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)
AWS は、最も包括的な一連の ML サービスと専用インフラストラクチャを使用して、ML 導入ジャーニーのあらゆる段階でお客様を支援します。当社の事前トレーニング済みの AI サービスは、アプリケーションとワークフローに既製のインテリジェンスを提供します。
各サービスは図の後に説明されています。ニーズに最適なサービスを判断するには、AWS 「機械学習サービスの選択」、「生成 AI サービスの選択」、「Amazon Bedrock または Amazon SageMaker AI?」を参照してください。一般的な情報については、「AI イノベーションの次の波を構築してスケールする AWS」を参照してください。
に戻りますAWS サービス。
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差別化されていない面倒 AWS な作業を排除します。
Amazon Bedrock
Amazon Bedrock は、Amazon および主要な AI 企業の基盤モデル (FMs) を API を通じて利用できるようにす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て、FMs を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 AWS 。
AI21 Labs、Anthropic、Cohere、DeepSeek、Luma、Meta、Mistral AI、Stability AI など、主要な AI 企業のさまざまな基盤モデルから選択できます。または、Amazon Bedrock でのみ利用可能な Amazon Nova 基盤モデルを使用することもできます。
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開発者ツールです。CodeGuru を既存のソフトウェア開発ワークフローに統合して、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に重大な問題、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、トークン化と音声部分を使用してテキストを分析し、トピックごとにテキストファイルのコレクションを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。
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、治験レポート、患者の健康記録などのさまざまなソースから識別できます。Amazon Comprehend Medical は、抽出された薬剤とテスト、治療、処置情報の関係も特定し、分析を容易にします。例えば、サービスは、非構造化臨床ノートから特定の薬剤に関連する特定の投与量、強度、頻度を識別します。
Amazon DevOps Guru
Amazon DevOps Guru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するため、運用上の問題を顧客に影響を与えるずっと前に特定できます。
Amazon DevOpsGuru は、長年の Amazon.com と AWS 運用上の優秀性によって通知された 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、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の概要を提供します。可能な場合、Amazon DevOpsGuru は問題の修正方法に関する推奨事項も提供します。
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 、 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 AWS CloudFormation を有効にして開始できます。手動セットアップや ML の専門知識は必要ありません。
Amazon Forecast
Amazon Forecast は、ML を使用して高精度の予測を提供する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見て予測を構築します。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るという前提で、以前の売上データのみを見て、レインコートの将来の売上を予測しようとする場合があります。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生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 の使用を開始するのに ML エクスペリエンスは必要ありません。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。たとえば、シャツの特定の色の需要は、季節や店舗の場所によって変わる可能性があります。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査し、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% 正確な予測を行うことが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。最低料金や前払い金はありません。
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、潜在的な不正行為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 は医療における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。ただし、多くの場合、このデータは非構造化であり、この情報を抽出するプロセスは手間がかかり、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ヘルスデータを理解し、抽出します。Amazon Comprehend Medical は、ICD-10-CM、RxNorm、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、保険金請求処理の迅速化、国民健康の向上、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されていても、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、質問に対する適切な回答を必要なときに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自動音声認識 (ASR) の高度な深層学習機能と、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、新しいカテゴリの製品を作成できます。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をすべての開発者が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、会話ボット (チャットボット）、音声対応インタラクティブ音声応答 (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、開発者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。発生したテキストまたは音声のリクエストに対してのみ課金されます。従量制料金とリクエストごとの低コストは、会話型インターフェイスを構築するためのコスト効率の高い方法です。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、機器のセンサーからのデータ (ジェネレーターの圧力、コンプレッサーの流速、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減らし、誤ったアラートを減らすための措置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。Lookout for Metrics は、これらのソース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い速度と精度で異常を検出します。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。Lookout for Metrics を使用すると、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、異常を重要度順にランク付けして、ビジネスにとって最も重要なもの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、製造会社は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、品質を向上させ、運用コストを削減できます。例えば、Lookout for Vision は、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するために使用できます。Amazon Lookout for Vision は ML を使用して、あらゆるカメラのイメージ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。Lookout for Vision を使用すると、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、コストが高く一貫性のない手動検査が不要になります。数分で、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のシステムです。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的な要素です。