企業は、さまざまな事業部門 (LOB) に基盤モデル (FM) へのアクセスを提供することで、生成 AI の可能性を迅速に解き放つことを目指しています。 IT チームは、一元化されたガバナンスと可観測性を提供しながら、LOB がスピードと機敏性を持って革新できるよう支援する責任があります。たとえば、チーム全体の FM の使用状況、チャージバック コストを追跡し、LOB 内の関連コスト センターの可視性を提供する必要がある場合があります。さらに、チームごとに異なるモデルへのアクセスを規制する必要がある場合があります。たとえば、特定の FM のみの使用が承認される場合などです。
アマゾンの岩盤 AI21 Labs、Anthropic、Cohere、Meta、Stability AI、Amazon などの大手 AI 企業の高性能基盤モデルの選択肢を XNUMX つの API 経由で提供するフルマネージド サービスであり、生成 AI を構築するための幅広い機能セットも提供します。セキュリティ、プライバシー、責任ある AI を備えたアプリケーション。 Amazon Bedrock はサーバーレスであるため、インフラストラクチャを管理する必要がなく、使い慣れた AWS サービスを使用して生成 AI 機能をアプリケーションに安全に統合してデプロイできます。
基盤モデルの Software as a Service (SaaS) レイヤーは、アクセスと消費の一元的なガバナンスを維持しながら、エンドユーザーにシンプルで一貫したインターフェイスを提供できます。 API ゲートウェイは、モデル コンシューマーとモデル エンドポイント サービス間の疎結合と、変化するモデル、アーキテクチャ、呼び出し方法に適応する柔軟性を提供できます。
この投稿では、マルチテナント (チーム) アーキテクチャで Amazon Bedrock を使用して基盤モデルにアクセスするための内部 SaaS レイヤーを構築する方法を説明します。特にテナントごとの使用量とコストの追跡に重点を置き、テナントごとの使用量の調整などの制御にも重点を置いています。ソリューションと Amazon Bedrock の使用計画が一般的な SaaS ジャーニー フレームワークにどのようにマッピングされるかについて説明します。ソリューションのコードと AWSクラウド開発キット (AWS CDK) テンプレートは、 GitHubリポジトリ.
課題
AI プラットフォーム管理者は、FM への標準化された簡単なアクセスを複数の開発チームに提供する必要があります。
基盤モデルへの管理されたアクセスを提供するための課題の一部を次に示します。
- コストと使用量の追跡 – 個々のテナントのコストと基盤モデルの使用状況を追跡および監査し、特定のコスト センターにチャージバック コストを提供します
- 予算と使用量の管理 – API クォータ、予算、およびテナントごとに定義された頻度での基盤モデルの使用許可の使用制限を管理します
- アクセス制御とモデルガバナンス – テナントごとに許可リストに登録されている特定のモデルのアクセス制御を定義します
- マルチテナントの標準化されたAPI – 基盤モデルへの一貫したアクセスを提供します。 オープンAPI 規格
- APIの一元管理 – モデルにアクセスするための API キーを管理するための単一レイヤーを提供します
- モデルのバージョンとアップデート – 新規および更新されたモデル バージョンのロールアウトを処理する
ソリューションの概要
このソリューションでは、 マルチテナント アプローチ。 A テナント ここでは、個々のユーザー、特定のプロジェクト、チーム、さらには部門全体にまで及ぶ可能性があります。このアプローチについて議論するとき、私たちは次の用語を使用します。 チーム、それが最も一般的であるためです。 API キーを使用して、チームの API アクセスを制限および監視します。各チームには、FM にアクセスするための API キーが割り当てられます。組織にはさまざまなユーザー認証および認可メカニズムが導入されている場合があります。簡単にするために、このソリューションにはこれらを含めません。既存の ID プロバイダーをこのソリューションと統合することもできます。
次の図は、ソリューション アーキテクチャと主要コンポーネントをまとめたものです。別々のコストセンターに割り当てられたチーム (テナント) は、API サービス経由で Amazon Bedrock FM を使用します。チームごとの消費量とコストを追跡するために、ソリューションは、呼び出されたモデル、テキスト生成モデルのトークンの数、マルチモーダル モデルの画像サイズなど、個々の呼び出しごとにデータをログに記録します。さらに、モデルごとの呼び出しと各チームのコストを集計します。
AWS CDK を使用して、自分のアカウントにソリューションをデプロイできます。 AWS CDK は、使い慣れたプログラミング言語を使用してクラウド アプリケーション リソースをモデル化およびプロビジョニングするためのオープンソース ソフトウェア開発フレームワークです。 AWS CDK コードは次の場所で入手できます。 GitHubリポジトリ.
