大規模言語モデル (LLM) は、検索エンジン、自然言語処理 (NLP)、ヘルスケア、ロボット工学、コード生成などの分野に革命をもたらしています。 このアプリケーションは、動的なチャットボットや AI アシスタントを通じて顧客エクスペリエンスを向上させる小売業や、顧客のフィードバックを整理し、説明や購入行動に基づいて製品を推奨できるデジタル マーケティングにも拡張されます。
LLM アプリケーションのパーソナライズは、最新のユーザー情報を組み込むことによって実現できます。これには通常、いくつかのコンポーネントの統合が含まれます。 このようなコンポーネントの XNUMX つは、機械学習 (ML) モデルの特徴を保存、共有、管理するツールであるフィーチャー ストアです。 特徴は、ML モデルのトレーニングと推論中に使用される入力です。 たとえば、映画を推奨するアプリケーションでは、機能には以前の評価、好みのカテゴリ、人口統計が含まれる可能性があります。 Amazon SageMaker フィーチャーストア は、ML モデルの機能を保存、共有、管理するために特別に設計されたフルマネージド リポジトリです。 もう XNUMX つの重要なコンポーネントは、迅速なエンジニアリングとさまざまな種類のサブタスクの管理に適したオーケストレーション ツールです。 生成 AI 開発者は、次のようなフレームワークを使用できます。 ラングチェーン、LLM と統合するためのモジュールと、タスク管理およびプロンプト エンジニアリングのためのオーケストレーション ツールを提供します。
最新のデータを動的に取得してパーソナライズされたコンテンツを作成するという概念に基づいて、LLM の使用は、レコメンダー システムに関する最近の研究で大きな注目を集めています。 これらのアプローチの基礎となる原理には、推奨タスク、ユーザー プロファイル、アイテム属性、およびユーザーとアイテムの相互作用をカプセル化するプロンプトの構築が含まれます。 これらのタスク固有のプロンプトは、LLM に入力されます。LLM は、特定のユーザーとアイテムの間のインタラクションの可能性を予測する役割を果たします。 論文に記載されているとおり 大規模な言語モデルのプロンプトによるパーソナライズされた推奨事項、推奨主導型およびエンゲージメントガイド型のプロンプト コンポーネントは、LLM が関連するコンテキストに焦点を当て、ユーザーの好みに合わせられるようにする上で重要な役割を果たします。
この投稿では、ユーザー プロファイルとアイテム属性を組み合わせて、LLM を使用してパーソナライズされたコンテンツの推奨を生成するという、シンプルかつ強力なアイデアを説明します。 投稿全体で実証されているように、これらのモデルは、高品質でコンテキストを認識した入力テキストを生成する上で計り知れない可能性を秘めており、それがレコメンデーションの強化につながります。 これを説明するために、フィーチャー ストア (ユーザー プロファイルを表す) を LLM と統合して、これらのパーソナライズされた推奨事項を生成するプロセスを説明します。
ソリューションの概要
映画エンターテインメント会社が電子メール キャンペーンを通じてさまざまなユーザーに映画を宣伝するシナリオを想像してみましょう。 このプロモーションには 25 の有名な映画が含まれており、ユーザーの興味や以前の評価行動に基づいて、各ユーザーのおすすめトップ XNUMX を選択したいと考えています。
たとえば、ユーザーがアクション、ロマンス、SF などのさまざまな映画ジャンルに興味を持っているとすると、AI システムにその特定のユーザーにおすすめの映画トップ XNUMX を決定させることができます。 さらに、システムは、ユーザーごとに、ユーザーの好みに合わせたトーンでパーソナライズされたメッセージを生成する場合があります。 この投稿の後半では、パーソナライズされたメッセージの例をいくつか紹介します。
この AI アプリケーションには、次の図に示すように、連携して動作する複数のコンポーネントが含まれます。
- ユーザー プロファイリング エンジンは、ユーザーの以前の行動を取得し、ユーザーの興味を反映したユーザー プロファイルを出力します。
- フィーチャー ストアはユーザー プロファイル データを維持します。
- メディア メタデータ ストアは、プロモーション ムービーのリストを最新の状態に保ちます。
- 言語モデルは、現在の映画リストとユーザー プロフィール データを取得し、各ユーザーの好みの口調で書かれた、各ユーザーに推奨される上位 XNUMX つの映画を出力します。
- オーケストレーション エージェントは、さまざまなコンポーネントを調整します。
要約すると、インテリジェント エージェントは、ユーザーおよびアイテム関連のデータを使用してプロンプトを構築し、カスタマイズされた自然言語応答をユーザーに提供できます。 これは、ユーザーのプロフィールに基づいてアイテムを推奨する、典型的なコンテンツベースの推奨システムを表します。 ユーザーのプロファイルは機能ストアに保存および維持され、ユーザーの好みや好みを中心に展開されます。 通常、評価などの以前の行動に基づいて導き出されます。
