データは、AI テクノロジーから最大限の価値を引き出し、ビジネス上の問題を迅速に解決するための基盤です。ただし、生成 AI テクノロジーの可能性を引き出すには、重要な前提条件があります。それは、データが適切に準備されている必要があるということです。この投稿では、生成 AI を使用してデータ パイプラインを更新および拡張する方法について説明します。 Amazon SageMaker キャンバス データの準備のために。
通常、データ パイプラインの作業には、セキュリティ アナリストが価値を引き出すために使用できるデータを準備および整理するための専門的なスキルが必要ですが、これには時間がかかり、リスクが増大し、価値実現までの時間が長くなる可能性があります。 SageMaker Canvas を使用すると、セキュリティ アナリストは主要な基盤モデルに簡単かつ安全にアクセスして、データをより迅速に準備し、サイバー セキュリティ リスクを修復できます。
データの準備には、顧客の問題から逆算して、慎重な書式設定と思慮深い文脈設定が含まれます。 SageMaker Canvas のデータ準備機能のチャットにより、ドメイン知識のあるアナリストは、チャットベースのエクスペリエンスを使用してデータを迅速に準備、整理し、データから価値を抽出できるようになりました。
ソリューションの概要
生成 AI は、パーソナライズされた自然言語エクスペリエンスを提供し、リスクの特定と修復を強化しながら、ビジネスの生産性を向上させることで、セキュリティ領域に革命をもたらします。このユースケースでは、SageMaker Canvas を使用します。 AmazonSageMakerデータラングラー, アマゾン セキュリティ レイク, Amazon シンプル ストレージ サービス (アマゾンS3)。 Amazon Security Lake を使用すると、分析用にセキュリティ データを集約および正規化し、組織全体のセキュリティをより深く理解できるようになります。 Amazon S3 を使用すると、いつでもどこでも、任意の量のデータを保存および取得できます。業界をリードするスケーラビリティ、データ可用性、セキュリティ、パフォーマンスを提供します。
SageMaker Canvas は、SageMaker Data Wrangler を活用した包括的なデータ準備機能をサポートするようになりました。この統合により、SageMaker Canvas は、データを準備し、構築し、機械学習 (ML) を使用するためのエンドツーエンドのノーコードワークスペースを提供します。 アマゾンの岩盤 基盤モデルを使用して、データからビジネスの洞察を得るまでの時間を短縮します。 SageMaker Canvas ビジュアル インターフェイスで、50 を超えるデータ ソースからデータを検出して集約し、300 を超える組み込みの分析と変換を使用してデータを探索および準備できるようになりました。また、変換と分析のパフォーマンスが向上し、ML 用にデータを探索および変換するための自然言語インターフェイスのメリットも得られます。
この投稿では、3 つの主要な変換を示します。フィルタリング、列名の変更、セキュリティ調査結果データセットの列からのテキスト抽出。また、SageMaker Canvas のデータ準備用チャット機能を使用してデータを分析し、結果を視覚化する方法も示します。
前提条件
始める前に、AWS アカウントが必要です。また、 Amazon SageMakerスタジオ ドメイン。 SageMaker Canvas のセットアップ手順については、以下を参照してください。 コードなしで機械学習予測を生成.
SageMaker Canvas チャット インターフェイスにアクセスする
SageMaker Canvas チャット機能の使用を開始するには、次の手順を実行します。
- SageMaker Canvasコンソールで、 データラングラー.
