[アップデート] AWS Audit Manager の AWS Generative AI Best Practices Framework が v2 にアップグレードされ、SageMaker もマッピングされるようになりました | DevelopersIO
[アップデート] AWS Audit Manager の AWS Generative AI Best Practices Framework が v2 にアップグレードされ、SageMaker もマッピングされるようになりました いわさです。 AWS Audit Manager では監査や統制に使える様々なフレームワークが提供されています。 その中で、2023 年 11 月に Generative AI を適切に利用するためのフレームワークである AWS Generative AI Best Practices Framework が、AWS の AI・コンプライアンス・セキュリティ専門家によって開発され提供されていました。 上記によって Amazon Bedrock 利用時の監査とエビデンス収集の一部自動化が可能になったのですが、今朝のアップデートでサポート範囲に Amazon Sag
![[アップデート] AWS Audit Manager の AWS Generative AI Best Practices Framework が v2 にアップグレードされ、SageMaker もマッピングされるようになりました | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/8791c8e2f8c809600013419d474499a907909663/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2023%2F08%2Faws-audit-manager.png)
Create random and stratified samples of data with Amazon SageMaker Data Wrangler | Amazon Web Services
AWS Machine Learning Blog Create random and stratified samples of data with Amazon SageMaker Data Wrangler In this post, we walk you through two sampling techniques in Amazon SageMaker Data Wrangler so you can quickly create processing workflows for your data. We cover both random sampling and stratified sampling techniques to help you sample your data based on your specific requirements. Data Wra
データを処理する - Amazon SageMaker
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。 データを処理する SageMaker 処理とは、 SageMakerのフルマネージドインフラストラクチャでデータの事前および事後処理、特徴量エンジニアリング、モデル評価タスクを実行する SageMakerの機能を指します。これらのタスクは処理ジョブ として実行されます。 SageMaker Processing API を使用すると、データサイエンティストはスクリプトとノートブックを実行してデータセットを処理、変換、分析し、機械学習の準備をすることができます。トレーニングやホスティングなど SageMaker、 が提供する他の重要な機械学習タスクと組み合わせると、Processing は、 に組み込まれているすべてのセキュリティとコンプライアンスのサポートを含む、フ
Amazon データラングラーで ML SageMaker データを準備 - Amazon SageMaker
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。 Amazon データラングラーで ML SageMaker データを準備 Amazon SageMaker データラングラーが Amazon SageMaker Canvas に統合されました。 SageMaker Canvas の新しいデータラングラーエクスペリエンスでは、ビジュアルインターフェイスに加えて、自然言語インターフェイスを使用してデータを探索および変換できます。Canvas のデータラングラーの詳細については、 SageMaker を参照してください。データの準備 Amazon SageMaker データラングラー (データラングラー) は、データをインポート、準備、変換、機能化、 end-to-end 分析するためのソリューションを提供する Amaz
Amazon SageMaker ML リネージュトラッキング - Amazon SageMaker
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。 Amazon SageMaker ML リネージュトラッキング 2023 年 11 月 30 日の時点で、以前の Amazon SageMaker Studio エクスペリエンスは Amazon SageMaker スタジオクラシックという名前になりました。以下のセクションは Studio Classic アプリケーションの使用に特化したものです。最新の Studio エクスペリエンスの使用方法については、を参照してくださいAmazon SageMaker Studio。 Amazon SageMaker ML Lineage Tracking は、データ準備からモデルデプロイまでの機械学習 (ML) ワークフローのステップに関する情報を作成して保存します。追跡情報
AWS による Jupyter の 生成系 AI の民主化とノートブック実行のスケールのための新しい拡張機能を発表 | Amazon Web Services
Amazon Web Services ブログ AWS による Jupyter の 生成系 AI の民主化とノートブック実行のスケールのための新しい拡張機能を発表 Project Jupyter は複数のステークホルダーで運営されるオープンソースプロジェクトであり、データサイエンス、機械学習、計算科学のためのアプリケーションだけでなく公開標準やツールも開発しています。なかでも、2011 年にリリースされた Jupyter Notebook は学術、研究、産業のあらゆる分野で世界で数百万人のユーザーが使用するデファクトスタンダードのツールとなりました。Jupyter ではユーザーがコードやデータをインタラクティブに実行でき、完全に再現可能な作業記録として作成、共有することが可能です。 AWS はデータサイエンティストや機械学習エンジニアにとって欠かせない Jupyter を開発する Proj