次の図は、その仕組みを示しています。
アプリケーションは次の手順に従って、ユーザーの推奨事項に応答します。
- ユーザーの過去の映画評価を入力として受け取り、ユーザーの関心を出力し、その機能を SageMaker Feature Store に保存するユーザー プロファイリング エンジン。 このプロセスは、スケジュール方式で更新できます。
- エージェントはユーザー ID を入力として受け取り、ユーザーの興味を検索し、ユーザーの興味に従ってプロンプト テンプレートを完成させます。
- エージェントは、メディア メタデータ ストアからプロモーション アイテム リスト (映画名、説明、ジャンル) を取得します。
- 興味関心プロンプト テンプレートとプロモーション アイテム リストは、電子メール キャンペーン メッセージの LLM に入力されます。
- エージェントは、パーソナライズされた電子メール キャンペーンをエンド ユーザーに送信します。
ユーザー プロファイリング エンジンは、ユーザーごとにプロファイルを作成し、ユーザーの好みや興味を把握します。 このプロファイルは、映画のジャンルなどの特徴にマッピングされた要素を含むベクトルとして表すことができ、値はユーザーの関心のレベルを示します。 機能ストア内のユーザー プロファイルを使用すると、システムはユーザーの興味に合ったパーソナライズされた推奨事項を提案できます。 ユーザー プロファイリングは、レコメンデーション システム内でよく研究されている分野です。 簡素化するには、さまざまなカテゴリにわたるユーザーの以前の評価を使用して回帰アルゴリズムを構築し、ユーザーの全体的な好みを推測できます。 これは次のようなアルゴリズムで実行できます。 XGブースト.
コードウォークスルー
このセクションでは、コードの例を示します。 完全なコードのチュートリアルは、次の場所にあります。 GitHubレポ.
ユーザー プロファイリング エンジンからユーザーの興味の特徴を取得した後、結果を特徴ストアに保存できます。 SageMaker Feature Store は、リアルタイム推論のためのバッチ機能の取り込みとオンライン ストレージをサポートしています。 取り込みの場合、データはオフライン モードで更新できますが、推論はミリ秒単位で実行する必要があります。 SageMaker Feature Store は、オフラインとオンラインのデータセットの同期を確保します。
データの取り込みには、次のコードを使用します。
リアルタイム オンライン ストレージの場合、次のコードを使用して、ユーザー ID に基づいてユーザー プロファイルを抽出できます。
次に、下流のレコメンデーション エンジンにフィードするために、関心のある映画カテゴリの上位 XNUMX つをランク付けします。
ユーザーID:42
トップ 3 カテゴリ: [「アニメーション」、「スリラー」、「アドベンチャー」]
私たちのアプリケーションは XNUMX つの主要なコンポーネントを使用します。 最初のコンポーネントは機能ストアからデータを取得し、XNUMX 番目のコンポーネントはメタデータ ストアから映画プロモーションのリストを取得します。 これらのコンポーネント間の調整は次によって管理されます。 LangChain のチェーン、コンポーネントへの一連の呼び出しを表します。
複雑なシナリオでは、アプリケーションは LLM またはその他のツールに対する固定シーケンス以上の呼び出しを必要とする場合があることに注意してください。 エージェントには一連のツールが装備されており、LLM を使用して実行するアクションの順序を決定します。 チェーンがハードコードされたアクションのシーケンスをエンコードするのに対し、エージェントは言語モデルの推論能力を使用してアクションの順序と性質を決定します。
SageMaker Feature Store を含む、さまざまなデータ ソース間の接続を次のコードで示します。 取得したすべてのデータは統合されて広範なプロンプトを構築し、LLM への入力として機能します。 次のセクションでは、プロンプト デザインの詳細について詳しく説明します。 以下は、複数のデータ ソースと連携するプロンプト テンプレート定義です。
さらに、私たちが使用するのは、 アマゾンセージメーカー LLM モデルをホストし、それを LangChain SageMaker エンドポイント。 LLM をデプロイするには、次を使用します。 Amazon SageMaker ジャンプスタート (詳細については、を参照してください) Meta の Llama 2 基礎モデルが Amazon SageMaker JumpStart で利用できるようになりました)。 モデルがデプロイされたら、LLM モジュールを作成できます。
