TOPIC TIMELINE
タイムライン検索
特定トピックに関する記事を時系列で並べて「いつ・何が起きたか」を俯瞰します。
2026年5月29日
REST APIプロキシを使用したAmazon SageMaker MLflowへの外部アクセスの合理化この投稿では、MLflow SDKを必要とせずにAmazon SageMaker MLflowへのHTTPSアクセスを提供するセキュアなフラスクベースのMLflowプロキシサービスの構築方法を実証する。このソリューションは組織向けのものである。
AWS Machine Learning Blog
2026年5月29日
Amazon SageMaker AI MLflowアプリを組み込んだカスタムポータルの構築この投稿では、SageMaker AI MLflow Apps UIを組み込んだカスタムポータルの構築方法を紹介する。Reactフロントエンドとフラスク逆プロキシを組み合わせたアーキテクチャパターンについて解説する。
AWS Machine Learning Blog
2026年5月29日
Amazon SageMakerでアゼルバイジャン言語モデルの構築アゼルバイジャンの大手通信事業者であるアゼルセル・テレコムLLCは、通信ユースケースとカスタマー向けアプリケーション用にAmazon SageMaker AIでアゼルバイジャン大規模言語モデル（LLM）を構築したいと考えている。
AWS Machine Learning Blog
2026年5月30日
Amazon SageMaker AI LLM推論の包括的なオブザーバビリティ：GPU利用率からLLM品質まで本投稿は、Amazon Managed Grafanaダッシュボードを使用した包括的なオブザーバビリティソリューションを実演し、Amazon SageMaker AIで提供されるLLMの品質と数量の両側面をホリスティックに把握できる。
AWS Machine Learning Blog
2026年6月4日
Amazon SageMaker AIでSFTとDPOを使用してエージェントのツール呼び出し精度を向上させるこの投稿では、Supervised Fine-Tuning (SFT) と Direct Preference Optimization (DPO) を組み合わせて、小規模言語モデル (SLM) のツール呼び出し精度を向上させる方法について説明します。
AWS Machine Learning Blog
2026年6月4日
Amazon SageMaker AIでSFTとDPOを活用したエージェントのツール呼び出し精度向上Amazon SageMaker AIのトレーニング機能を活用し、小規模言語モデルのツール呼び出し精度を改善する新たな手法が注目されている。教師ありファインチューニング（SFT）と直接選好最適化（DPO）を組み合わせることで、モデルがAPI呼び出しやツール操作をより正確に実行できるようになるという。 この手法の利点は、インフラ管理の負担を軽減し、エンジニアがトレーニングコード開発に集中できる点にある。ベースモデルと複数のファインチューニング版を並行で評価・比較することで、最適なモデルを客観的に選定できる。こうしたデータ駆動型アプローチにより、試行錯誤を効率化しながら精度向上を目指せるとされている。 生成AIの実用化が進む中、小規模言語モデルの性能向上は、エッジデバイスやコスト効率の観点から重要な課題である。この技術により、より多くの企業がAIエージェントの導入を検討できる環境が整いつつある。 （AWS Machine Learning Blog）
2026年6月4日
Fundamental社の大規模表形式モデル NEXUS が Amazon SageMaker JumpStart で利用可能にFundamental社が開発した大規模表形式モデル「NEXUS」がAmazon SageMaker JumpStartで利用可能になった。 NEXUSは表形式データの分析に特化したモデルで、企業のデータセットに対して高精度な予測を実行できる。SageMaker JumpStartへの統合により、ユーザーは複雑な設定を経ることなく、このモデルを簡単に導入・活用することが可能になる。 利用開始はシンプルなプロセスで、SageMaker JumpStartのインターフェース上からNEXUSを選択してデプロイするだけ。エンタープライズレベルのデータセットに対しても即座に予測実行が行え、機械学習の導入ハードルが大幅に低下することが見込まれる。 この取り組みは、企業のデータ活用を促進し、ビジネス上の意思決定の質向上に貢献するものと考えられる。 （出典：AWS Machine Learning Blog）
2026年6月4日
FundamentalのLarge Tabular Model NEXUSがAmazon SageMaker JumpStartで利用可能に本記事では、Amazon SageMaker JumpStartでNEXUSの使い始め方を紹介し、デプロイプロセスについて説明し、エンタープライズデータセットに対して予測を実行する方法を実演します。
