookout for Vision を使用してイメージとオブジェクトの検査を自動化できます。ML の専門知識は必要ありません。
Amazon Monitron
Amazon Monitron は、ML を使用して産業機械の異常な動作を検出する end-to-end システムです。これにより、予測メンテナンスを実装し、予期しないダウンタイムを削減できます。
センサーとデータ接続、ストレージ、分析、アラートに必要なインフラストラクチャのインストールは、予測メンテナンスを可能にするための基本要素です。ただし、企業が機能するためには、これまでスキルのある技術者とデータサイエンティストが複雑なソリューションをゼロからまとめる必要がありました。これには、ユースケースに適したタイプのセンサーを特定して調達し、IoT IoT ゲートウェイ (データを集約して送信するデバイス) と接続することが含まれます。その結果、予測メンテナンスを正常に実装できた企業はごくわずかです。
Amazon Monitron には、機器から振動と温度のデータをキャプチャするためのセンサー、 にデータを安全に転送するためのゲートウェイデバイス AWS、ML を使用して異常なマシンパターンのデータを分析する Amazon Monitron サービス、およびデバイスをセットアップし、機械の潜在的な障害に関する動作とアラートに関するレポートを受け取るコンパニオンモバイルアプリが含まれています。開発作業や ML の経験を必要とせずに、数分で機器のヘルスのモニタリングを開始し、Amazon フルフィルメントセンターの機器のモニタリングに使用したのと同じテクノロジーで予測メンテナンスを有効にできます。
Amazon PartyRock
Amazon PartyRock では、コードフリーの実践的なアプリビルダーを使用して、生成 AI を簡単に学習できます。プロンプトエンジニアリング技術を試し、生成されたレスポンスを確認し、生成 AI の直感を開発しながら、楽しいアプリケーションを作成および探索します。 は、フルマネージド型のサービスである Amazon Bedrock FMs) へのアクセス PartyRock を提供します。
Amazon Personalize
Amazon Personalize は、デベロッパーがアプリケーションを使用する顧客向けにパーソナライズされたレコメンデーションを簡単に作成できるようにする ML サービスです。
ML は、パーソナライズされた製品とコンテンツのレコメンデーション、カスタマイズされた検索結果、ターゲットを絞ったマーケティングプロモーションを強化することで、カスタマーエンゲージメントを向上させるためにますます使用されています。ただし、これらの高度なレコメンデーションシステムを構築するために必要な ML 機能の開発は、ML 機能の開発が複雑であるため、現在ほとんどの組織の手の届きが届きません。Amazon Personalize では、機械学習の経験がないデベロッパーは、Amazon.com で長年使用されていた ML テクノロジーを使用して、アプリケーションに高度なパーソナライゼーション機能を簡単に構築できます。
Amazon Personalize では、ページビュー、サインアップ、購入など、アプリケーションからのアクティビティストリームと、記事、製品、動画、音楽など、レコメンデーションしたいアイテムのインベントリを提供します。また、年齢や地理的位置など、ユーザーからの追加の属性情報を Amazon Personalize に提供することもできます。Amazon Personalize は、データを処理および調査し、意味のあるものを特定し、適切なアルゴリズムを選択し、データに合わせてカスタマイズされたパーソナライゼーションモデルをトレーニングおよび最適化します。
Amazon Personalize は、小売、メディア、エンターテイメント向けに最適化されたレコメンダーを提供し、高性能でパーソナライズされたユーザーエクスペリエンスをより迅速かつ簡単に提供できるようにします。Amazon Personalize はインテリジェントなユーザーセグメンテーションも提供しているため、マーケティングチャネルを通じてより効果的なプロスペクティングキャンペーンを実行できます。2 つの新しいレシピを使用すると、さまざまな製品カテゴリ、ブランドなどへの関心に基づいてユーザーを自動的にセグメント化できます。
Amazon Personalize によって分析されるすべてのデータは、プライベートで安全に保持され、カスタマイズされたレコメンデーションにのみ使用されます。サービスが維持する仮想プライベートクラウド内からシンプルな API コールを通じて、パーソナライズされた予測の提供を開始できます。お支払いいただくのは使用した分のみです。最低料金や前払いの義務はありません。
Amazon Personalize は、独自の Amazon.com ML パーソナライゼーションチームを 1 日 24 時間自由に配置するのと同じです。
Amazon Polly