このアプリケーションのコンテキストでは、エージェントは LLMChain と呼ばれる一連のステップを実行します。 プロンプト テンプレート、モデル、およびガードレールを統合して、ユーザー入力をフォーマットし、それをモデルに渡し、応答を取得し、モデル出力を検証 (必要に応じて修正) します。
次のセクションでは、LLM が期待される結果を出力するためのプロンプト エンジニアリングについて説明します。
LLM 推奨のプロンプトと結果
調査研究で説明されているエンゲージメントに基づくプロンプトの高レベルの概念に従う 大規模な言語モデルのプロンプトによるパーソナライズされた推奨事項、プロンプト戦略の基本原則は、プロンプトの作成にユーザーの好みを統合することです。 これらのプロンプトは、LLM がユーザーの好みに合ったコンテンツ説明内の属性をより効果的に識別できるように設計されています。 さらに詳しく説明すると、プロンプトはいくつかのコンポーネントで構成されています。
- 文脈上の関連性 – プロンプト テンプレートの最初の部分には、アイテム名 (映画のタイトル)、説明 (映画のあらすじ)、属性 (映画のジャンル) などのメディア メタデータが組み込まれています。 この情報を組み込むことにより、プロンプトは LLM に、より広範なコンテキストとコンテンツのより包括的な理解を提供します。 このコンテキスト情報は、LLM がその説明と属性を通じてアイテムをより深く理解するのに役立ち、それによってコンテンツ推奨シナリオでの有用性が高まります。
- ユーザーの好みの調整 – ユーザーの好みを示すユーザー プロファイルを考慮することで、ターゲット ユーザーの共感を呼ぶコンテンツの特性や機能を特定するための潜在的な推奨事項が適切に配置されます。 この調整により、関連性がありユーザーの好みに沿ったアイテムを推奨する効率が向上するため、アイテム説明の有用性が高まります。
- レコメンデーションの品質の向上 – エンゲージメントガイド付きプロンプトは、ユーザーの設定を使用して関連するプロモーションアイテムを特定します。 ユーザー設定を使用して、最終出力の LLM のトーンを調整することもできます。 これにより、正確で有益なパーソナライズされたエクスペリエンスが得られ、コンテンツ推奨システムの全体的なパフォーマンスが向上します。
次のコードは、プロンプト テンプレートの例を示しています。
prompt_template = """
Our company, "Classic Cinema" frequently promotes movies that we aim to recommend to our customers. This month, we have several popular movies on promotion.
As an AI agent, you are tasked to assist "Classic Cinema" in crafting an email campaign to recommend relevant movies to users. The recommendations should adhere to several guidelines, including contextual relevance, ensuring the recommendations are strictly from our promotional movie list. Additionally, the recommendations should align with user preferences, suggesting items that are relevant and in harmony with the user's preferred categories. You are to provide precisely three top recommended movies. Finally, please draft the email to reflect the tone of the user's preferred categories. The email should not exceed 100 words.
The recommended movies should be sourced from this contextual relevance movie list:
{promotion_movie_list}.
The user has expressed interest in {user_preference}.
Please ensure the recommendations are relevant, and the tone of the email reflects the tastes of those interested in the {user_preference} movie category.