AWS Machine Learning Blog
2026年6月5日
NVIDIA Nemotron 3 Ultra、Amazon SageMaker JumpStartで利用可能にNVIDIAの推論モデル「Nemotron 3 Ultra」がAmazon SageMaker JumpStartで提供開始となった。このモデルは、エージェンティックAI関連のワークロードに最適化されており、推論処理の大幅な性能向上を実現している。 導入により、推論速度は従来比で5倍の高速化が期待でき、同時に運用コストは約30%の削減が可能となる。これにより、企業はAI活用の効率性と経済性の両面で利益を得られる見通しだ。 SageMaker JumpStartはAWSのマネージド機械学習プラットフォームで、事前構築されたモデルやアルゴリズムを容易に利用できる。今回の統合により、ユーザーはNemotron 3 Ultraをより簡単にデプロイし、実運用環境での利用が可能になる。 エージェンティックAIは自律的に意思決定を行うAIシステムとして注目を集めており、本モデルの提供開始は、こうした先進的なAI技術へのアクセスを民主化する動きといえる。企業規模を問わず、高性能な推論環境の構築が現実的になるだろう。 （AWS Machine Learning Blog）
AWS Machine Learning Blog
2026年6月5日
NVIDIA Nemotron 3 UltraがAmazon SageMaker JumpStartで利用可能にNVIDIA Nemotron 3 UltraをAmazon SageMaker JumpStartにデプロイできるようになった。このフロンティア推論モデルにより、エージェンティックAIワークロードで5倍高速な推論と30%低いコストが実現される。
AWS Machine Learning Blog
2026年6月9日
Amazon SageMaker AIとFHEによるエンドツーエンド暗号化ML推論本ブログではこれまでML推論向けのFHE（完全準同型暗号）について「Amazon SageMakerエンドポイントで安全でリアルタイムな推論を実現する完全準同型暗号の有効化」という記事で論じてきたが、本稿はさらに一歩進めたものである。前の記事ではSEALという低レベルライブラリを使用して線形回帰アルゴリズムを手動で実装することでFHEベースの推論を「ゼロから」実装する方法を示していた。
AWS Machine Learning Blog
2026年6月10日
Amazon SageMakerとNew Relicでエージェント型インシデントトリアージアシスタントを構築この記事では、エンジニアリングチームが最も時間的制約のあるワークフローの1つであるインシデントトリアージに、その原則をどのように適用できるかを紹介します。Amazon SageMakerと、New Relic Model Context Protocol (MCP) ServerおよびAsanaとのネイティブ統合をオーケストレーションするカスタムインシデントトリアージアシスタントエージェントを構築…
AWS Machine Learning Blog
2026年6月10日
Amazon SageMaker AI上のNVIDIA Isaac Labでロボット強化学習をスケールアップ本稿では、Amazon SageMaker AI上のNVIDIA Isaac Labを使用して、Unitree H1ヒューマノイドロボットのポリシーをトレーニングする方法を、Amazon SageMaker HyperPodとAmazon SageMaker Training Jobsの2つのコンピューティングオプションで紹介します。
AWS Machine Learning Blog
2026年6月17日
Amazon SageMaker AIでP-EAGLEによる並列投機的デコーディングを実現この記事では、Amazon SageMaker AI内でP-EAGLEを直接使用する方法を解説します。SageMaker JumpStartカタログから互換性のあるモデルを選択し、並列ドラフトの仕様を設定して、生成AIアプリケーションを高速化する高度に最適化されたリアルタイムSageMaker AIエンドポイントをデプロイする方法をデモンストレーションします。
AWS Machine Learning Blog
2026年6月17日
Amazon SageMaker AIにおけるコンテナキャッシュ機能の導入による、より高速なモデルスケーリング本日、Amazon SageMaker AI推論におけるコンテナイメージキャッシュ機能を発表できることを嬉しく思います。これは、より高速なスケーリング最適化の旅における次なる大きな進歩です。これにより、スケールアウトイベント中の生成AIモデルのエンドツーエンドレイテンシが最大2倍高速化されます。
AWS Machine Learning Blog
2026年6月18日