Amazon Polly は、テキストをリアルな音声に変換するサービスです。Amazon Polly では、会話するアプリケーションを作成できるため、まったく新しいカテゴリの音声対応製品を構築できます。Amazon Polly は、高度な深層学習テクノロジーを使用して人間の音声のように聞こえる音声を合成する Amazon 人工知能 (AI) サービスです。Amazon Polly には、数十の言語にまたがるリアルな音声が多数含まれているため、理想的な音声を選択し、さまざまな国で機能する音声対応アプリケーションを構築できます。
Amazon Polly は、リアルタイムのインタラクティブなダイアログをサポートするのに必要な応答時間を一貫して短縮します。Amazon Polly 音声音声をキャッシュして保存し、オフラインで再生したり、再配布したりできます。また、Amazon Polly は使いやすいです。音声に変換するテキストを Amazon Polly API に送信するだけで、Amazon Polly はすぐにオーディオストリームをアプリケーションに返すため、アプリケーションは直接再生したり、MP3 などの標準オーディオファイル形式で保存したりできます。
Amazon Polly は、標準 TTS 音声に加えて、新しい機械学習アプローチを通じて音声品質の高度な改善を実現するニューラルテキスト読み上げ (NTTS) 音声を提供します。Polly のニューラル TTS テクノロジーは、ニュースナレーションのユースケースに合わせたニュースキャスターの話し方もサポートしています。最後に、Amazon Polly Brand Voice は組織のカスタム音声を作成できます。これは、Amazon Polly チームと協力して、組織専用の NTTS 音声を構築するカスタムエンゲージメントです。
Amazon Polly では、音声に変換した文字数に対してのみ料金が発生し、Amazon Polly が生成した音声を保存および再生できます。変換された文字あたりの Amazon Polly のコストが低く、音声出力の保存と再利用に制限がないため、テキスト読み上げをどこでも有効にする費用対効果の高い方法になります。
Amazon Q
Amazon Q は、ソフトウェア開発を加速し、内部データを活用するための生成 AI を活用したアシスタントです。
- Amazon Q Business
-
Amazon Q Business は、エンタープライズシステムのデータと情報に基づいて、質問への回答、概要の提供、コンテンツの生成、タスクの安全な完了を行うことができます。これにより、従業員はよりクリエイティブで、データ主導型で、効率的で、準備が整い、生産的になります。
- Amazon Q Developer
-
Amazon Q Developer (旧 Amazon CodeWhisperer) は、アプリケーションのコーディング、テスト、アップグレード、エラーの診断、セキュリティスキャンと修正の実行、 AWS リソースの最適化など、デベロッパーや IT プロフェッショナルのタスクを支援します。Amazon Q には、既存のコードを変換し (Java バージョンアップグレードの実行など）、デベロッパーリクエストから生成された新機能を実装できる高度な複数ステップの計画および推論機能があります。
Amazon Rekognition
Amazon Rekognition では、ML の専門知識がなくても、実証済みでスケーラブルな深層学習テクノロジーを使用して、アプリケーションに画像と動画の分析を簡単に追加できます。Amazon Rekognition を使用すると、イメージや動画内のオブジェクト、人物、テキスト、シーン、アクティビティを識別したり、不適切なコンテンツを検出したりできます。Amazon Rekognition は、さまざまなユーザー検証、人数カウント、および公共安全のユースケースで顔を検出、分析、比較するために使用できる、高精度の顔分析および顔検索機能も提供します。
Amazon Rekognition Custom Labels を使用すると、ビジネスニーズに固有のイメージ内のオブジェクトとシーンを特定できます。例えば、アセンブリライン上の特定の機械部品を分類したり、異常な植物を検出したりするモデルを構築できます。Amazon Rekognition Custom Labels はモデル開発の面倒な作業を処理するため、ML の経験は必要ありません。識別するオブジェクトまたはシーンの画像を提供するだけで、残りはサービスが処理します。
Amazon SageMaker
Amazon SageMaker を使用すると、フルマネージド型のインフラストラクチャ、ツール、ワークフローを使用して、あらゆるユースケースの ML モデルを構築、トレーニング、デプロイできます。 SageMaker は ML プロセスの各ステップから面倒な作業を排除して、高品質のモデルの開発を容易にします。 は、ML に使用されるすべてのコンポーネントを単一のツールセットで SageMaker 提供し、モデルがはるかに少ない労力で低コストで本番環境に迅速に移行できるようにします。
Amazon SageMaker Autopilot