- データセット、ソースとして Amazon S3 を選択し、 セキュリティ調査結果データセット Amazonセキュリティレイクから。
- データ フローを選択して、 データ準備のためのチャット、ガイド付きプロンプトを含むチャット インターフェイス エクスペリエンスが表示されます。
データをフィルタリングする
この投稿では、まず重大な警告と重大度の高い警告をフィルタリングする必要があるため、チャット ボックスに次の指示を入力します。 重大ではない、または重大度の高い調査結果を削除する。 Canvas は行を削除し、変換されたデータのプレビューを表示し、コードを使用するオプションを提供します。これをステップのリストに追加できます。 ステップ ペイン。
列の名前を変更する
次に、2 つの列の名前を変更したいので、チャット ボックスに次のプロンプトを入力して、列の名前を変更します。 DESC および タイトル 列から 検索 および 修復。 SageMaker Canvas はプレビューを生成します。結果に満足したら、変換されたデータをデータ フロー ステップに追加できます。
テキストを抽出する
調査結果のソース地域を特定するには、チャットの指示に入力してください。 パターンに基づいて UID 列から地域テキストを抽出します arn:aws:security:securityhub:region:*
そして、Region という名前の新しい列を作成します。) パターンに基づいて UID 列から地域テキストを抽出します。次に、SageMaker Canvas は新しい領域列を作成するコードを生成します。データ プレビューには、1 つのリージョンからの結果が示されています。 us-west-2
。この変換をデータ フローに追加して、ダウンストリーム分析を行うことができます。
データを分析する
最後に、データを分析して、時刻と重要な所見の数の間に相関関係があるかどうかを判断します。時間帯ごとに重要な結果を要約するリクエストをチャットに入力すると、SageMaker Canvas が調査と分析に役立つ洞察を返します。
調査結果を視覚化する
次に、リーダーシップ レポートに含めるために、時間の経過に伴う重大度ごとに調査結果を視覚化します。 SageMaker Canvas に、時刻と比較した重大度の棒グラフを生成するように依頼できます。 SageMaker Canvas は数秒で、重大度別にグループ化されたグラフを作成しました。このビジュアライゼーションをデータ フローの分析に追加し、レポート用にダウンロードできます。データは、調査結果が 1 つの地域から発生し、特定の時間に発生したことを示しています。これにより、根本原因と是正措置を特定するために、セキュリティ調査結果の調査をどこに重点的に行うべきかについて確信が得られます。
クリーンアップ
意図しない料金が発生しないようにするには、次の手順を実行してリソースをクリーンアップします。
- ソースとして使用した S3 バケットを空にします。
- SageMaker Canvas からログアウトします。
まとめ
この投稿では、SageMaker Canvas をデータ準備のためのエンドツーエンドのノーコードワークスペースとして使用し、Amazon Bedrock 基盤モデルを構築および使用して、データからビジネスの洞察を収集する時間を短縮する方法を説明しました。
このアプローチはセキュリティに関する調査結果に限定されないことに注意してください。これは、中核でデータ準備を使用するあらゆる生成 AI ユースケースに適用できます。
未来は、生成 AI と大規模な言語モデルの力を効果的に活用できるビジネスに属します。しかし、そのためには、まずしっかりとしたデータ戦略を策定し、データ準備の技術を理解する必要があります。生成 AI を使用してデータをインテリジェントに構造化し、顧客から逆算して作業することで、ビジネス上の問題をより迅速に解決できます。データ準備用の SageMaker Canvas チャットを使用すると、アナリストは簡単に作業を開始し、AI から即座に価値を獲得できます。
著者について
スディーシュ・サシダラン AWS のエネルギー チームのシニア ソリューション アーキテクトです。 Sudeesh は、新しいテクノロジーを実験し、複雑なビジネス課題を解決する革新的なソリューションを構築することが大好きです。彼がソリューションを設計したり、最新テクノロジーをいじったりしていないときは、テニスコートでバックハンドに取り組んでいるのを見つけることができます。
ジョン・クラシンスキー は、AWS 独立系ソフトウェアベンダー (ISV) チームのプリンシパルカスタマーソリューションマネージャーです。この役割では、ISV の顧客が AWS のテクノロジーとサービスを導入し、より迅速にビジネス目標を達成できるようプログラム的に支援します。 AWS に入社する前は、大手消費者向けパッケージ製品企業のデータ製品チームを率い、データの洞察を活用して業務と意思決定を改善するのを支援しました。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/analyze-security-findings-faster-with-no-code-data-preparation-using-generative-ai-and-amazon-sagemaker-canvas/
- :持っている
- :は
- :not
- :どこ
- $UP
- 100
- 125
- 300
- 50
- a
- 加速する
- アクセス
- 越えて
- 行動
- 加えます
- 採用
- 集計
- AI
- ことができます
- また
- Amazon
- アマゾンセージメーカー
- Amazon SageMaker キャンバス
- Amazon Webサービス
- 量
- an
- 分析
- 分析
- アナリスト
- 分析します
- および
- どれか
- 申し込む
- アプローチ
- 適切に
- です
- 宝品
- AS
- 頼む
- At
- 賃貸条件の詳細・契約費用のお見積り等について
- 避ける
- AWS
- バー
- ベース
- BE
- 所属
- 恩恵
- より良いです
- の間に
- 後押し
- ボックス
- ビルド
- 建物
- 内蔵
- ビジネス
- ビジネス
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- 呼ばれます
- 缶
- キャンバス
- 機能
- 機能
- キャプチャー
- キャプチャ
- 注意深い
- 場合
- 原因
- 課題
- 課金
- チャート
- チャット
- 選択する
- コード
- コラム
- コラム
- 企業
- 比べ
- コンプリート
- 複雑な
- 包括的な
- 信頼
- 領事
- consumer
- 基本
- 相関
- 裁判所
- 作ります
- 作成した
- 重大な
- 顧客
- Customers
- サイバー
- サイバーセキュリティ
- データ
- データの準備
- データ戦略
- 中
- 決定
- 意思決定
- 実証します
- 説明する
- 設計
- 決定する
- 開発する
- 発見する
- ディスプレイ
- ディスプレイ
- do
- ドメイン
- ダウンロード
- 効果的に
- 楽な
- 楽
- 可能
- 端から端まで
- エネルギー
- 強化
- 入力します
- エーテル(ETH)
- 体験
- エクスペリエンス
- 実験中
- 探る
- エキス
- 抽出
- 速いです
- 特徴
- filter
- フィルタリング
- もう完成させ、ワークスペースに掲示しましたか?
