【ラスベガス=白石武志】米アマゾン・ドット・コムは29日、サプライチェーン(供給網)の在庫水準などを人工知能(AI)で管理するクラウドサービス「AWSサプライチェーン」を外部提供すると発表した。子会社のアマゾン・ウェブ・サービス(AWS)が米ラスベガスで開催中の年次イベントで発表した。米国や欧州の一部地域で試験提供を始める。日本市場への導入は顧客の要望に応じて検討するとしている。30年近くに
最近ソーダストリームを買い、炭酸水を飲むのにはまってます。機械学習エンジニアの@yktm31です。 以前に「AWS Lake Formationでデータレイク体験!」という記事を書いてみて、データ基盤アーキテクチャに興味が湧いてきました。 データレイクハウスは、「データウェアハウス」と「データレイク」を統合したようなアーキテクチャで、 2020年にDatabricks社により提唱され、新しいデータ基盤アーキテクチャとして注目されているようです。 www.databricks.com そこで今回、「データレイクハウス」について調べてみたことをまとめてみたいと思います。 なぜデータレイクハウスが注目されているのか? データウェアハウスの特徴・課題 データレイクの特徴・課題 データレイクハウスの特徴 データレイクハウスのアーキテクチャ Azure Azure Synapse Analyticsを
Amazon Web Services ブログ 「もう悩まない!機械学習モデルのデプロイパターンと戦略」を解説する動画を公開しました! 「ML Max。こんばんは。」 ということで今回はシックなナレーションから始まりました、機械学習の価値を最大化するための解説動画、ML Enablement Series (※)の、 Amazon SageMaker 推論 Part3(前編)もう悩まない!機械学習モデルのデプロイパターンと戦略【ML-Dark-05】【AWS Black Belt】 を公開しました。 ※ ML Enablement Series とは、機械学習プロダクトにかかわる全ての人向けの機械学習の知識をお届けする Light パートと、機械学習のマネージドサービスを活用して MLOps を推進したいエンジニア向けの Dark パート から構成されており、週1回を目安に Light と
MLOpsはSoftware2.0のためのDevOpsであり、顧客自身のデータから半自動で顧客体験を改善できるようにします。これまではMLOpsと既存のSoftware1.0のためのDevOpsは独立していましたが、組み合わせることでSoftware2.0の弱点である確率的な挙動を抑制しより安定したサービスを開発することが可能です。 DevOpsと並走するこれからのMLOpsを構築するための問題点と解決策を提示し、AWSがどのようにMLOpsの構築を支援できるのかをご説明します。
アマゾンが豊富な品ぞろえと低価格を両立できる理由 アマゾンのビジョンは「地球上で最もお客様を大切にする企業であること」です。さらに「顧客をその人にとっての宇宙の中心に置いて考える」ことこそが、パーソナライズであると言っています。だからこそ、アマゾンは顧客の声を聞き、パーソナライズされた価値を発明しているのです。 アマゾンは企業としての4つのプリンシプルとビジョン、さらに価値基準・行動指針となる16のリーダーシップ・プリンシプルを徹底して実行しています。 図表1は創業初期のジェフ・ベゾス氏の構想に追記したものです。「品揃えの豊富さ」と「価格の安さ」。この2つの顧客体験こそが、初期のアマゾンにおけるビジネスモデルのベースになっています。同時に、以下に挙げる2つの基本的なビジネス構造が存在します。 1つ目は、アマゾンのサービスにおける、顧客体験を提供するプラットフォームのサイクルです。まず、素晴
Amazon Web Services ブログ Amazon Redshift ML が一般公開されました — SQL を使用して機械学習モデルを作成し、データから予測を行う Amazon Redshift では SQL を使用して、データウェアハウス、運用データベース、データレイク全体で、エクサバイトの構造化データと半構造化データをクエリし、組み合わせることができます。AQUA (Advanced Query Accelerator) の一般提供が開始されたので、追加コストやコードの変更なしで、クエリのパフォーマンスを最大で 10 倍向上させることができます。実際、Amazon Redshift は、他のクラウドデータウェアハウスよりも最大で 3 倍優れたコストパフォーマンスを提供します。 しかし、さらに一歩進んで、このデータを処理して機械学習 (ML) モデルをトレーニングし、ウェアハ
Amazon Redshift MLは、Amazon Redshiftクラスタから直接機械学習モデルを作成、トレーニング、デプロイすることが可能で、単純なSQLクエリを使用してモデルのトレーニングに使用するデータと、予測する出力値を指定することで、機械学習モデルを作成できる。 機械学習モデルの作成後は、指定されたデータをAmazon RedshiftからS3バケットへエクスポートし、Amazon SageMaker Autopilotを呼び出してデータを準備し、適切なビルド済みアルゴリズムを選択してトレーニングを行う。 トレーニングやコンパイルなど、関連するすべての処理が、Amazon Redshift、S3、SageMakerの連携によって行われ、モデルのトレーニングが完了すると、Amazon Redshift MLはSageMaker Neoでモデルをデプロイ用に最適化し、SQL関数と