Amazon SageMaker Autopilot は、データに基づいて最適な ML モデルを自動的に構築、トレーニング、チューニングし、完全な制御と可視性を維持できます。 SageMaker Autopilot では、表形式のデータセットを指定し、数値 (回帰と呼ばれる住宅価格など) またはカテゴリ (分類と呼ばれるスパム/スパムではないなど) の予測対象列を選択するだけです。 SageMaker Autopilot は、最適なモデルを見つけるために、さまざまなソリューションを自動的に探索します。その後、ワンクリックでモデルを本番環境に直接デプロイしたり、Amazon SageMaker Studio で推奨ソリューションを繰り返してモデルの品質をさらに向上させることができます。
Amazon SageMaker Canvas
Amazon Canvas SageMaker は、ML エクスペリエンスを必要とせず、1 行のコードを記述しなくても、ビジネスアナリストが自分で正確な ML 予測を生成できるビジュアル point-and-click インターフェイスを提供することで、ML へのアクセスを拡張します。
Amazon SageMaker Clarify
Amazon SageMaker Clarify は、機械学習デベロッパーがバイアスを特定して制限し、予測を説明することができるように、トレーニングデータとモデルをより詳細に可視化できるようにします。Amazon SageMaker Clarify は、データの準備中、モデルトレーニング後、およびデプロイされたモデル内で、指定した属性を調べることで潜在的なバイアスを検出します。 SageMaker Clarify には、モデル予測の説明に役立つ特徴量重要度グラフも含まれており、内部プレゼンテーションをサポートしたり、修正のためのステップを実行できるモデルの問題を特定したりするために使用できるレポートを生成できます。
Amazon SageMaker データラベリング
Amazon SageMaker は、画像、テキストファイル、動画などの raw データを識別し、情報ラベルを追加して ML モデル用の高品質のトレーニングデータセットを作成するためのデータラベル付け製品を提供しています。
Amazon SageMaker Data Wrangler
Amazon SageMaker Data Wrangler は、ML のデータを集約して準備するのにかかる時間を数週間から数分に短縮します。Data Wrangler SageMakerを使用すると、データ準備と特徴量エンジニアリングのプロセスを簡素化し、データ選択、クレンジング、探索、視覚化など、データ準備ワークフローの各ステップを 1 つのビジュアルインターフェイスから完了できます。
Amazon SageMaker Edge
Amazon SageMaker Edge は、 を最適化することで、エッジデバイスでの機械学習を可能にします。 のセキュリティ保護、 エッジへのモデルのデプロイ 次に、デバイスのフリートでこれらのモデルをモニタリングします。 スマートカメラ、 ロボット、 およびその他のスマート電子、 継続的な運用コストを削減するために。 SageMaker Edge Compiler は、トレーニング済みモデルをエッジデバイスで実行できるように最適化します。 SageMaker Edge には、アプリケーションやデバイスのファームウェアに関係なくフリートにモデルをデプロイするのに役立つ over-the-air (OTA) デプロイメカニズムが含まれています。 SageMaker Edge Agent を使用すると、同じデバイスで複数のモデルを実行できます。エージェントは、間隔など、制御するロジックに基づいて予測データを収集し、クラウドにアップロードして、モデルを経時的に定期的に再トレーニングできるようにします。
Amazon SageMaker Feature Store
Amazon SageMaker Feature Store は、機能を保存してアクセスできる専用のリポジトリであり、名前付けも簡単です。 整理、 と は、チーム間で再利用します。 SageMaker Feature Store は、トレーニング中やリアルタイム推論中に、追加のコードを記述したり、機能の一貫性を保つための手動プロセスを作成したりすることなく、機能の統合ストアを提供します。 SageMaker Feature Store は、保存された機能 (機能名やバージョン番号など) のメタデータを追跡し、Amazon Athena を使用して、適切な属性の機能をバッチまたはリアルタイムでクエリできるようにします。 インタラクティブクエリサービス。 SageMaker Feature Store は機能を更新し、 推論中に新しいデータが生成されるため、 単一のリポジトリが更新され、トレーニングや推論中にモデルが常に新しい機能を使用できるようになりました。
Amazon 地 SageMaker 理空間機能