次のセクションでは、ソリューションの主要なコンポーネントについて詳しく説明します。
チームごとの基盤モデルの使用状況を把握する
チームごとの FM 使用状況を取得するワークフローは、次のステップで構成されます (上の図で番号が付けられている)。
- チームのアプリケーションが POST リクエストを送信する アマゾンAPIゲートウェイ で呼び出されるモデルを使用して、
model_id
リクエスト本文のクエリパラメータとユーザープロンプト。 - API ゲートウェイはリクエストを AWSラムダ 関数 (
bedrock_invoke_model
) チームの使用状況情報をログに記録する責任があります。 アマゾンクラウドウォッチ そして、Amazon Bedrock モデルを呼び出します。 - Amazon Bedrock は、次のような VPC エンドポイントを提供します。 AWS プライベートリンク。このソリューションでは、Lambda 関数が PrivateLink を使用してリクエストを Amazon Bedrock に送信し、アカウントの VPC と Amazon Bedrock サービス アカウントの間にプライベート接続を確立します。 PrivateLink の詳細については、次を参照してください。 AWS PrivateLink を使用して Amazon Bedrock へのプライベート アクセスをセットアップする.
- Amazon Bedrock の呼び出し後、 アマゾン クラウドトレイル 生成する クラウドトレイルイベント。
- Amazon Bedrock の呼び出しが成功すると、Lambda 関数は呼び出されたモデルのタイプに応じて次の情報をログに記録し、生成された応答をアプリケーションに返します。
- チームID – リクエストを発行したチームの一意の識別子。
- リクエストID – リクエストの一意の識別子。
- モデル ID – 呼び出されるモデルの ID。
- 入力トークン – プロンプトの一部としてモデルに送信されたトークンの数 (テキスト生成および埋め込みモデルの場合)。
- 出力トークン – モデルによって生成されるトークンの最大数 (テキスト生成モデルの場合)。
- 高さ – 要求された画像の高さ (マルチモーダル モデルおよびマルチモーダル埋め込みモデルの場合)。
- 幅 – 要求された画像の幅 (マルチモーダル モデルのみ)。
- ステップ – 要求された手順 (安定性 AI モデルの場合)。
チームごとのコストの追跡
別のフローが使用状況情報を集約し、チームごとのオンデマンド コストを日次ベースで計算して保存します。別のフローを用意することで、コスト追跡がモデル呼び出しフローのレイテンシーやスループットに影響を与えないようにすることができます。ワークフローの手順は次のとおりです。
- An アマゾンイベントブリッジ ルールは Lambda 関数をトリガーします (
bedrock_cost_tracking
) 毎日。 - Lambda 関数は、前日の CloudWatch から使用状況情報を取得し、関連するコストを計算し、集計されたデータを保存します。
team_id
およびmodel_id
in Amazon シンプル ストレージ サービス (Amazon S3) CSV 形式。
Amazon S3 に保存されているデータをクエリして視覚化するには、次のようなさまざまなオプションがあります。 S3セレクト, Amazon Athena と Amazon QuickSight。
チームごとの使用量の制御
使用量プランでは、デプロイされた 1 つ以上の API にアクセスできるユーザーを指定し、オプションでリクエストのスロットルを開始するためのターゲット リクエスト レートを設定します。このプランでは、API キーを使用して、各キーに関連付けられた API にアクセスできる API クライアントを識別します。 APIゲートウェイを利用できるようになります 利用プラン 事前定義されたしきい値を超えるリクエストを抑制します。も使用できます APIキー クォータ制限により、各チームが指定された時間間隔内に発行できる API キーごとのリクエストの最大数を設定できます。これに加えて、 Amazon Bedrock サービスの割り当て アカウント レベルでのみ割り当てられます。
前提条件
ソリューションを展開する前に、次のものが揃っていることを確認してください。
AWS CDK スタックをデプロイする
の指示に従ってください README GitHub リポジトリのファイルを使用して、AWS CDK スタックを設定およびデプロイします。
スタックは次のリソースをデプロイします。
- プライベートネットワーキング環境(VPC、プライベートサブネット、セキュリティグループ)
- モデルへのアクセスを制御するための IAM ロール
- 必要な Python モジュールの Lambda レイヤー
- ラムダ関数
invoke_model
- ラムダ関数
list_foundation_models
- ラムダ関数
cost_tracking
- REST API (API ゲートウェイ)
- APIゲートウェイ利用プラン
- 利用プランに関連付けられたAPIキー
新しいチームに参加する
新しいチームにアクセスを提供するには、異なるチーム間で同じ API キーを共有するか、別の API キーを提供してモデルの使用量を追跡することができます。 team_id
API 呼び出し用に使用するか、Amazon Bedrock リソースへのアクセスに使用する専用の API キーを作成します。 README.
