生成型 AI ソリューション 生産性の向上と顧客エクスペリエンスの向上によってビジネスを変革する可能性があり、これらのソリューションで大規模言語モデル (LLM) を使用することがますます一般的になってきています。最先端の技術であるため、概念実証の構築は比較的簡単です。 基礎モデル は、単純な API 呼び出しを通じて専門プロバイダーから入手できます。したがって、さまざまな業界のさまざまな規模の組織が、生成 AI を使用して製品とプロセスを再考し始めています。
最先端の LLM は一般知識が豊富であるにもかかわらず、トレーニングを受けた情報にしかアクセスできません。これにより、LLM がトレーニング中に見なかった情報に基づいてテキストを生成するように求められた場合、事実の不正確さ (幻覚) が生じる可能性があります。したがって、幻覚のリスクを軽減しながら、モデルがより正確で状況に応じた応答を生成できるように、LLM の一般的な知識と独自のデータの間のギャップを埋めることが重要です。従来の微調整方法は効果的ではありますが、計算量が多く費用がかかり、技術的な専門知識が必要となる場合があります。考慮すべきもう 1 つのオプションは、 検索拡張生成 (RAG)、これは、簡単に更新できる外部知識ソースからの追加情報を LLM に提供します。
さらに、企業は、個人データや知的財産などの機密データを扱う場合、データのセキュリティを確保する必要があります。これは、金融サービス、ヘルスケア、ライフ サイエンスなど、規制の厳しい業界で活動する組織にとって特に重要です。したがって、生成 AI アプリケーションを介したデータ フローを理解し、制御することが重要です。モデルはどこにあるのか?データはどこで処理されますか?誰がデータにアクセスできるのでしょうか?データはモデルのトレーニングに使用され、最終的には機密データが公開 LLM に漏洩する危険にさらされるのでしょうか?
この投稿では、企業が独自のデータを完全に制御しながら、正確かつ透過的かつ安全な生成 AI アプリケーションを構築する方法について説明します。提案されたソリューションは、AI ネイティブのテクノロジー スタックを使用した RAG パイプラインであり、そのコンポーネントは後付けで AI 機能を追加するのではなく、AI を中核としてゼロから設計されています。を使用してエンドツーエンドの RAG アプリケーションを構築する方法を示します。 Cohereの言語モデル アマゾンの岩盤 フォルダーとその下に AWS Marketplace の Weaviate ベクター データベース。付属のソース コードは、次の場所にあります。 関連する GitHub リポジトリ Weaviateが主催。 AWS はパートナーのリポジトリ内のコードの保守や更新には責任を負いませんが、必要な更新に関してはお客様が Weaviate に直接問い合わせることをお勧めします。
ソリューションの概要
次のハイレベル アーキテクチャ図は、正確、透過的、安全な生成 AI ソリューションを構築するための AI ネイティブ テクノロジ スタックを備えた、提案されている RAG パイプラインを示しています。
RAG ワークフローの準備ステップとして、外部知識ソースとして機能するベクター データベースに、独自のデータから追加のコンテキストが取り込まれます。実際の RAG ワークフローは、図に示す 4 つのステップに従います。
- ユーザーはクエリを入力します。
- ユーザー クエリは、ベクター データベースから関連する追加のコンテキストを取得するために使用されます。これは、埋め込みモデルを使用してユーザー クエリのベクトル埋め込みを生成し、ベクトル検索を実行してデータベースから最も関連性の高いコンテキストを取得することによって行われます。
- 取得されたコンテキストとユーザー クエリは、プロンプト テンプレートを拡張するために使用されます。検索拡張プロンプトは、LLM がより適切で正確な補完を生成し、幻覚を最小限に抑えるのに役立ちます。
- ユーザーは、クエリに基づいてより正確な応答を受け取ります。
アーキテクチャ図に示されている AI ネイティブ テクノロジ スタックには、Cohere 言語モデルと Weaviate ベクトル データベースという 2 つの主要なコンポーネントがあります。
Amazon Bedrock の Cohere 言語モデル
コヒアプラットフォーム シンプルな API 呼び出しを通じて、最先端のパフォーマンスを備えた言語モデルを企業や開発者に提供します。 Cohereプラットフォームが提供する言語処理機能には、生成機能と埋め込み機能という2つの主要なタイプがあり、それぞれ異なるタイプのモデルによって提供されます。
- テキスト生成 Command – 開発者は、生成 AI 機能を強化するエンドポイントにアクセスし、会話、質問応答、コピーライティング、要約、情報抽出などのアプリケーションを実現できます。
- テキスト表現 埋め込む – 開発者は、テキストの意味論的な意味を取得するエンドポイントにアクセスして、ベクトル検索エンジン、テキストの分類とクラスタリングなどのアプリケーションを有効にすることができます。 Cohere Embedには、英語モデルと多言語モデルの2つの形式があり、どちらも Amazon Bedrock で入手可能になりました.