Ensure the letter appeals to those interested in the {user_preference} movie category, and keep the email campaign within a 100-word limit. """
以下は、SF、アドベンチャー、戦争ジャンルのユーザー設定の結果の例です。
件名: SF、アドベンチャー、戦争映画でクラシック映画のフロンティアを探索しましょう!
親愛なる[名前]さん、
時空を超えた旅に出て、胸が高鳴るアクションを体験し、戦場で英雄たちの勇敢さを目撃する準備はできていますか? これ以上探さない! Classic Cinema では、特に SF、アドベンチャー、戦争に関するお客様の興味に合わせて、厳選した映画セレクションを自信を持ってご紹介します。まずは象徴的な『スター・ウォーズ エピソード1980 – 帝国の逆襲』(XNUMX年)です。 スター・ウォーズ・サーガのこの古典的な作品は、ルーク・スカイウォーカーがジェダイ・マスターになるまでの旅を描き、彼の友人たちが邪悪な帝国と対決します。 画期的な特殊効果と印象的なキャラクターが登場するこの映画は、このジャンルのファンにとって必見です。
次にお勧めするのは、時間と空間の謎を掘り下げる、示唆に富む視覚的に美しい映画「インターステラー」(2014)です。 探検家のグループが人類を救う旅に乗り出すと、息を呑むような風景に遭遇し、宇宙の秘密を明らかにします。
最後は、「プライベート・ライアン」(1998 年)です。これは、兄弟が戦死した空挺部隊を見つけて救出するという危険な任務に就く兵士のグループを描く、魅力的で激しい戦争ドラマです。 批評家から高く評価されたこの映画は、第二次世界大戦の英雄たちへの力強い賛辞です。
これらの映画の傑作をお見逃しなく! 今すぐ視聴して、冒険のスリル、SF の素晴らしさ、戦争の英雄の勇気を体験してください。
楽しんでご覧ください。そして力があなたとともにありますように!宜しくお願いします、
クラシックシネマチーム
以下は、ユーザーの好みがドキュメンタリー、ミュージカル、ドラマである場合の別の結果の例です。
件名: ドキュメンタリー、ミュージカル、ドラマ愛好家のためのクラシック映画の推奨事項
親愛なる[名前]さん、
このメールがあなたに届いて、私たちのプラットフォームで利用できるさまざまな映画を楽しんでいただければ幸いです。 クラシック シネマでは、お客様の多様な好みに応えることに誇りを持っており、ドキュメンタリー、ミュージカル、ドラマといったお客様の興味に響くと思われる優れた映画を XNUMX 本厳選しました。
まずは、「ショーシャンクの空に」(1994 年)です。これは、腐敗した容赦のない刑務所制度の中で希望と救いを見つける XNUMX 人の囚人の旅を描く、力強く高揚感のあるドラマです。 魅力的なストーリー、優れたパフォーマンス、時代を超越したテーマを備えたこの映画は、よく練られたドラマを愛する人にとって必見です。
次にお勧めするのは、息を呑むようなビジュアル、記憶に残るキャラクター、そして緻密に作り込まれた世界を組み合わせた壮大な冒険『ロード・オブ・ザ・リング: 指輪物語』(2001) です。 この映画はストーリーテリングのマスタークラスであり、歴史と文化の深い感覚があなたを中つ国に連れて行き、もっと知りたいと思わせるでしょう。
最後に、第二次世界大戦中のワルシャワゲットーの破壊から懸命に生き延びたポーランド系ユダヤ人ピアニスト、ヴワディスワフ・シュピルマンの実話を伝える重厚で感動的なドキュメンタリー「ザ・ピアニスト」(2002年)を紹介します。 この映画は、想像を絶する悲劇に直面しても、立ち直る力と希望をもつ人間の精神の能力を力強く思い出させてくれます。
これらの推奨事項があなたの興味に共感し、楽しく豊かな映画体験を提供できることを願っています。 これらの不朽の名作をお見逃しなく – 今すぐ観てクラシック映画の魔法を発見してください!