Amazon SageMaker AI Async Inference、インラインリクエストペイロードをサポートAmazon SageMaker AI Async Inference がインラインペイロードをサポートするようになりました。これにより、顧客は InvokeEndpointAsync API のリクエストボディに直接推論ペイロードを送信できるようになり、各呼び出しの前に Amazon S3 に入力データをアップロードする必要がなくなりました。
AWS Machine Learning Blog
2026年6月18日
Amazon SageMaker AI非同期推論がインラインリクエストペイロードをサポートAmazon Web Services（AWS）は、同社の機械学習サービスであるAmazon SageMakerのAI非同期推論において、インラインペイロードのサポートを開始しました。この新機能により、ユーザーは推論のためのデータをAmazon S3に事前にアップロードすることなく、InvokeEndpointAsync APIのリクエストボディに直接ペイロードを組み込んで送信することが可能になります。 これまで、Amazon SageMakerの非同期推論を利用する際には、大規模なデータセットや処理に時間がかかるリクエストのために、まず入力データをAmazon S3バケットにアップロードし、そのS3ロケーションをAPI呼び出しで指定する必要がありました。今回の更新により、特にデータサイズが比較的小さい場合や、シンプルかつ迅速な推論処理が求められるシナリオにおいて、ワークフローが大幅に簡素化されます。 この機能追加は、データ準備にかかる時間と手間を削減し、開発者がより効率的に機械学習モデルの推論を実行できるよう支援するものです。ユーザーは推論プロセスをよりスムーズに進めることができ、開発サイクル全体の加速にも貢献すると見られます。 引用元: AWS Machine Learning Blog
AWS Machine Learning Blog
2026年6月19日
SageMakerの詳細メトリクスとCloudWatchのInsightsダッシュボードで生成AI推論を監視・デバッグするAmazon SageMakerは、機械学習モデルのリアルタイム推論をホスティングするサービスであり、特に生成AIワークロードにおける推論の監視とデバッグを効率化するための詳細な機能を提供しています。 SageMakerでは、シングルモデルエンドポイント（SME）と推論コンポーネント（IC）エンドポイントの両方で、詳細な可観測性メトリクスが利用可能です。これらのメトリクスは、生成AI推論のパフォーマンスを深く理解し、問題発生時に迅速なデバッグを可能にするために設計されています。 これらの詳細なメトリクスをAmazon CloudWatch Insightsダッシュボードと組み合わせることで、ユーザーは生成AI推論の状況を一元的に監視し、異常を検知した際には詳細なログやイベントに基づいて原因を特定できるようになります。これにより、推論のレイテンシ、スループット、エラー率などの重要な指標をリアルタイムで追跡し、モデルの動作を最適化するための貴重な洞察を得ることが可能です。この機能は、生成AIの運用において安定性と効率性を高める上で重要な役割を果たすと期待されます。 引用元: AWS Machine Learning Blog
AWS Machine Learning Blog
2026年6月19日
SageMakerの詳細メトリクスとCloudWatchのインサイトダッシュボードで生成AI推論を監視・デバッグAmazon SageMaker AIは、機械学習モデル向けの完全マネージドなリアルタイム推論ホスティングを提供します。モデルを1つ以上のコンピューティングインスタンスでバックアップされたSageMakerエンドポイントにデプロイすると、SageMakerがプロビジョニングとスケーリングを処理します。SageMakerは複数のエンドポイントアーキテクチャをサポートしています。
AWS Machine Learning Blog
2026年6月23日
Amazon SageMaker AI Processing ジョブで ComfyUI ワークフローを実行するこの記事では、Amazon SageMaker AI Processing ジョブに ComfyUI ワークフローをデプロイして、高品質な画像を一度に数百枚生成する方法を解説します。AWS Cloud Development Kit (AWS CDK) を使用したインフラストラクチャのセットアップ方法、GPU アクセラレーション処理の設定、および大規模な画像生成の自動化について学習します。
AWS Machine Learning Blog
2026年6月26日
SeedVR2をAmazon SageMaker AIにデプロイして超解像度を実装するこの記事では、SageMaker AI上のSeedVR2を使用したビデオアップスケーリングの実装方法を解説します。ソリューションアーキテクチャ、デプロイ手順、そして達成できる品質向上と処理効率を強調するパフォーマンス比較を紹介します。この記事を読み終える頃には、この超解像度ソリューションを実装するために必要な実践的な知識が得られるでしょう。