ただし、これを機能させるために、企業はこれまで、熟練した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一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 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センサー、データを安全に転送する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、デバイスをセットアップし、動作に関するレポートと機械の潜在的な障害に関するアラ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 Fulfillment Centers で機器のモニタリングに使用される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、実践的なコードフリーの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手法を試し、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。PartyRock は、フルマネージド型のサービスサービスである Amazon Bedrock を通じて、Amazon および主要な AI 企業の基盤モデル (FMs) へのアクセスを提供します。
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個別の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の向上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生成するために必要な ML 機能の開発は、ML 機能の開発が複雑であるため、現在のほとんどの組織の手の届かないところにあります。Amazon Personalize を使用すると、以前の ML の経験がないデベロッパーは、Amazon.com で長年使用されて完成した 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、推奨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、エンターテイン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するため、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、プライベートかつ安全に保持され、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 コールを介して、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。最低料金や前払い金はありません。
Amazon Personalize は、独自の Amazon.com ML パーソナライゼーションチームを 24 時間いつでも利用できるようなものです。
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、話す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、さまざまな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Text-to-Speech (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、どこでも Text-to-Speech を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、質問に回答し、概要を提供し、コンテンツを生成し、タスクを安全に完了できます。これにより、従業員はより創造的、データ駆動型、効率的、準備的、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、開発者や 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 (Java バージョンのアップグレードの実行など) し、開発者の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 を使用すると、ML の専門知識を必要としない、実証済みの高度に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イメージ分析とビデオ分析を簡単に追加できます。Amazon Rekognition を使用すると、イメージやビデオ内のオブジェクト、人物、テキスト、シーン、アクティビティを特定し、不適切なコンテンツを検出できます。Amazon Rekognition は、さまざまなユーザー検証、人数カウント、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。たとえば、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ための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 エクスペリエンスは必要ありません。識別するオブジェクトまたはシーンのイメージを提供するだけで、サービスは残りを処理します。
Amazon SageMaker AI
Amazon SageMaker AI を使用すると、フルマネージド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 AI は、ML プロセスの各ステップから負担を軽減し、高品質のモデルの開発を容易にします。SageMaker AI は、ML に使用されるすべてのコンポーネントを 1 つのツールセットで提供するため、モデルははるかに少ない労力と低コストで本番環境に迅速に移行できます。
Amazon SageMaker AI Autopilot
Amazon SageMaker AI 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、調整しながら、完全な制御と可視性を維持できます。SageMaker AI 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) の予測先列を選択するだけです。SageMaker AI 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 AI 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 AI Canvas
Amazon SageMaker AI Canvas 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 予測を生成できる視覚的な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 AI Clarify
Amazon SageMaker AI Clarify を使用すると、機械学習開発者はトレーニングデータとモデルをより詳細に把握できるため、バイアスを特定して制限し、予測を説明できます。Amazon SageMaker AI Clarify は、指定した属性を調べて、データ準備中、モデルトレーニング後、デプロイされたモデルで潜在的なバイアスを検出します。SageMaker AI Clarify には、モデル予測について説明し、内部プレゼンテーションをサポートしたり、修正する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するのに役立つ特徴量重要度グラフも含まれています。
Amazon SageMaker AI データラベリング
Amazon SageMaker AI は、画像、テキストファイル、動画などの未加工データを識別し、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リングサービスを提供します。
Amazon SageMaker AI Data Wrangler
Amazon SageMaker AI 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。SageMaker AI Data Wrangler 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、データの選択、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 AI Edge
Amazon SageMaker AI Edge は、モデルを最適化、保護、エッジにデプロイし、スマートカメラ、ロボット、その他のスマート電子などのデバイスのフリートでこれらのモデルをモニタリングすることで、エッジデバイスでの機械学習を可能にし、継続的な運用コストを削減します。SageMaker AI Edge Compiler は、エッジデバイスで実行できるようにトレーニング済みモデルを最適化します。SageMaker AI Edge には、over-the-air (OTA) デプロイメカニズムが含まれています。SageMaker AI 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、間隔などの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、時間の経過とともにモデルを定期的に再トレーニングできるようにします。
Amazon SageMaker AI Feature Store