Amazon SageMaker の地理空間機能により、データサイエンティストや機械学習 (ML) エンジニアは、地理空間データを使用して ML モデルをより迅速に構築、トレーニング、デプロイできます。データ (オープンソースおよびサードパーティー）、処理、視覚化ツールにアクセスできるため、ML 用の地理空間データをより効率的に準備できます。専用のアルゴリズムと事前トレーニング済みの ML モデルを使用したモデルの構築とトレーニングの加速化、組み込みの視覚化ツールを使用したインタラクティブマップ上での予測結果の調査、チーム間のコラボレーションによるインサイトや結果の取得によって、生産性が改善することができます。
Amazon SageMaker HyperPod
Amazon SageMaker HyperPod は、大規模言語モデル (LLMs)、拡散モデル、基盤モデル (FMs。 SageMaker HyperPod は、分散トレーニングライブラリで事前設定されており、 や NVIDIA A100 AWS Trainiumおよび H100 グラフィカルプロセッシングユニット (GPUs) などの数千のアクセラレーター間でトレーニングワークロードを自動的に分割できます。
SageMaker HyperPod また、 はチェックポイントを定期的に保存することで、中断することなくトレーニングを継続できるようにします。ハードウェア障害が発生すると、自己修復クラスターは障害を自動的に検出し、障害のあるインスタンスを修復または交換し、最後に保存したチェックポイントからトレーニングを再開します。これにより、このプロセスを手動で管理する必要がなくなり、中断することなく分散環境で数週間または数か月間トレーニングできます。ニーズに最適なコンピューティング環境をカスタマイズし、Amazon SageMaker 分散トレーニングライブラリを使用して設定することで、 で最適なパフォーマンスを実現できます AWS。
Amazon SageMaker JumpStart
Amazon SageMaker JumpStart は、ML を迅速かつ簡単に開始するのに役立ちます。使用を開始しやすくするために、 SageMaker JumpStart は、数回のクリックで簡単にデプロイできる最も一般的なユースケース向けの一連のソリューションを提供しています。このソリューションは完全にカスタマイズ可能で、 AWS CloudFormation テンプレートとリファレンスアーキテクチャの使用を紹介しているため、ML ジャーニーを加速できます。Amazon は、自然言語処理、オブジェクト検出、画像分類モデルなど、150 を超える一般的なオープンソースモデルのワンクリックデプロイと微調整 SageMaker JumpStart もサポートしています。
Amazon SageMaker モデル構築
Amazon SageMaker には、ML モデルの構築に必要なすべてのツールとライブラリが用意されています。これは、さまざまなアルゴリズムを繰り返し試し、その精度を評価してユースケースに最適なアルゴリズムを見つけるプロセスです。Amazon SageMaker では、 用に組み込み、最適化された 15 種類以上のアルゴリズムを選択し SageMaker、一般的なモデルゾーンから 750 種類以上の構築済みモデルを数回クリックするだけで使用できます。 SageMaker また、Code-OSS (Virtual Studio Code Open Source) に基づく Amazon SageMaker Studio Notebooks JupyterLab、RStudio、Code Editor など、さまざまなモデル構築ツールも用意されています。このツールでは、ML モデルを小規模で実行して結果を確認し、パフォーマンスに関するレポートを表示して、高品質の作業プロトタイプを作成できます。
Amazon SageMaker モデルトレーニング
Amazon SageMaker は、インフラストラクチャを管理することなく、大規模な ML モデルのトレーニングとチューニングにかかる時間とコストを削減します。現在利用可能な最高のパフォーマンスの ML コンピューティングインフラストラクチャを活用し、 SageMakerインフラストラクチャを 1 つから数千の GPUsに自動的にスケールアップまたはスケールダウンできます。使用した分だけ支払うため、トレーニングコストをより効果的に管理できます。深層学習モデルを迅速にトレーニングするには、Amazon SageMaker 分散トレーニングライブラリを使用してパフォーマンスを向上させるか DeepSpeed、、Horovod、Megatron などのサードパーティーライブラリを使用できます。
Amazon SageMaker モデルのデプロイ
Amazon SageMaker では、ML モデルを簡単にデプロイして、あらゆるユースケースに最適な価格パフォーマンスで予測 (推論とも呼ばれます) を行うことができます。ML インフラストラクチャとモデルのデプロイオプションを幅広く選択できるため、ML 推論のすべてのニーズを満たすのに役立ちます。このサービスはフルマネージド型サービスで、MLOps ツールと統合されるため、モデルのデプロイの拡大、推論コストの削減、本番環境でのモデルのより効果的な管理、運用上の負担の軽減が可能になります。