Cohere プラットフォームは、企業が Amazon Bedrock のデプロイメントを通じて生成 AI ソリューションをプライベートかつ安全にカスタマイズできるようにします。 Amazon Bedrock は、開発チームが生成 AI アプリケーションを迅速に構築および拡張できるようにするフルマネージドのクラウド サービスです。 データとアプリケーションの安全性とプライバシーを維持しながら。お客様のデータはサービスの改善には使用されず、サードパーティのモデルプロバイダーと共有されることはなく、 地域 API 呼び出しが処理される場所。データは転送中も保存中も常に暗号化され、独自のキーを使用してデータを暗号化できます。 Amazon Bedrock は、米国医療保険相互運用性および説明責任法 (HIPAA) の資格や一般データ保護規則 (GDPR) への準拠などのセキュリティ要件をサポートしています。さらに、使い慣れた AWS ツールを使用して、生成 AI アプリケーションを安全に統合し、簡単にデプロイできます。
AWS Marketplace の Weaviate ベクター データベース
弱める あります AIネイティブ ベクトルデータベース これにより、開発チームは安全で透過的な生成 AI アプリケーションを簡単に構築できるようになります。 Weaviate は、ベクター データとソース オブジェクトの両方を保存および検索するために使用されます。これにより、別個のデータベースをホストおよび統合する必要がなくなり、開発が簡素化されます。 Weaviate は 1 秒未満のセマンティック検索パフォーマンスを実現し、数十億のベクターと数百万のテナントを処理できるように拡張できます。独自の拡張可能なアーキテクチャを備えた Weaviate は、Amazon Bedrock にデプロイされた Cohere 基盤モデルとネイティブに統合し、データの便利なベクトル化を促進し、データベース内からその生成機能を使用します。
Weaviate AI ネイティブ ベクター データベースにより、顧客はクラウド持ち込み (BYOC) ソリューションまたはマネージド サービスとして導入できる柔軟性が得られます。このショーケースでは、 AWS Marketplace での Weaviate Kubernetes クラスター、Weaviate の BYOC サービスの一部であり、これにより、AWS テナントおよび VPC 内でコンテナベースのスケーラブルなデプロイメントを、 AWS CloudFormation テンプレート。このアプローチにより、ベクター データベースが基礎モデルや独自データに近い特定のリージョンにデプロイされるようになり、GDPR などの潜在的な規制要件に対処しながら、遅延を最小限に抑え、データの局所性をサポートし、機密データを保護できます。
ユースケースの概要
次のセクションでは、ソリューションの概要で示したように、Cohere、AWS、Weaviate を使用した AI ネイティブ テクノロジー スタックを使用して RAG ソリューションを構築する方法を示します。
この使用例では、ターゲット ユーザーに基づいて休暇滞在リストのターゲットを絞った広告を生成します。目標は、ターゲット ユーザー (「小さなお子様がいる家族」など) に対するユーザー クエリを使用して、最も関連性の高い休暇滞在リスト (たとえば、遊び場が近くにあるリスト) を取得し、その目的に合わせた広告を生成することです。対象ユーザーに合わせたリストを取得します。
データセットは以下から入手できます Airbnbの内部 に基づいてライセンスされています Creative Commons Attribution4.0国際ライセンス。付属のコードは次の場所にあります。 GitHubリポジトリ.
前提条件
次のチュートリアルに従って AWS のサービスを使用するには、 AWSアカウント.