Amazon Web Services ブログ 【開催報告 & 資料公開】 AI/ML@Tokyo #9 機械学習モデルの可視化、説明可能性とMLセキュリティ アマゾン ウェブ サービス ジャパン株式会社 機械学習ソリューションアーキテクトの大渕です。AWS Japan では、AI/ML 関連情報を発信するイベント「AWS AI/ML@Tokyo」を定期的に開催しています。2020年12月17日にオンラインで開催された AWS AI/ML@Tokyo #9 では、AWS の 機械学習ソリューションアーキテクトより Amazon SageMaker を使って機械学習モデルの可視化と説明可能性を実現する方法をご紹介し、ソリューションアーキテクトより AWS の AI/ML サービスにおけるセキュリティについてご紹介しました。また、お客様活用事例として、東日本旅客鉄道株式会社様より、画像認識を活
HIRANO@おんせん県おおいたです みんな、温泉入ってますかー? (挨拶 re:InventのMachine LearningキーノートでAmazon Neptune MLが発表されましたので、紹介します。 Amazon Neptune とは Amazon Neptuneはグラフ構造に特化したマネージドデータベースです。グラフ構造とは、ノードとノードの関係性を表現するデータ構造です。例えば、SNSの各ユーザがノードで、フォーロが関係性になります。つまり大規模で複雑なネットワーク構造をデータベースに格納、検索できるのがAmazon Neptuneになります。 大規模なネットワーク構造から、目的のものを検索することは簡単です。例えば、Aさんのフォロワーの一覧を取り出すことは簡単にできます。しかし、ネットワーク構造を俯瞰的に見て何か新しいパターンを見つける、というのは人間による作業が必要でした
せーのでございます。 現在AWS re:InventではAndy Jassyのキーノートが行われています。 [随時更新] AWS re:Invent 2020 Keynote で発表された新サービスまとめ #reinvent | Developers.IO ご機嫌いかがでしょうか、豊崎です。 今年もre:Invent 2020 キーノートではたくさんの新サービス/新機能が発表されるものと思います。 本投稿では、AWS re:Invent 2020のキーノートで発表された新サービスの記事をまとめます。 AWS re:Invent 2020では以下5つのキーノートが計画されています。 12/2: Andy Jassy Keynote 12/4: AWS Partner Keynote 12/9: Machine Learning Keynote 12/11: Infrastructure Ke
せーのでございます。 現在AWS re:InventではAndy Jassyのキーノートが行われています。 [随時更新] AWS re:Invent 2020 Keynote で発表された新サービスまとめ #reinvent | Developers.IO ご機嫌いかがでしょうか、豊崎です。 今年もre:Invent 2020 キーノートではたくさんの新サービス/新機能が発表されるものと思います。 本投稿では、AWS re:Invent 2020のキーノートで発表された新サービスの記事をまとめます。 AWS re:Invent 2020では以下5つのキーノートが計画されています。 12/2: Andy Jassy Keynote 12/4: AWS Partner Keynote 12/9: Machine Learning Keynote 12/11: Infrastructure Ke
日本時間の2020年11月12日(火) 早朝、機械学習を使用した新しいビジュアルデータ準備ツールとして「AWS Glue DataBrew」という機能が突如発表されました!そしてこちらの機能、既に本日から利用可能となっているようです。 AWS Glue DataBrew, a visual data preparation tool that enables data scientists and data analysts to clean & normalize data up to 80% faster, is now generally available. Read this AWS News Blog to learn more: https://t.co/BVp3PA5n4z pic.twitter.com/XUc8s3NPka — Amazon Web Services (
Amazon Web Services ブログ 日本語形態素解析器 Sudachi の語彙データ(SudachiDict)および単語ベクトル(chiVe)が AWS 上で Open Data として公開されました 多くの機械学習デベロッパーの方々が、AWS 上でさまざまなアルゴリズムの開発やモデルの構築を行なっています。中でも自然言語処理を行う際には、対象言語の言語ごとの辞書データや単語ベクトルデータを用いることが一般的です。これらのデータは GB 以上のサイズにおよび、また計算の際にも大量の GPU および CPU を必要とするため、従来こうしたモデルを構築する際には常にストレージおよびコンピューティングのリソースの調達が問題となってきました。AWS 上で自然言語処理モデルの開発を行う際には、Amazon SageMaker を用いて学習に必要なリソースを確保することで、ALBERT の
Amazon Web Services ブログ 日本語形態素解析器 MeCab を Python から利用する際の語彙データ(UniDic)が AWS 上で Open Data として公開されました 多くの機械学習デベロッパーの方々が、AWS 上でさまざまなアルゴリズムの開発やモデルの構築を行なっています。中でも自然言語処理を行う際には、対象言語の特性に即した形で前処理を行う必要があります。日本語の自然言語処理を実施する際には、形態素解析と呼ばれる文章の分解処理を前位処理として一般的に行います。日本語形態素解析を行うためには、日本語の語彙データが必要となりますが、このデータは通常 GB 以上のサイズに及ぶ大きなサイズとなります。またこれらを用いた計算の際にも大量の GPU および CPU を必要とするため、従来こうしたモデルを構築する際には常にストレージおよびコンピューティングのリソースの