Amazon SageMaker AI 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す。これにより、チーム間で名前付け、整理、再利用がはるかに簡単になります。SageMaker AI Feature Store は、トレーニング中やリアルタイム推論中の機能の統合ストアを提供します。追加のコードを記述したり、機能の一貫性を維持するために手動プロセスを作成したりする必要はありません。SageMaker AI Feature Store は、保存された機能のメタデータ (機能名やバージョン番号など) を追跡するため、インタラクティブなクエリサービスである Amazon Athena を使用して、バッチまたはリアルタイムで適切な属性の機能をクエリできます。SageMaker AI Feature Store では、推論中に新しいデータが生成されると、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るため、機能も更新されます。
Amazon SageMaker AI 地理空間機能
Amazon SageMaker AI 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して、ML 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 AI HyperPod
Amazon SageMaker AI HyperPod は、大規模言語モデル (LLMs)、拡散モデル、基盤モデル (FMs。SageMaker AI HyperPod には、分散トレーニングライブラリが事前設定されています。これにより、お客様はトレーニングワークロードを AWS Trainiumや NVIDIA A100 および H100 Graphical Processing Units (GPUs) などの何千ものアクセラレーターに自動的に分割できます。
また、SageMaker AI HyperPod は、チェックポイントを定期的に保存することで、中断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した場合、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 AI 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、最適なパフォーマンスを実現できます AWS。
Amazon SageMaker AI JumpStart
Amazon SageMaker AI JumpStart は、ML を迅速かつ簡単に開始するのに役立ちます。開始を容易にするために、SageMaker AI JumpStart は、数回クリックするだけ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 SageMaker AI JumpStart 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もサポートしています。
Amazon SageMaker AI モデル構築
Amazon SageMaker AI 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、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ものを見つけるプロセスが用意されています。Amazon SageMaker AI では、SageMaker AI 用にビルトインおよび最適化された 15 種類以上のアルゴリズムを選択し、数回クリックするだけで一般的なモデルズーから 750 種類以上の構築済みモデルを使用できます。SageMaker AI には、Code-OSS (Virtual Studio Code Open Source) に基づく Amazon SageMaker AI 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おり、ML モデルを小規模で実行して結果を表示したり、パフォーマンスに関するレポートを表示したりできるため、高品質の作業プロトタイプを作成できます。
Amazon SageMaker AI モデルトレーニング
Amazon SageMaker AI 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でき、SageMaker AI はインフラストラクチャを 1 から数千の GPUs。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 AI 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 AI モデルのデプロイ
Amazon SageMaker AI を使用すると、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デプロイの幅広いオプションが用意されており、すべての ML 推論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 AI パイプライン
Amazon SageMaker AI Pipelines は、ML 向けの初めての専用でeasy-to-use継続的インテグレーションおよび継続的デリバリー (CI/CD) サービスです。SageMaker AI Pipelines を使用すると、end-to-endの 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 AI Studio Lab
Amazon SageMaker AI Studio Lab は、コンピューティング、ストレージ (最大 15GB)、セキュリティをすべて無料で提供する無料の ML 開発環境です。ML を学び、試すことができます。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、ID 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 AI Studio Lab は GitHub 統合を通じ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、すぐに使用を開始できます。SageMaker AI Studio Lab は作業を自動的に保存するため、セッション間で を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 easy-to-use簡潔な API を備えた、高速でスケーラブルなトレーニングおよび推論フレームワークです。 https://aws.amazon.com/mxnet/MXNet には、あらゆるスキルレベルの開発者がクラウド、エッジデバイス、モバイルアプリでディープラーニング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 コードでは、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用の繰り返し 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、デプロイするプラットフォームである Amazon SageMaker AI を使用して、フルマネージド型のエクスペリエンス AWS で で MxNet の使用を開始できます。または、 AWS Deep Learning AMIs を使用して、MxNet と TensorFlow、PyTorch、Chainer、Keras、Caffe、Caffe2、Microsoft Cognitive Toolkit などの他のフレームワークでカスタム環境とワークフローを構築できます。
AWS Deep Learning AMIs
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 AMIsを提供します。TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、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 モデルをトレーニングしたり、新しいアルゴリズムを試したり、新しいスキルやテクニックを学習したりできます。Amazon EC2 GPU インスタンスでも CPU インスタンスでも、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、ディープラーニング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省略できるため、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 をサポートしています。 AWS DL コンテナは、Amazon SageMaker AI、Amazon Elastic Kubernetes Service (Amazon EKS)、Amazon EC2 のセルフマネージド 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、使用したリソースに対してのみ料金が発生します。
Amazon SageMaker AI を使用した地理空間 ML
Amazon SageMaker AI 地理空間機能を使用すると、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を使用して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で 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、収穫量と食料安全保障の最大化、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。
Hugging Face on AWS
Amazon SageMaker AI の Hugging Face を使用すると、Transformer 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 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 (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、データサイエンティストや ML 開発者が Amazon SageMaker AI 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を提供しました。