AI ネイティブ テクノロジー スタックのコンポーネントを有効にする
まず、ソリューションの概要で説明した関連コンポーネントを AWS アカウントで有効にする必要があります。次の手順を実行します。
- 左側で Amazon Bedrock コンソール、選択する モデルアクセス ナビゲーションペインに表示されます。
- 選択する モデルへのアクセスを管理する 右上にあります。
- 選択した基盤モデルを選択し、アクセスをリクエストします。
次に、Weaviate クラスターをセットアップします。
- 購読する AWS Marketplace での Weaviate Kubernetes クラスター.
- を使用してソフトウェアを起動します ご希望のアベイラビリティーゾーンに応じた CloudFormation テンプレート.
CloudFormation テンプレートにはデフォルト値が事前に設定されています。
- スタック名、スタック名を入力します。
- ヘルマ認証タイプの設定で認証を有効にすることをお勧めします。
helmauthenticationtype
〜へapikey
そして、 ヘルマ認証アピキー. - ヘルマ認証アピキー、Weaviate API キーを入力します。
- ヘルムチャートバージョン、バージョン番号を入力します。少なくとも v.16.8.0 である必要があります。を参照してください。 GitHubレポ 最新バージョン用。
- ヘルメン対応モジュール、 確認してください
tex2vec-aws
およびgenerative-aws
Weaviate 内の有効なモジュールのリストに存在します。
このテンプレートが完了するまでに約 30 分かかります。
Weaviateに接続する
Weaviate に接続するには、次の手順を実行します。
- Amazon SageMakerコンソール、 案内する ノートブックインスタンス ナビゲーションペインで ノート > ノートブックインスタンス 左に。
- 新しいノートブック インスタンスを作成します。
- 必要な依存関係を含む Weaviate クライアント パッケージをインストールします。
- 次のコードを使用して Weaviate インスタンスに接続します。
- URLを回避する – ロードバランサー URL 経由で Weaviate にアクセスします。の中に アマゾン エラスティック コンピューティング クラウド (Amazon EC2)コンソール、選択 ロードバランサー ナビゲーション ペインでロード バランサーを見つけます。 DNS 名の列を探して追加します。
http://
その前に。 - API キーを回避する – これは、CloudFormation テンプレートで前に設定したキーです (
helmauthenticationapikey
). - AWSアクセスキーとシークレットアクセスキー – ユーザーのアクセス キーとシークレット アクセス キーは、 AWS IDおよびアクセス管理 (IAM) コンソール。
Amazon Bedrock モジュールを設定して Cohere モデルを有効にする
次に、データ コレクション (class
)と呼ばれる Listings
リストのデータ オブジェクトを保存します。これは、リレーショナル データベースにテーブルを作成するのと似ています。このステップでは、Amazon Bedrock でホストされている Cohere 言語モデルを Weaviate ベクター データベース内からネイティブに使用できるように関連モジュールを設定します。ベクタライザー (「text2vec-aws
“)と生成モジュール(“generative-aws
") がデータ収集定義で指定されている。これらのモジュールはどちらも 3 つのパラメータを取ります。
- "サービス" - 使用 "
bedrock
Amazon Bedrock の場合は「」 (または、「」を使用します)sagemaker
" ために Amazon SageMaker ジャンプスタート) - "領域" – モデルがデプロイされているリージョンを入力します
- 「モデル」 – 基礎モデルの名前を入力します
次のコードを参照してください。
Weaviate ベクター データベースにデータを取り込む
このステップでは、データ コレクションのプロパティを構成して、データ コレクションの構造を定義します。プロパティの名前とデータ型とは別に、データ オブジェクトのみを保存するか、ベクトル埋め込みと一緒に保存するかを構成することもできます。この例では、 host_name
および property_type
ベクトル化されていません:
次のコードを実行して、Weaviate インスタンスにコレクションを作成します。
Weaviate にオブジェクトを追加できるようになりました。最大限の効率を得るには、バッチ インポート プロセスを使用します。次のコードを実行してデータをインポートします。インポート中に、Weaviate は定義されたベクタライザーを使用して、各オブジェクトのベクトル埋め込みを作成します。次のコードは、オブジェクトを読み込み、バッチ プロセスを初期化し、オブジェクトをターゲット コレクションに 1 つずつ追加します。
