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。
ターゲットを絞ったビジネス成果
重要なビジネス成果とは、組織のデータをビジネス価値に変えることができる最適化されたプロセスを導入することです。具体的には、この戦略を通じて、次のようにターゲットを絞ったビジネス成果を達成できます。
機械学習と運用 (MLOps) の機能を組織全体にスケールし、数百人のデータサイエンティストやデータエンジニアが、組織内で ML ワークフローを実行できるよう支援する ML プラットフォームを開発します。
AWS Service Catalog を使用して Amazon SageMaker AI でオンデマンドのマネージドインフラストラクチャを作成することで、スケーラブル、セキュア、コスト効率が高く、持続可能なインフラストラクチャのデプロイを実装します。
ML モデルの開発とデプロイプロセスを複数のチームで標準化します。
既存のモデルの技術的負担を軽減し、再利用可能なアーティファクトを作成することで、将来的なモデル開発を加速させます。
データや分析のユースケースでアイデアが価値を生むまでの期間を 12～16 週間に短縮します。
ML ユースケース環境の作成時間を 1～2 日に短縮します。
企業内でアドバンストアナリティクスの利用をスケールすると、ML モデルやソリューションを開発して本番稼働環境にリリースするまでに時間がかかりすぎることがあります。と提携することで AWS、ビジネスと顧客をサポートする ML ベースのサービスを開発および実稼働化するための、最新で安全でスケーラブルで持続可能なセルフサービスプラットフォームを迅速に設計、構築、起動するのに役立つガイダンスとサポートを受けることができます。AWS プロフェッショナルサービスは
このコラボレーションにより、次のことが可能になります。
インフラストラクチャとアプリケーションコードに対する、統合されたセルフサービスの DevOps 主導型アプローチなら、デプロイまでのルートが明確なため、デプロイ時間を数週間から数分に短縮可能
業界のベストプラクティスと銀行全体で共有されるアーティファクトを活用した ML モデルおよびインサイトにより、イノベーションを加速させる、安全で制御されテンプレート化された環境
組織全体で、より簡単で一貫したデータのアクセスと共有が可能
コンピューティング要件を最小限に抑え、コストを削減し、持続可能な機械学習の開発と運用を可能にするオンデマンドのマネージドアーキテクチャに基づく最新のツールセット。継続的なユースケースとコンプライアンス要件を満たすために、新しい AWS 製品やサービスに柔軟に対応できます。
組織のデータサイエンスチームとエンジニアリングチームが自力で取り組み、組織全体で ML 製品をスケールできるようにするための導入、エンゲージメント、トレーニングのサポート