AWS Machine Learning Blog
2026年6月26日
NVIDIA Blackwell搭載Amazon SageMaker AIでのモデルトレーニングの最適化本記事では、AWS上のBlackwellのアーキテクチャを最大限に活用するために、Amazon SageMaker AIでのトレーニングジョブを構成する方法を説明します。Blackwellの拡張メモリを活用するバッチサイズとシーケンス長の選択方法、モデルサイズ（1B～64Bパラメータ）に適した精度フォーマットの選択、アクティベーションチェックポインティングの戦略的な適用方法を学びます。
AWS Machine Learning Blog
2026年7月1日
Amazon Novaモデルをファインチューニングして正確なメールデータ抽出を実現この記事では、Amazon SageMaker AI を使用して Amazon Nova モデルをファインチューニングすることで、モデルに特定のデータパターンを認識させ、類似フィールドを区別させ、情報をより効率的に処理させる方法を説明します。これにより、最大 94.77% の抽出精度を達成し、コストを 50% 削減できます。
AWS Machine Learning Blog
2026年7月2日
Amazon SageMaker AI上のBoltzGenでタンパク質設計を加速この記事では、SageMaker AI上にBoltzGenをデプロイし、エンドツーエンドのタンパク質設計実験を実行する方法を解説します。このチュートリアルを終えると、迅速な検証実行から本番のバッチ処理までスケールできる動作設定が完成します。この設定は、研究のさまざまな段階に対応する2つの実行モードと、反復ワークフロー中のコンピューティング費用を削減するためのステップレベルキャッシュを提供します。
AWS Machine Learning Blog
2026年7月3日
Amazon SageMaker AIにおけるマルチターン強化学習のベストプラクティスこの記事では、信頼性の高いマルチターン強化学習トレーニングのためのベストプラクティスをご紹介します。信頼できるトレーニング環境の構築方法、外部評価の設定、エンドタスクに沿った報酬の設計、エージェントが複数ターン実行された際の変更管理、そしてイテレーションのタイミングを伝えるメトリクスの監視方法について解説します。
AWS Machine Learning Blog
2026年7月7日
Amazon SageMaker AIのストリーミングベンチマークとレコメンデーション結果をMLflowへこの記事では、Amazon SageMaker AIの最適化された推論レコメンデーションジョブとAmazon SageMaker AIベンチマークジョブの新しいMLflow統合を使用して、実験データを統合されたトラッキングインターフェースに自動的にストリーミングする方法を学びます。
AWS Machine Learning Blog
2026年7月7日
Amazon SageMaker HyperPod上のAmazon Nova向けマルチターンの強化学習インフラ展開この記事では、Amazon SageMaker HyperPod上のAmazon Nova Forgeを使用して、マルチターンの強化学習のための2段階インフラを展開します。最終的には、Amazon Simple Storage Service (Amazon S3) にデータをアップロードするとトレーニングが開始される、イベント駆動型のパイプラインが完成します。
AWS Machine Learning Blog
2026年7月7日
Hugging FaceからAmazon SageMaker Studioへワンクリックで本日、Hugging FaceとAmazon SageMaker AIのディープリンク連携を発表できることを嬉しく思います。これにより、開発者はモデルの発見からSageMaker Studioでの実践的な実験までを、ワンクリックで行えるようになりました。
AWS Machine Learning Blog
2026年7月8日
MLflowとAmazon SageMaker AIで判別系MLモデルを監視予測精度を維持し、機械学習ユースケースで最良の結果を達成するには、データとモデルの監視ソリューションの実装が不可欠です。この記事では、オープンソースのEvidentlyとAmazon SageMaker AIを連携させ、監視レポートの生成、MLflowでの結果の整理と比較、パイプラインを通じたスケーリング、ドリフト通知のトリガーを行う方法を紹介します。
AWS Machine Learning Blog
2026年7月8日
Hugging FaceからAmazon SageMaker Studioへワンクリックで移行Amazon SageMaker Studioは、Hugging Faceのオープンソースモデルを、カスタムトレーニング、ファインチューニング、デプロイメントなどのワークフローに統合するための新しい統合機能により、Hugging Faceからワンクリックで移行することを可能にしました。
Hugging Face