検索拡張生成
Weaviate インスタンスに生成検索クエリを実装することで、RAG パイプラインを構築できます。このためには、まずユーザー クエリを受け取ることができる f 文字列の形式でプロンプト テンプレートを定義します ({target_audience}
) 直接および追加のコンテキスト ({{host_name}}
, {{property_type}}
, {{description}}
, {{neighborhood_overview}}
) 実行時にベクトル データベースから取得します。
次に、生成検索クエリを実行します。これにより、定義された生成モデルに対して、ユーザー クエリと取得されたデータで構成されるプロンプトが表示されます。次のクエリは 1 つのリスト オブジェクト (.with_limit(1)
)から Listings
ユーザークエリに最も類似したコレクション (.with_near_text({"concepts": target_audience})
)。次に、ユーザークエリ (target_audience
) と取得されたリストのプロパティ (["description", "neighborhood", "host_name", "property_type"]
) はプロンプト テンプレートに入力されます。次のコードを参照してください。
次の例では、前のコード部分が target_audience = “Family with small children”
ホスト Marre からリストを取得します。プロンプト テンプレートには、Marre のリストの詳細と対象ユーザーが追加されています。
取得拡張プロンプトに基づいて、Cohere のコマンド モデルは次のターゲットを絞ったアドバタイズメントを生成します。
別のカスタマイズ
提案されたソリューションのさまざまなコンポーネントに対して、次のような代替カスタマイズを行うことができます。
- Cohere の言語モデルは、以下からも入手できます。 Amazon SageMaker ジャンプスタート、最先端の基盤モデルへのアクセスを提供し、開発者が LLM を展開できるようにします。 アマゾンセージメーカーは、あらゆるユースケースで高性能かつ低コストの機械学習を可能にする幅広いツールセットをまとめたフルマネージド サービスです。 Weaviate は SageMaker とも統合されています。
- このソリューションへの強力な追加機能は、 Cohere再ランクエンドポイント、SageMaker JumpStart から入手できます。再ランク付けにより、語彙検索または意味検索からの検索結果の関連性が向上します。再ランク付けは、検索システムによって取得されたドキュメントの意味的関連性スコアを計算し、これらのスコアに基づいてドキュメントをランク付けすることによって機能します。 Rerank をアプリケーションに追加するには、コードを 1 行変更するだけで済みます。
- さまざまな運用環境のさまざまな導入要件に応えるために、Weaviate はさまざまな追加の方法で導入できます。たとえば、次から直接ダウンロードできます。 Weaviateのウェブサイトで実行されます Amazon Elastic Kubernetesサービス (Amazon EKS) またはローカル経由 デッカー or Kubernetes。 それはまたとして利用可能です マネージドサービス VPC 内で、または 14 日間の無料トライアルで AWS でホストされるパブリック クラウド サービスとして安全に実行できます。
- 次を使用して、VPC でソリューションを提供できます。 アマゾン バーチャル プライベート クラウド (Amazon VPC) これにより、組織は、従来のネットワークに似ていますが、AWS のスケーラブルなインフラストラクチャの利点を備えた、論理的に分離された仮想ネットワークで AWS サービスを起動できます。データの機密レベルに応じて、組織はこれらの VPC でのインターネット アクセスを無効にすることもできます。
クリーンアップ
予期せぬ料金が発生しないように、この投稿の一部としてデプロイしたリソースをすべて削除してください。 CloudFormation スタックを起動した場合は、AWS CloudFormation コンソールから削除できます。次のような AWS リソースが存在する可能性があることに注意してください。 Amazon Elastic Blockストア (Amazon EBS) ボリュームと AWSキー管理サービス (AWS KMS) キー。CloudFormation スタックが削除されても自動的に削除されない場合があります。
まとめ