宜しくお願いします、
クラシック映画チーム
比較のために、Llama 2 7B-Chat (次のコード サンプルを参照) と Llama 70B の両方でテストを実行しました。 どちらのモデルも良好なパフォーマンスを示し、一貫した結論が得られました。 最新のデータが詰め込まれたプロンプト テンプレートを使用することで、任意の LLM のテストが容易になり、パフォーマンスとコストの適切なバランスを選択できることがわかりました。 また、注目に値するいくつかの共有観察も行いました。
まず、提供される推奨事項がユーザーの好みと完全に一致していることがわかります。 映画の推奨は、アプリケーション内のさまざまなコンポーネント、特に機能ストアに保存されているユーザー プロファイルによってガイドされます。
さらに、電子メールのトーンはユーザーの好みに応じて変化します。 LLM の高度な言語理解機能のおかげで、映画の説明と電子メールのコンテンツをカスタマイズして、個々のユーザーに合わせて調整することができます。
さらに、最終的な出力形式をプロンプトに組み込むことができます。 たとえば、この例では、「[名前] 様」という挨拶文を電子メール サービスで入力する必要があります。 生成 AI アプリケーション内で個人を特定できる情報 (PII) の公開は避けていますが、適切なレベルの権限が付与されていると仮定すると、後処理中にこの情報が再導入される可能性があることに注意することが重要です。
クリーンアップ
不必要なコストを回避するには、SageMaker JumpStart でデプロイされた機能ストアや LLM 推論エンドポイントを含む、このソリューションの一部として作成したリソースを削除します。
まとめ
パーソナライズされた推奨事項を生成する LLM の力は、特に適切なツールと組み合わせた場合、計り知れず、変革をもたらします。 SageMaker Feature Store と LangChain を統合して迅速なエンジニアリングを実現することで、開発者は高度にカスタマイズされたユーザー プロファイルを構築および管理できます。 これにより、高品質でコンテキストを認識した入力が得られ、レコメンデーションのパフォーマンスが大幅に向上します。 私たちの例示的なシナリオでは、これを適用して映画の推奨を個々のユーザーの好みに合わせて調整し、高度にパーソナライズされたエクスペリエンスを実現する方法を確認しました。
LLM の状況が進化し続けるにつれて、これらのモデルを使用してさらに魅力的でパーソナライズされたエクスペリエンスを提供する、より革新的なアプリケーションが登場すると予想されます。 可能性は無限であり、皆さんがこれらのツールを使って何を作成するのかを楽しみにしています。 SageMaker JumpStart や アマゾンの岩盤 生成 AI アプリケーションの開発を加速するために利用できるようになりました。AWS で LLM を使用したレコメンデーション ソリューションの構築を検討することを強くお勧めします。
著者について
ヤンウェイ・ツイ博士号は、AWS のシニア機械学習スペシャリスト ソリューション アーキテクトです。 IRISA (コンピューター サイエンスおよびランダム システム研究所) で機械学習の研究を開始し、コンピューター ビジョン、自然言語処理、オンライン ユーザー行動予測における AI を活用した産業用アプリケーションの構築に数年の経験があります。 AWS では、自身の専門知識を共有し、顧客がビジネスの可能性を解き放ち、大規模な機械学習によって実用的な成果を推進できるよう支援しています。 仕事以外では、読書と旅行を楽しんでいます。
ゴードン・ワン AWS のシニア AI/ML スペシャリスト TAM です。 彼は、さまざまな業界にわたる AI/ML のベスト プラクティスで戦略的な顧客をサポートしています。 彼はコンピューター ビジョン、NLP、生成 AI、MLOps に情熱を注いでいます。 余暇には、ランニングやハイキングが大好きです。
ミシェル・ホン博士号を取得した彼女は、アマゾン ウェブ サービスでプロトタイピング ソリューション アーキテクトとして働いており、顧客がさまざまな AWS コンポーネントを使用して革新的なアプリケーションを構築するのを支援しています。 彼女は機械学習、特に自然言語処理における専門知識を実証し、ビジネス プロセスを最適化し、顧客エクスペリエンスを向上させるデータ駆動型ソリューションを開発しました。
ビン・ワン博士号を持つ彼は、AWS のシニア分析スペシャリスト ソリューション アーキテクトであり、特に広告に重点を置いた ML 業界で 12 年以上の経験を誇ります。 彼は、自然言語処理 (NLP)、レコメンダー システム、多様な ML アルゴリズム、および ML 操作に関する専門知識を持っています。 彼は、現実世界の問題を解決するために ML/DL およびビッグ データ技術を適用することに深い情熱を持っています。 仕事以外では、音楽、読書、旅行を楽しんでいます。