スタックは次のリソースをデプロイします。
- 以前に作成した REST API に関連付けられた API ゲートウェイの使用プラン
- 新しいチームの使用量プランに関連付けられた API キー。API の予約されたスロットリングとバースト構成が含まれます。
API Gateway のスロットリングとバースト構成の詳細については、以下を参照してください。 スループットを向上させるために API リクエストを調整します.
スタックをデプロイすると、新しい API キーが team-2
も作成されます。
モデルのアクセス制御を構成する
プラットフォーム管理者は、Lambda 関数に関連付けられた IAM ポリシーを編集することで、特定の基盤モデルへのアクセスを許可できます。 invoke_model
を選択します。
IAM 権限はファイルで定義されます setup/stack_constructs/iam.py。 次のコードを参照してください。
サービスを呼び出す
ソリューションをデプロイした後、コードからサービスを直接呼び出すことができます。次の
を使用するための Python の例です。 invoke_model
POST リクエストによるテキスト生成用の API:
出力: Amazon Bedrock は、多くのサービスや製品を実行および運用するために Amazon によって開発された内部テクノロジー プラットフォームです。 Bedrock に関するいくつかの重要な点…
以下は、Python での別の例です。 invoke_model
POST リクエストを通じて埋め込みを生成するための API:
model_id = "amazon.titan-embed-text-v1" #the model id for the Amazon Titan Embeddings Text model prompt = "What is Amazon Bedrock?" response = requests.post( f"{api_url}/invoke_model?model_id={model_id}", json={"inputs": prompt, "parameters": model_kwargs}, headers={ "x-api-key": api_key, #key for querying the API "team_id": team_id #unique tenant identifier, "embeddings": "true" #boolean value for the embeddings model }
) text = response.json()[0]["embedding"]
出力: 0.91796875、0.45117188、0.52734375、-0.18652344、0.06982422、0.65234375、-0.13085938、0.056884766、0.092285156、0.06982422、 1.03125、0.8515625、0.16308594、0.079589844、-0.033935547、0.796875、-0.15429688、-0.29882812、-0.25585938、0.45703125、0.044921875 0.34570312、 XNUMX …
基礎モデルへのアクセスが拒否されました
以下は、Python での使用例です。 invoke_model
アクセス拒否応答を伴う POST リクエストによるテキスト生成用の API:
「トレースバック (最新の呼び出しは最後):n ファイル ”/var/task/index.py”、lambda_handlern 応答の 213 行目 = _invoke_text(bedrock_client, model_id, body, model_kwargs)n ファイル ”/var/task/index.py ”、146 行目、_invoke_textn raise en File ”/var/task/index.py”、131 行目、_invoke_textn の応答 = bedrock_client.invoke_model(n File ”/opt/python/botocore/client.py”、535 行目、 _api_calln で self._make_api_call(operation_name, kwargs)n ファイル「/opt/python/botocore/client.py」の 980 行目を返し、_make_api_calln で error_class(parsed_response, Operation_name)nbotocore.errorfactory.AccessDeniedException を発生させます。 InvokeModel オペレーションの呼び出し時にエラー (AccessDeniedException) が発生しました: あなたのアカウントには、この API オペレーションを呼び出す権限がありません。n」
コスト見積もり例
オンデマンド価格設定で Amazon Bedrock モデルを呼び出す場合、総コストは入力コストと出力コストの合計として計算されます。入力コストはモデルに送信された入力トークンの数に基づき、出力コストは生成されたトークンに基づきます。価格は入力トークン 1,000 個あたりと出力トークン 1,000 個あたりです。詳細および特定のモデルの価格については、以下を参照してください。 Amazon の岩盤価格.