この投稿では、企業が自社のデータを完全に制御しながら、正確かつ透過的で安全な生成 AI アプリケーションを構築する方法について説明しました。提案されたソリューションは、Amazon Bedrock の Cohere 基盤モデルと AWS Marketplace の Weaviate ベクター データベースを組み合わせた AI ネイティブのテクノロジー スタックを使用する RAG パイプラインです。 RAG アプローチにより、企業は幻覚を最小限に抑えながら、LLM の一般知識と独自データの間のギャップを埋めることができます。 AI ネイティブのテクノロジー スタックにより、迅速な開発とスケーラブルなパフォーマンスが可能になります。
この投稿で概説されている手順を使用して、エンタープライズ対応の生成 AI アプリケーションの RAG 概念実証の実験を開始できます。付属のソース コードは、次の場所にあります。 関連する GitHub リポジトリ。読んでくれてありがとう。コメントセクションにコメントやフィードバックをお気軽にお寄せください。
著者について
ジェームス・イー アマゾン ウェブ サービスのテクノロジー パートナー COE 技術チームのシニア AI/ML パートナー ソリューション アーキテクトです。彼は、企業の顧客やパートナーと協力して AI/ML アプリケーションを設計、導入、拡張してビジネス価値を引き出すことに情熱を注いでいます。仕事以外では、サッカーをしたり、旅行したり、家族と時間を過ごすことを楽しんでいます。
レオニー・モニガッティ Weaviate の開発者擁護者です。彼女の重点分野は AI/ML であり、開発者が生成 AI について学ぶのを支援しています。仕事以外でも、データ サイエンスと ML で学んだことをブログや Kaggle で共有しています。
メオール・アメール は、最先端の自然言語処理 (NLP) テクノロジーのプロバイダーである Cohere の開発者擁護者です。彼は、開発者が Cohere の大規模言語モデル (LLM) を使用して最先端のアプリケーションを構築できるよう支援しています。
毛俊 アマゾン ウェブ サービスの新興テクノロジー チームのシニア AI/ML パートナー ソリューション アーキテクトです。 彼は、企業顧客やパートナーと協力して AI/ML アプリケーションを設計、導入、拡張してビジネス価値を引き出すことに情熱を注いでいます。 仕事以外では、釣り、旅行、卓球を楽しんでいます。
- 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/build-enterprise-ready-generative-ai-solutions-with-cohere-foundation-models-in-amazon-bedrock-and-weaviate-vector-database-on-aws-marketplace/
- :持っている
- :は
- :not
- :どこ
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 16
- 17
- 19
- 23
- 30
- 32
- 33
- 7
- 8
- 9
- a
- 私たちについて
- アクセス
- アクセス管理
- 従った
- 説明責任
- 正確な
- 越えて
- 行為
- 実際の
- 加えます
- 追加されました
- 追加
- 添加
- NEW
- 追加情報
- さらに
- アドレッシング
- 追加
- 大人
- 広告
- 支持者
- AI
- AI / ML
- のAirbnb
- すべて
- ことができます
- 沿って
- 既に
- また
- 代替案
- しかし
- 常に
- Amazon
- Amazon EC2
- アマゾンセージメーカー
- Amazon Webサービス
- アムステルダム
- an
- および
- 別の
- 応答
- どれか
- API
- 申し込み
- アプローチ
- 建築
- です
- AREA
- エリア
- AS
- さておき
- At
- 観光スポット
- 聴衆
- 増強
- 増強された
- 認証
- 自動的に
- 賃貸条件の詳細・契約費用のお見積り等について
- 利用できます
- 離れて
- AWS
- AWS CloudFormation
- AWS Identity and Access Management(IAM)
- AWS Marketplace
- スイング
- バー
- ベース
- BE
- なぜなら
- になる
- 始め
- 利点
- BEST
- の間に
- 億
- ブロック
- ブログ
- 後押し
- 両言語で
- BRIDGE
- もたらす
- 広い
- ビルド
- 建物
- 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
- カフェ
- コール
- 呼ばれます
- 缶
- 機能
- キャプチャー
- 場合
- 応じます
- 中央の
- センター
- 変化する
- 課金