- 調査結果
- 名
- フロー
- フォーカス
- フォロー中
- Foundation
- から
- 未来
- 利得
- 集める
- 生成する
- 生成
- 生々しい
- 生成AI
- 取得する
- 与える
- 目標
- 商品
- ガイド付きの
- 起こる
- ハッピー
- ハーネス
- he
- 助け
- ことができます
- ハイ
- 彼に
- 彼の
- 認定条件
- How To
- しかしながら
- HTTP
- HTTPS
- 識別
- if
- 即時の
- 改善します
- in
- include
- 増える
- 独立しました
- 業界をリードする
- 革新的な
- 洞察
- 説明書
- 統合
- インタフェース
- に
- 調査
- 関与
- isv
- IT
- ITS
- John Redfern
- 参加
- JPG
- キー
- 知識
- 湖
- 言語
- 大
- 最新の
- リーダーシップ
- 主要な
- 学習
- ツェッペリン
- 導かれたデータ
- 活用します
- 限定的
- リスト
- で
- 機械
- 機械学習
- 作成
- マネージャー
- ML
- モデル
- 他には?
- しなければなりません
- ナチュラル
- 自然言語
- 必要
- ニーズ
- 新作
- 新技術
- 今
- 数
- of
- オファー
- on
- ONE
- 業務執行統括
- オプション
- or
- 組織
- 私たちの
- でる
- が
- パッケージ
- ペイン
- パターン
- パフォーマンス
- カスタマイズ
- パイプライン
- 場所
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- ポスト
- 潜在的な
- 電力
- パワード
- 予測
- 準備
- 準備
- 準備
- プレビュー
- 校長
- 事前の
- 問題
- 問題
- プロダクト
- 生産性
- プロンプト
- は、大阪で
- 提供
- すぐに
- リーチ
- 参照する
- 地域
- 地域
- 除去する
- レポート
- 要求
- 必要
- リソース
- 結果
- 収益
- 革命
- リスク
- リスク
- 職種
- ルート
- セージメーカー
- スケーラビリティ
- 規模
- 秒
- しっかりと
- セキュリティ
- セキュリティリスク
- シニア
- サービス
- セッションに
- 設定
- 重症度
- 示されました
- 作品
- 簡単な拡張で
- 技能
- So
- ソフトウェア
- 固体
- 溶液
- ソリューション
- 解決する
- 解決
- ソース
- ソース
- 専門の
- 特定の
- start
- 開始
- 起動
- ステップ
- ストレージ利用料
- 店舗
- 戦略
- 構造
- まとめる
- サポート
- 取る
- チーム
- チーム
- テクノロジー
- テクノロジー
- テニス
- 클라우드 기반 AI/ML및 고성능 컴퓨팅을 통한 디지털 트윈의 기초 – Edward Hsu, Rescale CPO 많은 엔지니어링 중심 기업에게 클라우드는 R&D디지털 전환의 첫 단계일 뿐입니다. 클라우드 자원을 활용해 엔지니어링 팀의 제약을 해결하는 단계를 넘어, 시뮬레이션 운영을 통합하고 최적화하며, 궁극적으로는 모델 기반의 협업과 의사 결정을 지원하여 신제품을 결정할 때 데이터 기반 엔지니어링을 적용하고자 합니다. Rescale은 이러한 혁신을 돕기 위해 컴퓨팅 추천 엔진, 통합 데이터 패브릭, 메타데이터 관리 등을 개발하고 있습니다. 이번 자리를 빌려 비즈니스 경쟁력 제고를 위한 디지털 트윈 및 디지털 스레드 전략 개발 방법에 대한 인사이트를 나누고자 합니다.
- それ
- ソース
- アプリ環境に合わせて
- それら
- その後
- そこ。
- この
- 三
- 時間
- <font style="vertical-align: inherit;">回数</font>
- 〜へ
- 最適化の適用
- 変換
- 変換
- 変換
- トランスフォーム
- 2
- わかる
- 理解する
- アンロック
- アップデイト
- us
- つかいます
- 使用事例
- 中古
- 便利
- 使用されます
- 値
- ベンダー
- ビジュアル
- 可視化
- 視覚化する
- 欲しいです
- we
- ウェブ
- Webサービス
- いつ
- which
- while
- 意志
- 以内
- 無し
- 仕事
- ワーキング
- 貴社
- あなたの
- ゼファーネット