Amazon Web Services(AWS)は米国時間7月23日、「Contact Lens for Amazon Connect」の一般提供(GA)を開始したと発表した。Contact Lensは、コンタクトセンターにかかってきた電話の内容を文字に書き起こしたり、各種の分析を実行する、機械学習(ML)を活用した機能一式で、フルマネージド型のクラウドコンタクトセンターサービス「Amazon Connect」の一部だ。 Contact Lensによりコールセンターの管理者は、顧客のセンチメントのほか、通話のなかで明らかになってくるトレンドや、コンプライアンス関連の問題を把握できるようになる。またユーザーは、特定の話題に基づく通話(顧客が返品を希望する場合など)や、顧客のセンチメント(否定的な顧客センチメントスコアとなった場合など)、通話の性質(長い沈黙があったり、顧客と担当者が議論になっ
Amazon Web Servicesは、機械学習のモデルによるコードレビューを自動的に行い、問題があると思われる部分や性能低下につながっている部分などを指摘してくれるサービス「Amazon CodeGuru」が正式版となったことを発表しました。 New #AWSLaunches! Find your most expensive lines of code & improve code quality with Amazon CodeGuru - now generally available Amazon Athena adds support for Partition Projectionhttps://t.co/GEbCPE0bGQ pic.twitter.com/6GpEFh8VPP — Amazon Web Services (@awscloud) June 29, 2020
Amazon Web Services ブログ COVID-19 データの分析用のパブリックデータレイク COVID-19 のパンデミックは、世界中に脅威をもたらし、命を奪い続けています。私たちはこの病気と戦うために組織や科学的分野を超えて協力する必要があります。数え切れないほどの医療従事者、医学研究者、科学者、公衆衛生担当者は、すでに最前線で患者の世話、治療法の探求、国民の教育、政策立案の手助けをしています。AWS は、COVID-19 の原因となるウイルスをよりよく理解および追跡し、対応を計画し、最終的に封じ込めて制圧するために必要なデータとツールをこれらの専門家に提供することが一助になることを信じています。 今日、私たちはパブリックの AWS COVID-19 のデータレイクを用意しました。このデータレイクは、新型コロナウイルス (SARS-CoV-2) とこれに関連する病気である
レジで支払いをせずそのまま店から出られるコンビニ「Amazon Go」を2017年にオープンさせたAmazonが、新たに、Amazon Goで使われているレジなし決済技術を「Just Walk Out」として小売店に提供していくと発表しました。 justwalkout.com/ https://justwalkout.com/ Amazon offers no-checkout technology to other retailers | Ars Technica https://arstechnica.com/information-technology/2020/03/amazon-offers-no-checkout-technology-to-other-retailers/ Amazonが提供を予定している「Just Walk Out」は、レジでの商品確認や決済をなくすというシ
Amazon.co.jp上で偽造品の撲滅を目指す「Project Zero」が始動。機械学習を活用し、偽造品の疑いがある商品を検知する他、プロジェクトに参加する企業には、発見した偽造品を削除できる権限を付与する。 アマゾンジャパンは10月9日、Amazon.co.jp上で偽造品の撲滅を目指す「Project Zero」を始めたと発表した。機械学習を活用し、偽造品の疑いがある商品を検知する他、プロジェクトに参加する企業には、発見した偽造品を削除できる権限を付与。偽造品をスピーディーに削除する体制を整える。 世界中のAmazonで毎日更新される50億件以上の商品情報を継続的に自動スキャンし、偽造品の疑いがある商品を検知するという。プロジェクトに参加する企業が発見・削除した偽造品の情報も、検出精度の向上に利用する。 既にパナソニック、アイリスオーヤマ、任天堂、ソニー・インタラクティブエンタテイン
「Amazon Forecast」が正式リリース。過去の時系列データを与えるだけで機械学習による予測をしてくれる、専門知識不要のサービス Amazon Forecastは、なんらかの時系列データおよびその時系列データに影響を与えたであろう周辺情報、例えばある店舗の売り上げの時系列データおよび、その店舗の場所の天候、気温、交通量、曜日や祝祭日など売り上げに影響すると思われる周辺情報を与えると、予測に必要な機械学習モデルの構築、アルゴリズムの選定、モデルの正確性の検証や改善などを全て自動で実行し、売り上げに関する予測のデータを出力してくれるというサービスです。 一般に、機械学習を活用するには、学習用のデータと検証用のデータを用意し、学習用のデータから求められた予測結果を検証用データで検証して正確性を評価し、より適切なモデルやアルゴリズムを選択する、といった作業が発生します。 Amazon Fo
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
処理を実行中です
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