- 子供達
- 選択
- 選択する
- 市町村
- class
- 分類
- 分類された
- クライアント
- 閉じる
- クラウド
- クラスタ
- クラスタリング
- コード
- コレクション
- コラム
- 組み合わせ
- 来ます
- 来ます
- 注釈
- コモンズ
- コンプリート
- 完成
- コンプライアンス
- コンポーネント
- 構成
- 計算
- コンピューティング
- コンセプト
- コンセプト
- 構成する
- お問合せ
- 検討
- 領事
- コンテキスト
- 文脈上の
- コントロール
- 便利
- 便利に
- 会話
- 広告文案作成
- 基本
- 作ります
- 作成
- 重大な
- 顧客
- Customers
- カスタマイズ
- 最先端
- データ
- データ保護
- データサイエンス
- データセキュリティ
- データベース
- データベースを追加しました
- デフォルト
- 定義します
- 定義済みの
- 定義
- 定義
- 提供します
- 実証します
- 依存関係
- によっては
- 展開します
- 展開
- 展開
- 派生する
- 説明
- 設計
- 設計
- 希望
- 細部
- Developer
- 開発者
- 開発
- 開発チーム
- 異なります
- ダイニング
- 直接
- 直接に
- 議論する
- DNS
- ドキュメント
- 行われ
- ダウンロード
- 間に
- 各
- 前
- 簡単に
- EBS
- 効果的な
- 効率
- 高い
- 適格性
- 排除
- 埋め込みます
- 埋め込み
- 新興の
- 新技術
- 力を与える
- enable
- 使用可能
- 可能
- 有効にする
- 奨励する
- では使用できません
- 端から端まで
- エンドポイント
- エンジン
- 英語
- 確保
- 確実に
- 入力します
- Enterprise
- 企業顧客
- 企業
- 入ります
- 全体
- 環境
- エーテル(ETH)
- 最終的に
- 例
- 高価な
- 体験
- エクスペリエンス
- 専門知識
- 外部
- 抽出
- 容易にする
- 事実上
- おなじみの
- 家族
- スピーディー
- 特徴
- 特色
- FRBは
- フィードバック
- 感じます
- 少数の
- File
- ファイナンシャル
- 金融業務
- もう完成させ、ワークスペースに掲示しましたか?
- 名
- 釣り
- 柔軟性
- 床
- フロー
- フォーカス
- フォロー中
- 次
- フォーム
- フォーム
- Foundation
- 4
- 無料版
- 無料試用
- から
- フロント
- フル
- 完全に
- さらに
- ギャップ
- GDPR
- 一般的なデータ
- 一般的なデータ保護規則
- 生成する
- 生成
- 生成
- 世代
- 生々しい
- 生成AI
- 生成モデル
- GitHubの
- 与える
- 目標
- 陸上
- グループ
- 半分
- ハンドル
- ハンドリング
- 持ってる
- 持って
- he
- 見出し
- 健康
- 健康保険
- ヘルスケア
- ハート
- 重く
- 助けます
- 助け
- ことができます
- 彼女の
- ハイレベル
- ハイパフォーマンス
- 彼の
- ホーム
- host
- 主催
- 認定条件
- How To
- HTTP
- HTTPS
- IAM
- アイデンティティ
- アイデンティティとアクセス管理
- IDとアクセス管理(IAM)
- if
- 説明する
- 実装
- import
- 重要
- 改善します
- 改善
- 改善
- in
- 含めて
- ますます
- 産業
- 情報
- 情報抽出
- インフラ
- 内部
- install
- 保険
- 統合する
- 統合された
- 統合する
- 知的
- 知的財産
- 世界全体
- インターネット
- インターネット・アクセス
- に
- 分離された
- IT
- ITS
- JPG
- ただ
- キープ
- 保管
- キー
- キー
- 子供たち
- 知識
- Kubernetes
- 言語
- 大
- レイテンシ
- 最新の
- 起動する
- 打ち上げ
- つながる
- リード
- 漏れ
- LEARN
- 学習
- 最低
- 左
- レベル
- ライセンス供与
- 生活
- 生命科学
- LINE
- リスト
- リスト
- <font style="vertical-align: inherit;"><font style="vertical-align: inherit;">アップロード履歴
- 生活
- 負荷
- 負荷
- ローカル
- 局部的に
- 位置して
- 場所
- 見て
- 探して
- 低コストの
- 機械
- 機械学習
- 保守
- make
- 作る
- 管理します
- マネージド
- 管理
- 市場
- マスター
- 五月..
- 意味
- 手段
- 思い出
- 方法
- 何百万
- 最小限に抑えます
- 最小化
- 分
- ML
- モデル
- モジュール
- モジュール
- 他には?