Amazon SageMaker Pipelines
Amazon SageMaker Pipelines は、ML 向けの最初の専用で easy-to-use 継続的な統合と継続的デリバリー (CI/CD) サービスです。 SageMaker Pipelines を使用すると、 end-to-end ML ワークフローを大規模に作成、自動化、管理できます。
Amazon SageMaker Studio Lab
Amazon SageMaker Studio Lab は、コンピューティング、ストレージ (最大 15GB)、セキュリティを、誰でも機械学習を学習して実験できる無料の ML 開発環境です。開始するために必要なのは有効な E メールアドレスだけです。インフラストラクチャを設定したり、アイデンティティとアクセスを管理したり、 AWS アカウントにサインアップしたりする必要はありません。 SageMaker Studio Lab は GitHub 統合によってモデル構築を加速し、最も人気のある ML ツール、フレームワーク、ライブラリが事前設定されているため、すぐに開始できます。 SageMaker Studio Lab は作業を自動的に保存するため、セッション間で再起動する必要はありません。ラップトップを閉じて後で戻るのと同じくらい簡単です。
での Apache MXNet AWS
Apache MXNet は、ML 用の で簡潔な API を備えた easy-to-use、高速でスケーラブルなトレーニングと推論のフレームワークです。MXNet には、すべてのスキルレベルのデベロッパーがクラウド、エッジデバイス、モバイルアプリで深層学習を開始できるようにする Gluon インターフェイスが含まれています。わずか数行の Gluon コードで、線形回帰、畳み込みネットワーク、およびオブジェクト検出、音声認識、レコメンデーション、パーソナライゼーションのための反復 LSTMs を構築できます。ML モデルを大規模に構築、トレーニング、デプロイするためのプラットフォームである Amazon SageMakerを使用して、フルマネージドエクスペリエンスAWS で MxNet の使用を開始できます。または、 を使用して、、、ChainerTensorFlow、Keras PyTorch、Caffe、Caffe2、Microsoft Cognitive Toolkit などの他のフレームワーク MxNet だけでなく、 でカスタム環境とワークフローAWS Deep Learning AMIを構築することもできます。
AWS Deep Learning AMI
は、機械学習の実務者や研究者に、クラウドでの深層学習をあらゆる規模で高速化するためのインフラストラクチャとツールAWS Deep Learning AMIを提供します。 TensorFlow、、Apache MXNet、Chainer、Gluon PyTorch、Horovod、Keras などの一般的な深層学習フレームワークとインターフェイスがプリインストールされた Amazon EC2 インスタンスをすばやく起動して、高度なカスタム AI モデルのトレーニング、新しいアルゴリズムの実験、新しいスキルとテクニックの学習を行うことができます。 MXNet Amazon EC2 GPU インスタンスと CPU インスタンスのどちらが必要な場合でも、 Deep Learning AMIs には追加料金はかかりません。アプリケーションの保存と実行に必要な AWS リソースに対してのみ料金が発生します。
AWS 深層学習コンテナ
AWS 深層学習コンテナ (AWS DL コンテナ) は、深層学習フレームワークがプリインストールされた Docker イメージです。これにより、環境をゼロから構築および最適化する複雑なプロセスをスキップできるため、カスタム機械学習 (ML) 環境を迅速にデプロイできます。 AWS DL コンテナは、 TensorFlow、、 PyTorch、Apache MXNet をサポートします。 AWS DL コンテナは SageMaker、Amazon 、Amazon Elastic Kubernetes Service (Amazon EKS)、Amazon EC2 の自己管理型 Kubernetes、Amazon Elastic Container Service (Amazon ECS) にデプロイできます。コンテナは Amazon Elastic Container Registry (Amazon ECR) を通じてAWS Marketplace無料で利用できます。料金は、使用したリソースに対してのみ発生します。
Amazon による地理空間 ML SageMaker