この投稿のソリューションを通じて、1 つのチーム (チーム 2 とチーム 3) が Amazon Bedrock にアクセスする例を見てみましょう。 Amazon SXNUMX に保存される XNUMX 日あたりの使用量とコストのデータを次の表に示します。
列 input_tokens
および output_tokens
指定された日のモデル呼び出し全体の入力トークンと出力トークンの合計を、それぞれモデルごとおよびチームごとに保存します。
列 input_cost
および output_cost
モデルごとおよびチームごとにそれぞれのコストを保存します。これらは次の式を使用して計算されます。
input_cost = input_token_count * model_pricing["input_cost"] / 1000
output_cost = output_token_count * model_pricing["output_cost"] / 1000
チームID | モデル ID | 入力トークン | 出力トークン | 呼び出し | 入力コスト | 出力コスト |
Team1 | amazon.titan-tg1-large | 24000 | 2473 | 1000 | 0.0072 | 0.00099 |
Team1 | anthropic.claude-v2 | 2448 | 4800 | 24 | 0.02698 | 0.15686 |
Team2 | amazon.titan-tg1-large | 35000 | 52500 | 350 | 0.0105 | 0.021 |
Team2 | ai21.j2-grande-instruct | 4590 | 9000 | 45 | 0.05738 | 0.1125 |
Team2 | anthropic.claude-v2 | 1080 | 4400 | 20 | 0.0119 | 0.14379 |
機能的なマルチテナントのサーバーレス SaaS 環境のエンドツーエンドのビュー
エンドツーエンドで機能するマルチテナントのサーバーレス SaaS 環境がどのようなものかを理解してみましょう。以下は参照アーキテクチャ図です。
このアーキテクチャ図は、この投稿の前半で説明した前のアーキテクチャ図の縮小版であり、前のアーキテクチャ図では、言及したマイクロサービスの 1 つ (基本モデル サービス) の詳細が説明されています。この図は、機能的でスケーラブルなプラットフォームを実装するには、基本的なモデル サービスとは別に、マルチテナント SaaS プラットフォームに他のコンポーネントも必要であることを説明しています。
アーキテクチャの詳細を見てみましょう。
テナントの申し込み
テナント アプリケーションは、環境と対話するフロントエンド アプリケーションです。ここでは、異なるローカル環境または AWS 環境からアクセスする複数のテナントを示します。フロントエンド アプリケーションを拡張して、新しいテナントが自身を登録するための登録ページと、SaaS サービス層の管理者用の管理コンソールを含めることができます。テナント アプリケーションで、SaaS 環境との対話が必要なカスタム ロジックの実装が必要な場合は、アプリケーション アダプター マイクロサービスの仕様を実装できます。シナリオ例としては、SaaS 環境の認可仕様を尊重しながらカスタム認可ロジックを追加することが考えられます。
共有サービス
共有サービスとしては以下のようなものがあります。
- テナントおよびユーザー管理サービス –これらのサービスは、テナントの登録と管理を担当します。これらは、アプリケーション サービスとは別に、すべてのテナント間で共有される横断的な機能を提供します。
- 基盤モデルサービス –この投稿の冒頭で説明したソリューション アーキテクチャ図はこのマイクロサービスを表しており、API Gateway から Lambda 関数への対話はこのマイクロサービスの範囲内で発生しています。すべてのテナントは、このマイクロサービスを使用して、Anthropic、AI21、Cohere、Stability、Meta、Amazon の基盤モデルと微調整されたモデルを呼び出します。また、CloudWatch ログの使用状況追跡に必要な情報もキャプチャします。
- コスト追跡サービス –このサービスは、各テナントのコストと使用状況を追跡します。このマイクロサービスはスケジュールに従って実行され、CloudWatch ログにクエリを実行し、集計された使用状況追跡と推定コストをデータ ストレージに出力します。コスト追跡サービスを拡張して、さらなるレポートと視覚化を構築できます。
アプリケーションアダプターサービス
このサービスは、テナントがカスタム ロジックを SaaS 環境に統合するために実装できる一連の仕様と API を提供します。カスタム統合がどの程度必要かに応じて、このコンポーネントはテナントにとってオプションにすることができます。
マルチテナント データ ストア
共有サービスは、単一の共有データ ストアにデータを保存します。 Amazon DynamoDB DynamoDB 項目を個々のテナントに関連付けるテナント分割キーを含むテーブル。コスト追跡共有サービスは、集約された使用量とコスト追跡データを Amazon S3 に出力します。ユースケースに基づいて、アプリケーション固有のデータ ストアも存在する可能性があります。
マルチテナント SaaS 環境には、より多くのコンポーネントを含めることができます。詳細については、以下を参照してください。 AWS サーバーレス サービスを使用したマルチテナント SaaS ソリューションの構築.