- 最も
- しなければなりません
- 名
- ネイティブに
- ナチュラル
- 自然言語
- 自然言語処理
- ナビゲート
- ナビゲーション
- 必要
- ネットワーク
- 決して
- 新作
- NLP
- いいえ
- 注意
- ノート
- 今
- 数
- オブジェクト
- オブジェクト
- of
- 提供
- 提供すること
- on
- ONE
- の
- オペレーティング
- オプション
- or
- 組織
- その他
- 私たちの
- 概説
- 外側
- が
- 概要
- 自分の
- パッケージ
- 支払われた
- パンダ
- ペイン
- パラメータ
- パーキング
- 部
- 特に
- パートナー
- パートナー
- 情熱的な
- 完璧
- 実行する
- パフォーマンス
- 個人的な
- 個人データ
- ピース
- パイプライン
- 場所
- プラットフォーム
- 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
- 再生
- 人気
- 移植性
- ポスト
- 潜在的な
- 電力
- 強力な
- 先行
- 優先
- 準備
- 現在
- 防ぐ
- プライベート
- プロセス
- 処理されました
- ラボレーション
- 処理
- 生産
- 生産性
- 製品
- プロンプト
- 証拠
- プロパティ
- 財産
- 提案された
- 所有権
- 守る
- 保護
- 提供します
- プロバイダー
- プロバイダ
- は、大阪で
- 公共
- パブリッククラウド
- 質問
- すぐに
- ぼろ
- ランキング
- むしろ
- RE
- 読む
- リーディング
- 受け取り
- 推奨される
- 縮小
- 参照する
- に対する
- 地域
- 規制
- 規制産業
- 規制
- レギュレータ
- 相対的に
- 関連性
- 関連した
- 残っている
- 倉庫
- 要求
- の提出が必要です
- 要件
- 必要
- 似ている
- リソース
- 応答
- 回答
- 責任
- REST
- レストラン
- 結果
- 結果
- 右
- リスク
- 危険
- ルーム
- 行
- ラン
- 実行
- s
- セージメーカー
- ド電源のデ
- 規模
- 科学
- 科学
- スコア
- を検索
- 検索エンジン
- 秘密
- セクション
- セクション
- 安全に
- しっかりと
- セキュリティ
- セマンティック
- シニア
- 敏感な
- 感度
- 別
- 役立つ
- サービスを提供
- 仕える
- サービス
- サービス
- セッションに
- 設定
- shared
- 株式
- 彼女
- ショート
- ショーケース
- 同様の
- 簡単な拡張で
- 簡素化する
- サイズ
- 小さい
- サッカー
- ソフトウェア
- 溶液
- ソリューション
- 一部
- ソース
- ソースコード
- スペース
- 専門の
- 特定の
- 指定の
- 支出
- スタック
- start
- 最先端の
- 滞在
- 手順
- ステップ
- まだ
- 店舗
- 保存され
- 簡単な
- 構造
- そのような
- 適当
- サポート
- サポート
- 確か
- テーブル
- テーラード
- 取る
- 取り
- ターゲット
- 対象となります
- チーム
- チーム
- テク
- 技術的
- テクノロジー
- テクノロジー
- template
- テナント
- 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.
- テキスト分類
- より
- 感謝
- それ
- 情報
- アプリ環境に合わせて
- その後
- そこ。
- したがって、
- ボーマン
- 彼ら
- サードパーティ
- この
- 三
- 介して
- 時間
- 〜へ
- 一緒に
- 豊富なツール群
- top
- 伝統的な
- トレーニング
- 訓練された
- トレーニング
- 最適化の適用
- トランジット
- トランスペアレント
- 旅行
- トライアル
- チュートリアル
- 2
- type
- 私達
- 下
- わかる
- 予期しない
- 忘れられない
- 独特に
- 更新しました
- 更新版
- 更新
- 二階
- URL
- 使用法
- つかいます
- 使用事例
- 中古
- ユーザー
- 使用されます
- 休暇
- 値
- 価値観
- さまざまな
- Ve
- バージョン
- 、
- バーチャル
- ボリューム
- 歩く
- 仕方..
- 方法
- we
- 富
- ウェブ
- Webサービス
- 歓迎
- WELL
- した
- いつ
- which
- while
- 誰
- その
- 意志
- 以内
- 仕事
- ワークフロー
- ワーキング
- 作品
- 書きます
- 貴社
- あなたの
- ゼファーネット