- 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/personalize-your-generative-ai-applications-with-amazon-sagemaker-feature-store/
- :持っている
- :は
- :not
- :どこ
- $UP
- 100
- 12
- 14
- 視聴者の38%が
- 19
- 1994
- 1998
- 2001
- 2014
- 25
- 30
- 7
- 9
- a
- 私たちについて
- 加速する
- 絶賛
- 正確な
- 達成
- を買収
- 越えて
- Action
- 行動
- 添加
- さらに
- 付着します
- 高度な
- 冒険
- 広告運用
- 後
- に対して
- エージェント
- エージェント
- AI
- AI電源
- AI / ML
- エイズ
- 目指す
- アルゴリズム
- アルゴリズム
- 整列する
- アラインメント
- すべて
- 許す
- また
- しかし
- Amazon
- アマゾンセージメーカー
- Amazon Webサービス
- an
- 分析的
- および
- 別の
- 予想する
- どれか
- 誰も
- 上訴
- 申し込み
- 適用された
- 適用
- アプローチ
- です
- 周りに
- AS
- アシスト
- アシスタント
- At
- 注意
- 属性
- 利用できます
- 避ける
- AWS
- ベース
- Battlefield
- BE
- なぜなら
- になる
- き
- 行動
- 行動
- 信じる
- BEST
- ベストプラクティス
- より良いです
- の間に
- ビッグ
- ビッグデータ
- 自慢
- 両言語で
- 無限の
- 息をのむような
- より広い
- ブラザーズ
- ビルド
- 建物
- 構築します
- ビジネス
- by
- 呼ばれます
- コール
- キャンペーン
- 缶
- 機能
- 容量
- キャプチャ
- 慎重に
- 実施
- 場合
- カテゴリ
- カテゴリー
- チェーン
- 特性
- 文字
- チャットボット
- 選択する
- Cinema
- 映画の
- class
- クラシック
- クラシック
- コード
- 組み合わせ
- 結合
- 一般に
- 会社
- 比較
- 完了
- 複雑な
- コンポーネント
- コンポーネント
- 包括的な
- 含む
- コンピュータ
- コンピュータサイエンス
- Computer Vision
- コンセプト
- 接続
- 整合性のある
- 構築する
- 建設
- 含まれています
- コンテンツ
- コンテキスト
- 文脈上の
- 続ける
- コーディネーション
- 対応する
- 費用
- コスト
- 可能性
- 結合しました
- 作ります
- 作成した
- 作成
- Cross
- 重大な
- 文化
- キュレーション
- 電流プローブ
- 顧客
- Customers
- カスタマイズ
- カスタマイズ
- 危険な
- データ
- データ駆動型の
- データセット
- 日付
- 深いです
- 定義
- 配信する
- 人口動態
- 実証
- 展開します
- 展開
- 派生
- 記載された
- 説明
- 設計
- 設計
- 詳細な
- 細部
- 決定する
- 開発する
- 開発者
- 開発
- DICT
- 口述する
- 異なります
- デジタル
- デジタルマーケティング
- 発見する
- ダイビング
- 異なる
- ドキュメンタリー
- ドメイン
- 行われ
- ドント
- ドラフト
- ドラマ
- ドライブ
- 間に
- ダイナミック
- 動的に
- 各
- 容易
- 効果的に
- 効果
- 効率
- 手の込んだ
- 要素は
- メール
- 乗り出す
- 帝国
- 従業員
- 有効にする
- end
- エンドポイント
- 魅力的
- エンジン
- エンジニアリング
- エンジン
- 高めます
- 強化された
- 強化
- 強化
- 楽しい
- 濃縮
- 確保
- 確実に
- 確保する
- エンターテインメント
- EPIC
- エピソード
- 装備
- 本質的な
- さらに
- 進化
- 例
- 例
- 超えます
- 例外的
- 興奮した
- 予想される
- 体験
- エクスペリエンス
- 専門知識
- 探る
- 探検
- 探る
- 表現
- 伸ばす
- 広範囲
- エキス
- 顔
- ファン
- 特徴
- 機能グループ
- 特徴
- FRBは
- フィードバック
- フィールズ
- 埋め
- 膜
- ファイナル
- 最後に
- もう完成させ、ワークスペースに掲示しましたか?