Amazon SageMaker の地理空間機能により、データサイエンティストや ML エンジニアは、地理空間データを使用して ML モデルを迅速かつ大規模に構築、トレーニング、デプロイできます。すぐに利用できる地理空間データソースにアクセスし、専用のオペレーションで大規模な地理空間データセットを効率的に変換または強化し、事前トレーニング済みの ML モデルを選択することでモデル構築を高速化できます。また、地理空間データを分析し、組み込みの視覚化ツールを備えた 3D 高速グラフィックスを使用してインタラクティブマップでモデル予測を調べることもできます。 SageMaker ランタイム地理空間機能は、収穫量と食料安全の最大化、リスクと保険の請求の評価、持続可能な都市開発のサポート、小売サイトの使用率の予測など、幅広いユースケースに使用できます。
での Hugging Face AWS
Amazon の Hugging Face SageMaker を使用すると、Transformers と呼ばれる自然言語処理 (NLP) モデルのオープンソースプロバイダーである Hugging Face から事前トレーニング済みのモデルをデプロイして微調整できるため、これらの NLP モデルのセットアップと使用にかかる時間を数週間から数分に短縮できます。NLP とは、コンピュータが人間の言語を理解するのに役立つ ML アルゴリズムを指します。翻訳、インテリジェント検索、テキスト分析などに役立ちます。ただし、NLP モデルは大規模で複雑なもの (数億のモデルパラメータで構成されることもあります) であり、トレーニングと最適化には時間、リソース、スキルが必要です。AWS は Hugging Face と協力して Hugging Face AWS Deep Learning Containers (DLCsを作成しました。これにより、データサイエンティストや ML デベロッパーは、Amazon で state-of-the-art NLP モデルを構築、トレーニング、デプロイするためのフルマネージドエクスペリエンスが得られます SageMaker。
PyTorch 上の AWS
PyTorch は、機械学習モデルの開発と本番環境へのデプロイを容易にするオープンソースの深層学習フレームワークです。Facebook と連携して AWS によって構築および管理されるモデル提供ライブラリTorchServe PyTorchである を使用すると、 PyTorch 開発者はモデルを迅速かつ簡単に本番環境にデプロイできます。 PyTorch また、 では、 で高いパフォーマンスを実現するために調整された分散トレーニング用の動的計算グラフとライブラリも提供します AWS。Amazon PyTorch AWS の使用を開始できます。Amazon SageMakerは、モデルの構築、トレーニング、デプロイ PyTorchを大規模に簡単かつ費用対効果の高い方法で行える、フルマネージド型の ML サービスです。インフラストラクチャを自分で管理したい場合は、 AWS Deep Learning AMIまたは AWS Deep Learning Containers を使用できます。これはソースから構築され、 の最新バージョンでパフォーマンスを最適化 PyTorch して、カスタム機械学習環境を迅速にデプロイします。
TensorFlow 上の AWS
TensorFlow は、研究者やデベロッパーが機械学習でアプリケーションを強化するために利用できる深層学習フレームワークの 1 つです。 は、 の幅広いサポート AWS を提供し TensorFlow、お客様はコンピュータビジョン、自然言語処理、音声翻訳などにわたって独自のモデルを開発して提供できます。Amazon TensorFlow AWS の使用を開始できます。Amazon は SageMaker、 TensorFlow モデルの構築、トレーニング、デプロイを大規模に簡単かつ費用対効果の高い方法で行える、フルマネージド型の ML サービスです。インフラストラクチャを自分で管理したい場合は、 AWS Deep Learning AMIまたは AWS Deep Learning Containers を使用できます。これはソースから構築され、 の最新バージョンでパフォーマンスを最適化 TensorFlow して、カスタム ML 環境を迅速にデプロイします。
Amazon Textract は、スキャンされたドキュメントからテキストとデータを自動的に抽出するサービスです。Amazon Textract では、単純な光学文字認識 (OCR) のレベルを超え、フォーム内のフィールドの入力内容や、テーブルに保存された情報も識別されます。
現在、多くの企業は、PDFs、テーブル、フォームなどのスキャンされたドキュメントから、または手動設定を必要とする単純な OCR ソフトウェア (フォームが変更されると更新されることが多い) を使用して、データを手動で抽出しています。これらの手動およびコストのかかるプロセスを克服するために、Amazon Textract は ML を使用して任意のタイプのドキュメントを読み取って処理し、テキスト、手書き、テーブル、その他のデータを手動作業なしで正確に抽出します。Amazon Textract では、クエリを使用してドキュメントから抽出するために必要なデータを柔軟に指定できます。必要な情報は、自然言語の質問 (「顧客名とは」など) の形式で指定できます。ドキュメント内のデータ構造 (テーブル、フォーム、暗黙フィールド、ネストされたデータ) を知っている必要はなく、ドキュメントのバージョンや形式間のばらつきについて心配する必要はありません。Amazon Textract クエリは、給与明細書、銀行取引明細書、W-2s、ローン申請フォーム、住宅ローン手形、請求書類、保険証など、さまざまな文書で事前トレーニングされています。