複数の導入モデルのサポート
SaaS フレームワークは通常、プールとサイロという 2 つの導入モデルの概要を示します。プール モデルの場合、すべてのテナントは、共通のストレージとコンピューティング インフラストラクチャを備えた共有環境から FM にアクセスします。サイロ モデルでは、各テナントが独自の専用リソースのセットを持ちます。分離モデルについては、 SaaSテナント分離戦略ホワイトペーパー.
提案されたソリューションは、両方の SaaS 導入モデルに採用できます。プール アプローチでは、一元化された AWS 環境が API、ストレージ、およびコンピューティング リソースをホストします。サイロ モードでは、各チームは専用の AWS 環境で API、ストレージ、コンピューティング リソースにアクセスします。
このソリューションは、Amazon Bedrock が提供する利用可能な消費プランにも適合します。 AWS では、推論のために 2 つの消費プランから選択できます。
- オンデマンド – このモードでは、時間ベースの期間契約をすることなく、従量課金制で基礎モデルを使用できます。
- プロビジョニングされたスループット – このモードでは、時間ベースの期間コミットメントと引き換えに、アプリケーションのパフォーマンス要件を満たすのに十分なスループットをプロビジョニングできます。
これらのオプションの詳細については、次を参照してください。 Amazon の岩盤価格.
この投稿で説明するサーバーレス SaaS リファレンス ソリューションでは、Amazon Bedrock 消費プランを適用して、ベーシックおよびプレミアムの階層化オプションをエンドユーザーに提供できます。 Basic には、Amazon Bedrock のオンデマンドまたはプロビジョンド スループットの消費が含まれる場合があり、特定の使用量と予算の制限が含まれる場合があります。テナント制限は、リクエスト、トークン サイズ、または予算割り当てに基づいてリクエストを調整することで有効にできます。プレミアム層のテナントは、Amazon Bedrock のプロビジョニングされたスループットを消費する独自の専用リソースを持つことができます。これらのテナントは通常、Amazon Bedrock FM への高スループットと低レイテンシーのアクセスを必要とする本番ワークロードに関連付けられます。
まとめ
この投稿では、コストと使用量の追跡、各テナントの制限に焦点を当てて、マルチテナント設定で Amazon Bedrock を使用して基盤モデルにアクセスするための内部 SaaS プラットフォームを構築する方法について説明しました。検討すべき追加のトピックには、組織内の既存の認証および認可ソリューションの統合、双方向のクライアント サーバー対話用の Web ソケットを含む API レイヤーの強化、コンテンツ フィルタリングおよびその他のガバナンス ガードレールの追加、複数のデプロイ層の設計、SaaS での他のマイクロサービスの統合などが含まれます。建築など。
このソリューションのコード全体は、次の場所にあります。 GitHubリポジトリ.
SaaS ベースのフレームワークの詳細については、以下を参照してください。 SaaS ジャーニー フレームワーク: AWS での新しい SaaS ソリューションの構築.