- 発見
- 名
- 固定の
- フォーカス
- フォロー中
- 次
- 強
- 形式でアーカイブしたプロジェクトを保存します.
- 発見
- Foundation
- フレームワーク
- 頻繁に
- 友達
- から
- フロンティア
- フル
- 完全に
- 基本的な
- さらに
- 獲得
- 生成する
- 生成
- 世代
- 生々しい
- 生成AI
- ジャンル
- 取得する
- 与えられた
- 付与された
- 画期的な
- グループ
- ガイド
- ガイド付きの
- ガイドライン
- 起こる
- 和(調和)
- 持ってる
- he
- ヘルスケア
- 助け
- ことができます
- 彼女の
- 英雄たち
- ハイレベル
- 高品質
- 非常に
- 彼の
- 歴史的
- history
- 希望
- host
- 認定条件
- HTTPS
- 人間
- 人類
- 象徴的な
- ID
- アイデア
- 識別する
- 識別
- if
- ii
- 説明します
- 説明する
- 絵
- 計り知れない
- import
- 重要
- 改善します
- 改善
- in
- include
- 含めて
- 組み込む
- 個人
- インダストリアル
- 産業
- 産業を変えます
- 情報
- 有益な
- 初期
- 革新的な
- 入力
- 取り付け
- 機関
- 統合する
- 統合する
- 統合
- インテリジェント-
- 相互作用
- 相互作用
- 関心
- 興味がある
- 利益
- インターフェース
- に
- IT
- リーディングシート
- ITS
- 旅
- JPG
- キープ
- 風景
- 言語
- 大
- 後で
- リード
- 学習
- コメントを残す
- 手紙
- レベル
- 生活
- ような
- 尤度
- LIMIT
- LINE
- リスト
- ラマ
- LLM
- 見て
- ロード·オブ·ザ·リング
- で
- 機械
- 機械学習
- 製
- マジック
- 維持
- 管理します
- マネージド
- 管理
- 管理する
- 管理する
- 方法
- 多くの
- マッピング
- マーケティング
- マスター
- Masterclass
- マッチング
- 五月..
- メディア
- 覚えやすい
- メッセージ
- Meta
- かもしれない
- ミリ秒
- ミス
- ミッション
- ML
- MLOps
- モード
- モデル
- モジュール
- モジュール
- 月
- 他には?