Amazon Textract を使用すると、ローンの処理を自動化する場合も、請求書や領収書から情報を抽出する場合も、ドキュメントの処理をすばやく自動化し、抽出された情報に基づいて行動できます。Amazon Textract は、数時間または数日ではなく数分でデータを抽出できます。さらに、Amazon Augmented AI で人間によるレビューを追加して、モデルをモニタリングし、機密データをチェックできます。
Amazon Transcribe
Amazon Transcribe は、顧客が音声をテキストに自動的に変換することを容易にする自動音声認識 (ASR) サービスです。このサービスは、WAV や MP3 などの一般的な形式で保存されているオーディオファイルを各単語のタイムスタンプで文字起こしできるため、テキストを検索して元のソース内のオーディオを簡単に見つけることができます。ライブオーディオストリームを Amazon Transcribe に送信し、トランスクリプトのストリームをリアルタイムで受信することもできます。Amazon Transcribe は、ボリューム、ピッチ、発話速度のバリエーションなど、幅広い音声および音特性を処理するように設計されています。オーディオ信号の品質と内容 (バックグラウンドノイズ、スピーカーの重複、アクセント付き音声、1 つのオーディオファイル内の言語間の切り替えなどを含むが、これらに限定されない) は、サービス出力の精度に影響する可能性があります。お客様は、音声ベースのカスタマーサービスコールの文字起こし、音声/動画コンテンツの字幕の生成、音声/動画コンテンツのコンテンツ分析 (テキストベース) など、さまざまなビジネスアプリケーションに Amazon Transcribe を使用することを選択できます。
Amazon Transcribe から派生した 2 つの非常に重要なサービスには、Amazon Transcribe Medical と Amazon Transcribe Call Analytics が含まれます。
Amazon Transcribe Medical は、高度な ML モデルを使用して、医療音声をテキストに正確に文字起こしします。Amazon Transcribe Medical は、臨床文書ワークフローや医薬品安全性モニタリング (医薬品安全性監視) から、医療やライフサイエンスの分野における遠隔医療やコンタクトセンター分析の字幕まで、さまざまなユースケースをサポートできるテキスト文字起こしを生成できます。
Amazon Transcribe Call Analytics は、カスタマーエクスペリエンスとエージェントの生産性を向上させるために通話アプリケーションに追加できる豊富な通話トランスクリプトと実用的な会話インサイトを提供する AI を活用した API です。これは、特にカスタマーケア speech-to-text とアウトバウンド販売コールを理解するようにトレーニングされた、強力でカスタムの自然言語処理 (NLP) モデルを組み合わせます。AWS コンタクトセンターインテリジェンス (CCI) ソリューションの一部として、この API はコンタクトセンターに依存しないため、顧客や ISVs はアプリケーションに通話分析機能を簡単に追加できます。
Amazon Transcribe を開始する最も簡単な方法は、コンソールを使用してジョブを送信し、オーディオファイルを文字起こしをすることです。また、 から直接 サービスを呼び出すか AWS Command Line Interface、任意のサポートされている SDKs のいずれかを使用してアプリケーションと統合することもできます。
Amazon Translate
Amazon Translate は、高速、高品質、手頃な価格の言語翻訳を提供するニューラルマシン翻訳サービスです。ニューラル機械翻訳は、深層学習モデルを使用して、従来の統計やルールベースの翻訳アルゴリズムよりも正確で自然な翻訳を提供する言語翻訳自動化の一形態です。Amazon Translate を使用すると、さまざまなユーザーのウェブサイトやアプリケーションなどのコンテンツをローカライズし、分析のために大量のテキストを簡単に翻訳し、ユーザー間のクロスリンガル通信を効率的に実現できます。
AWS DeepComposer
AWS DeepComposer は、ML を搭載した世界初の音楽キーボードです。これにより、すべてのスキルレベルのデベロッパーは、オリジナルの音楽出力を作成しながら生成 AI を学習できます。 DeepComposer は、デベロッパーのコンピュータに接続する USB キーボードと、 経由でアクセスする DeepComposer サービスで構成されます AWS Management Console。 DeepComposer には、生成モデルの構築を開始するために使用できるチュートリアル、サンプルコード、トレーニングデータが含まれています。