での PyTorch 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。PyTorch 開発者は、Facebook と連携して AWS によって構築および管理される PyTorch のモデル提供ライブラリである TorchServe TorchServeを使用して、モデルを本番環境に迅速かつ簡単にデプロイできます。PyTorch は、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。これは、 で高性能になるように調整されています AWS。Amazon SageMaker AWS を使用して で PyTorch の使用を開始できます。Amazon SageMaker は、PyTorch モデルを大規模に簡単に、費用対効果の高い方法で構築、トレーニング、デプロイでき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する場合は、 AWS Deep Learning AMIs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、PyTorch の最新バージョンでパフォーマンスを最適化して、カスタム機械学習環境を迅速にデプロイします。
での TensorFlow AWS
TensorFlow は、研究者や開発者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多くの深層学習フレームワークの 1 つです。 は TensorFlow の広範なサポート AWS を提供し、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。で TensorFlow の使用を開始できます。 AWS Amazon SageMaker AI は、TensorFlow モデルの大規模な構築、トレーニング、デプロイを簡単かつ費用対効果の高い方法で実現するフルマネージド ML サービスです。インフラストラクチャを自分で管理する場合は、 AWS Deep Learning AMIs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、TensorFlow の最新バージョンでパフォーマンスを最適化して、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、画像、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シンプルな OCR ソフトウェアを使用して手動でデータを抽出しています (多くの場合、フォームが変更されたときに更新する必要があります）。これらの手動およびコストの高いプロセスを克服するために、Amazon Textract は ML を使用してあらゆる種類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。ドキュメントのデータ構造 (テーブル、フォーム、インプライドフィールド、ネストされたデータ) を把握したり、ドキュメントのバージョンや形式間のバリエーションについて心配したりする必要はありません。Amazon Textract クエリは、給与明細、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、保険カードなど、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でも、請求書や領収書から情報を抽出する場合でも、ドキュメントの処理をすばやく自動化し、抽出された情報に対応できます。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、自動音声認識 (ASR) サービスであり、お客様が音声をテキストに自動的に変換することを容易にします。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。Amazon Transcribe にライブオーディオストリームを送信し、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、話す速度のバリエーションなど、幅広い音声および音響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、単一のオーディオファイル内の言語間の切り替えなどの要因を含むが、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、オーディオ/ビデオコンテンツの字幕の生成、オーディオ/ビデオコンテンツの (テキストベースの) コンテンツ分析の実行など、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 があります。
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、医療およびライフサイエンス分野の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するために使用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。カスタマーケアとアウトバウンドセールスコールを理解するために特別にトレーニングされた、強力なspeech-to-textモデルとカスタム自然言語処理 (NLP) モデルを組み合わせています。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ことも 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、高速で高品質、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、従来の統計および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、多様なユーザー向けに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、あらゆるスキルレベルの開発者がオリジナルの音楽出力を作成しながら生成 AI を学習できるようにします。DeepComposer は、開発者のコンピュータに接続する USB キーボードと、 を介してアクセスされる 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、他の ML メソッドとはまったく異なるアプローチでモデルをトレーニングする高度な ML 手法です。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。
を使用すると AWS DeepRacer、自動運転を通じて RL の実践、実験、学習を行うことができます。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、実際のエクスペリエンスのために、トレーニング済みモデルをデプロイして友達 AWS DeepRacer とレースしたり、グローバル AWS DeepRacer リーグに参加したりできます。開発者、レースは進行中です。
AWS HealthLake
AWS HealthLake は、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。
ヘルスデータはしばしば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 (ハートECG や脳 " 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 の統合医療自然言語処理 (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。HealthLake は、自然言語処理モデルを使用して非構造化データを変換し、強力なクエリおよび検索機能を提供します。HealthLake を使用して、安全で準拠した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ノートを自動的に生成できるようにする HIPAA 対象サービスです。 AWS HealthScribe は音声認識と生成 AI を組み合わせて、会話を書き起こし、臨床ノート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、患者と臨床医の話者の役割を特定し、医学用語を抽出し、予備的な臨床ノートを生成します。患者の機密データを保護するために、入力オーディオと出力テキストが AWS HealthScribe に保持されないように、セキュリティとプライバシーが組み込まれています。
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、潜在的な問題の可視性を向上させるために、従来人間による検査が必要だったタスクを自動化できます。
コンピュータビジョンは、アセットの追跡によるサプライチェーンオペレーションの最適化、トラフィックレーンのモニタリングによるトラフィック管理の最適化、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を持つ企業では、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迷った場合など、潜在的な問題について通知を受けることができます。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。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 AWS Partner Network CV アプリケーションをすばやく構築 AWS Panorama したりできます。
に戻りますAWS サービス。