SageMaker JumpStart - Amazon SageMaker
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。 SageMaker JumpStart SageMaker JumpStart は、機械学習の開始に役立つ、さまざまな問題タイプ向けに事前トレーニングされたオープンソースモデルを提供します。デプロイ前にこれらのモデルを段階的にトレーニングおよび調整できます。 には、一般的なユースケース用のインフラストラクチャを設定するソリューションテンプレートと、 を使用した機械学習用の実行可能なサンプルノートブック JumpStart も用意されています SageMaker。 更新された Studio エクスペリエンスのラン JumpStart ディングページを通じて、一般的なモデルハブから事前トレーニング済みモデルをデプロイ、微調整、評価できます。 Amazon SageMak
新機能 — Amazon SageMaker Studio で EMR クラスターと Spark ジョブを作成して管理する | Amazon Web Services
Amazon Web Services ブログ 新機能 — Amazon SageMaker Studio で EMR クラスターと Spark ジョブを作成して管理する 2021 年 12 月 1 日（米国時間）、Amazon SageMaker Studio サービスに 3 つの新しい機能強化を提供できることを非常に嬉しく思います。 現在、SageMaker Studio のユーザーは、単一の AWS アカウント内、および組織全体の共有アカウントで実行されている Amazon EMR クラスターの作成、終了、管理、検出、接続を SageMaker Studio から直接行うことができます。さらに、SageMaker Studio ノートブックのユーザーは SparkUI を利用して、Amazon EMR クラスターで実行されている Spark ジョブを SageMaker Studio
ノーコード機械学習 — Amazon SageMaker Canvas — AWS
コーディング不要のインターフェイスを通じて、機械学習の経験やコードを 1 行も記述することなく、非常に正確な機械学習モデルを作成できます。SageMaker Canvas では、Amazon Bedrock や Amazon SageMaker JumpStart のファンデーションモデルなど、すぐに使用できるモデルにアクセスできます。また、独自のカスタム ML モデルを構築することもできます。SageMaker Canvas を使用すると、50 以上のソースから簡単にデータにアクセスしてインポートしたり、自然言語と 300 種類以上の組み込み変換を使用してデータを準備したり、高精度なモデルを構築してトレーニングしたり、予測を生成したり、モデルを本番環境にデプロイしたりすることができます。
AWS Ground Station
AWS Ground Station サービスとして完全に管理された Ground Station により、簡単に衛星をコントロールし、衛星データを収集する AWS Ground Station は、衛星通信のコントロール、衛星データの処理、衛星運営のスケーリングを可能にする完全マネージド型サービスです。独自の地上ステーションインフラストラクチャを構築または管理する必用がありません。 衛星は、天気予報、地表画像撮影、通信、放送など、幅広いユースケースで使用されています。Ground stations は、グローバルな衛星ネットワークの中心を形成しています。 AWS Ground Station では、AWS のサービス、ならびに、低レイテンシーのグローバルファイバーネットワークを含む AWS のグローバルインフラストラクチャへの、直接的なアクセスが提供されます。例えば、ダウンロードされた
Google・Microsoft・AWS・IBMが提供するJupyter Notebook サービスのまとめ
はじめに データ分析及び機械学習ですっかりおなじみになったJupyter Notebook(以下、Jupyter)ですが、昨年(2016年)あたりからGCP(Google)・AWS・Microsoft Azure・Bluemix(IBM)といった主要なクラウドベンダーからJupyterのホストサービスが登場するようになってきました。その中には無料で使えるサービスもあるため、ローカルの環境構築を意識しないでPythonやデータ解析・機械学習等のコードを動かしたり共有できるようになり、勉強会やハンズオンの敷居も低くなっているように感じられます。 今回は勉強会で環境構築に困った際にこういう選択肢もあるよという意味で、各ベンダーが提供するJupyter環境をまとめてみました。 サービス一覧 Google / GCP Colaboratory Cloud Datalab Microsoft Azur
Amazon SageMakerのsampleでどんなことができるのか見てみる | DevelopersIO
こんにちは、小澤です。 当エントリは「Machine Learning Advent Calendar 2017」の15日目のエントリです。 今回は、SVMのカーネル編をやる予定でしたが、re:Invent 2017で発表されたAmazon SageMakerがすでに利用可能になっているので、サンプルからどんなことができるのか見ていきたいと思います。 ノートブックの作成 SageMakerでは、機械学習の試行錯誤をするためにJupyter Notebookを作成することが可能です。 ノートブックを実行するためのインスタンスの作成に関する設定を行います。 IAMロールの作成では、新規作成を行うとデータやモデルを保持するためのS3バケットへのアクセスと、AmazonSageMakerFullAccess権限を持ったIAMロールが作成されます。 「ノートブックインスタンスの作成」を選択するとイン
Amazon SageMaker（機械学習モデルを大規模に構築、トレーニング、デプロイ）| AWS
Amazon SageMaker フルマネージド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向けの機械学習 (ML) モデルを構築、トレーニング、デプロイします。 Amazon SageMaker は、あらゆるユースケースで高性能で低コストの機械学習 (ML) を実現する幅広いツールを統合した完全マネージド型サービスです。SageMaker では、ノートブック、デバッガー、プロファイラー、パイプライン、MLOps などのツールを使用して、ML モデルを大規模に構築、トレーニング、デプロイできます。しかも、すべてを 1 つの統合開発環境 (IDE) で行えます。SageMaker は、アクセス制御の簡素化と ML プロジェクトの透明性により、ガバナンス要件をサポートします。さらに、FM の微調整、実験、再トレーニング、デプロイを行うための専用ツールを使用して、独
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