AWS DeepRacer
AWS DeepRacer は 1/18 スケールのレースカーで、強化学習 (RL) を始めるための興味深く楽しい方法を提供します。RL は高度な ML 手法であり、モデルのトレーニングには他の ML 手法とはまったく異なるアプローチを取ります。その超能力は、ラベル付けされたトレーニングデータを必要とせずに非常に複雑な動作を学習し、長期的な目標を最適化しながら短期的な意思決定を行うことができることです。
では AWS DeepRacer、自動運転を通じて RL の実践、実験、学習を行う方法が追加されました。クラウドベースの 3D レーシングシミュレーターで仮想車とトラックの使用を開始できます。また、実際に体験するために、トレーニング済みモデルを友達にデプロイ AWS DeepRacer してレースしたり、グローバル AWS DeepRacer リーグに参加したりできます。デベロッパー、レースがスタートしました。
AWS HealthLake
AWS HealthLake は、医療提供者、健康保険会社、および製薬会社が大規模な医療データの保存、変換、クエリ、分析に使用できる HIPAA 対象サービスです。
ヘルスデータは、多くの場合不完全で一貫性がありません。また、臨床メモ、ラボレポート、保険金請求、医療画像、録音された会話、時系列データ (心臓病や脳病のトレースなど) に含まれる情報を含む、構造化されていないこともよくあります。
ヘルスケアプロバイダーは、 HealthLake を使用して 内のデータを保存、変換、クエリ、分析できます AWS クラウド。 HealthLake 統合された医療自然言語処理 (NLP) 機能を使用すると、さまざまなソースからの非構造化臨床テキストを分析できます。 は、自然言語処理モデルを使用して非構造化データを HealthLake 変換し、強力なクエリおよび検索機能を提供します。 HealthLake を使用すると、安全でコンプライアンスに準拠し、監査可能な方法で患者情報を整理、インデックス作成、構造化できます。
AWS HealthScribe
AWS HealthScribe は、医療ソフトウェアベンダーが患者と臨床医の会話を分析して臨床メモを自動的に生成できるようにする HIPAA 対象サービスです。 は、音声認識を生成 AI AWS HealthScribe と組み合わせて、会話を文字起こししして臨床メモをすばやく作成することで、臨床ドキュメントの負担を軽減します。会話はセグメント化され、患者と臨床医のスピーカーの役割を特定し、医学用語を抽出し、予備的な臨床メモを生成します。患者の機密データを保護するために、セキュリティとプライバシーが組み込まれており、入力オーディオと出力テキストが に保持されないようになっています AWS HealthScribe。
AWS Panorama
AWS Panorama は、オンプレミスのインターネットプロトコル (IP) カメラにコンピュータビジョン (CV) を提供する ML デバイスとソフトウェア開発キット (SDK) のコレクションです。を使用すると AWS Panorama、これまで人間による検査が必要だったタスクを自動化して、潜在的な問題の可視性を向上させることができます。
コンピュータビジョンは、サプライチェーンの運用を最適化するためのアセットの追跡、トラフィック管理を最適化するためのトラフィック経路のモニタリング、製造品質を評価するための異常の検出などのタスクの視覚的検査を自動化できます。ただし、ネットワーク帯域幅が限られている環境や、ビデオのオンプレミス処理とストレージを必要とするデータガバナンスルールがある企業では、クラウドでのコンピュータビジョンの実装が困難または不可能になる可能性があります。 AWS Panorama は、組織がオンプレミスカメラにコンピュータビジョンを導入して、高精度で低レイテンシーでローカルで予測を行うことを可能にする ML サービスです。
AWS Panorama アプライアンスは、既存の IP カメラにコンピュータビジョンを追加し、単一の管理インターフェイスから複数のカメラのビデオフィードを分析するハードウェアデバイスです。エッジでミリ秒単位で予測を生成します。つまり、急速に変化する生産ラインで損傷した製品が検出された場合や、車両が倉庫内の危険なオフリミットゾーンに踏み込んだ場合など、潜在的な問題について通知を受け取ることができます。また、サードパーティーメーカーは、独自のユースケースにさらに多くのフォームファクターを提供するために、新しい AWS Panorama対応カメラとデバイスを構築しています。 AWS Panorama を使用すると、 の ML モデルを使用して独自のコンピュータビジョンアプリケーション AWS を構築したり、 のパートナーと協力して CV アプリケーションをすばやく AWS Partner Network 構築したりできます。