- 最も
- 映画
- 動画
- 移動する
- の試合に
- 音楽を聴く際のスピーカーとして
- ミュージカル
- 名
- ナチュラル
- 自然言語処理
- 自然
- 必要
- 必要
- ニーズ
- 次の
- NLP
- いいえ
- 特に
- ノート
- 注記
- 今
- 入手
- of
- オフ
- オファー
- オンライン
- on
- ONE
- オンライン
- 業務執行統括
- 最適化
- or
- 編成
- 注文
- その他
- 私たちの
- でる
- 成果
- 出力
- outputs
- 外側
- 傑出した
- が
- 全体
- 紙素材
- パラメータ
- 部
- 特定の
- 特に
- パス
- 情熱的な
- パフォーマンス
- 公演
- 実行
- パーミッション
- 個人化
- 個人
- カスタマイズ
- 個人的に
- 博士号
- 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
- プレイ
- お願いします
- ポーランド語
- 人気
- 配置された
- の可能性
- 可能性
- ポスト
- 潜在的な
- ポテンシャル
- 電力
- 強力な
- プラクティス
- 正確に
- 予測
- 予測
- プ
- 優先
- プレゼント
- 前
- プライド
- 主要な
- 原則
- 刑務所
- 囚人たち
- プライベート
- 問題
- プロセス
- ラボレーション
- 処理
- 作り出す
- 製品
- プロ
- プロフィール
- 対応プロファイル
- プロファイリング
- 深遠な
- 促進する
- プロモーション
- 昇進の
- キャンペーン
- プロトタイピング
- 誇らしげに
- 提供します
- 提供
- は、大阪で
- 購入
- クエスト
- ランダム
- ランク
- 評価
- 評価
- リーディング
- 準備
- 現実の世界
- への
- 最近
- 推奨する
- おすすめ
- 提言
- 推奨される
- 推薦する
- お勧めする
- 記録
- 償還
- 参照する
- 反映する
- 反射
- 反映
- よろしく
- 関連性
- 関連した
- 残る
- リマインダー
- 倉庫
- 表す
- で表さ
- 表します
- レスキュー用機材
- 研究
- 回復力
- 共鳴する
- リソース
- 応答
- 回答
- 結果
- 結果として
- 結果
- 小売
- return
- 革命
- 回転する
- 右
- ロボット工学
- 職種
- ロマンス
- ランニング
- runs
- s
- サガ
- セージメーカー
- Save
- 見ました
- 規模
- シナリオ
- シナリオ
- スケジューリング
- サイエンスフィクション
- 科学
- を検索
- 検索エンジン
- 検索
- 二番
- 秘密
- セクション
- 見ること
- 選択
- 選択
- 自己
- 送る
- シニア
- センス
- シーケンス
- サービス
- サービス
- サービング
- いくつかの
- shared
- 株式
- シェアリング
- 彼女
- すべき
- 作品
- 重要
- 著しく
- 意味する
- 簡単な拡張で
- 簡素化する
- 溶液
- ソリューション
- 解決する
- 一部
- 調達
- ソース
- スペース
- 特別
- 専門家
- 特に
- 詳細
- 星
- スターウォーズ
- 開始
- 明記
- ステップ
- ストレージ利用料
- 店舗
- 保存され
- 店舗
- 保存
- ストーリー
- ストーリーテリング
- 戦略的
- 戦略
- ストライキ
- 強く
- 勉強
- 見事な
- それに続きます
- そのような
- 示唆する
- 適当
- スイート
- 概要
- サポート
- 生き残る
- 概要
- システム
- テーラード
- 仕立てる
- 取る
- 撮影
- 取り
- 取得
- ターゲット
- 仕事
- 味がする
- テクニック
- 伝える
- template
- test
- テスト
- 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.
- より
- 感謝
- それ
- アプリ環境に合わせて
- それら
- テーマ
- その後
- そこ。
- それによって
- ボーマン
- 彼ら
- この
- それらの
- 考えさせられる
- 三
- 介して
- 全体
- 時間
- 時代を超越した
- 役職
- 〜へ
- 一緒に
- TONE
- ツール
- 豊富なツール群
- top
- に向かって
- トレーニング
- 変形させる
- 輸送
- 旅行
- 賛辞
- true
- 2
- type
- 典型的な
- 一般的に
- 明らかにする
- 根本的な
- 理解する
- 想像を絶する
- 宇宙
- アンロック
- 不要
- 最新
- 更新しました
- us
- つかいます
- 中古
- ユーザー
- users
- 使用されます
- ユーティリティ
- 検証
- 価値観
- 多様
- さまざまな
- 、
- 鑑賞
- ビジョン
- 視覚的に
- ビジュアル
- 歩く
- ウォークスルー
- 欲しいです
- 欲しい
- 戦争
- ワルシャワ
- よく見る
- we
- ウェブ
- Webサービス
- WELL
- 周知
- この試験は
- いつ
- 一方
- which
- while
- 誰
- その
- 意志
- 以内
- 目撃者
- 不思議
- 言葉
- 仕事
- ワーキング
- 作品
- 世界
- 価値
- でしょう
- 書かれた
- 年
- まだ
- 収穫
- You
- あなたの
- ゼファーネット