著者について
ハサン・プーナワラ AWS のシニア AI/ML スペシャリスト ソリューション アーキテクトで、ヘルスケアおよびライフ サイエンスの顧客と協力しています。 Hasan は、AWS での生成 AI および機械学習アプリケーションの設計、デプロイ、スケーリングを支援します。彼は、クラウド上の機械学習、ソフトウェア開発、データ サイエンスの分野で合わせて 15 年以上の実務経験を持っています。余暇には、ハサンは自然を探索したり、友人や家族と時間を過ごすのが大好きです。
アナスタシア ツェベレカ AWS のシニア AI/ML スペシャリスト ソリューション アーキテクトです。仕事の一環として、彼女は EMEA 全体の顧客が基礎モデルを構築し、AWS のサービスを使用してスケーラブルな生成 AI および機械学習ソリューションを作成するのを支援しています。
ブルピストンなし ミラノを拠点とする AWS のジェネレーティブ AI および ML スペシャリスト ソリューション アーキテクトです。彼は大規模な顧客と協力して、顧客が技術的なニーズを深く理解し、AWS クラウドと Amazon Machine Learning スタックを最大限に活用する AI および機械学習ソリューションを設計できるよう支援しています。彼の専門知識には、機械学習のエンドツーエンド、機械学習の産業化、生成 AI が含まれます。彼は、友達と時間を過ごしたり、新しい場所を探索したり、新しい目的地へ旅行したりすることを楽しんでいます。
ヴィケシュ・パンディ ジェネレーティブ AI/ML ソリューション アーキテクトであり、金融サービスに特化しており、金融顧客が数百から数千のユーザーに拡張できるジェネレーティブ AI/ML プラットフォームとソリューションの構築と拡張を支援しています。余暇には、Vikesh はさまざまなブログ フォーラムに投稿したり、子供と一緒にレゴを組み立てたりするのが好きです。
- 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-an-internal-saas-service-with-cost-and-usage-tracking-for-foundation-models-on-amazon-bedrock/
- :持っている
- :は
- :not
- :どこ
- $UP
- 000
- 1
- 120
- 15年
- 視聴者の38%が
- 160
- 視聴者の38%が
- 500
- 7
- a
- 私たちについて
- アクセス
- アクセス
- 越えて
- 適応する
- 追加
- 添加
- NEW
- さらに
- 管理人
- 管理者
- 採択
- 骨材
- AI
- AIモデル
- AIプラットフォーム
- AI / ML
- すべて
- 配分
- 許す
- ことができます
- 沿って
- 既に
- また
- Amazon
- アマゾン機械学習
- アマゾンクイックサイト
- Amazon Webサービス
- an
- および
- 別の
- 人間原理
- どれか
- 離れて
- API
- APIアクセス
- APIキー
- API
- 申し込み
- 申し込む
- アプローチ
- 承認された
- 建築
- アーキテクチャ
- です
- AS
- 割り当てられた
- 関連する
- 仲間
- At
- 監査
- 認証
- 承認
- 許可
- 利用できます
- AWS
- ベース
- 基本
- 基礎
- BE
- なぜなら
- 開始
- BEST
- より良いです
- の間に
- ブログ
- ボディ
- 両言語で
- 広い
- 予算
- ビルド
- 建物
- ビジネス
- by
- 計算された
- 計算する
- コール
- 呼び出し
- 缶
- 機能
- キャプチャー
- キャプチャ
- 場合
- センター
- センター
- 集中型の
- 課題
- 変化
- 選択
- クライアント
- クライアント
- クラウド
- コード
- コラム
- 組み合わせた
- コマンドと
- 企業
- コンポーネント
- コンポーネント
- 計算
- 接続
- 整合性のある
- からなる
- 領事
- 消費する
- 消費者
- 消費する
- 消費
- コンテンツ
- コントロール
- 制御
- controls
- 費用
- コスト
- 可能性
- 作ります
- 作成した
- カスタム
- Customers
- daily
- データ
- データサイエンス
- データストレージ
- 中
- 専用の
- 深く
- 定義します
- 定義済みの
- 否定された
- 部門
- によっては
- 展開します
- 展開
- 展開
- 配備する
- 説明する
- 記載された
- 設計
- 設計
- 目的地
- 詳細
- 細部
- 発展した
- 開発
- 開発チーム
- ダイアグラム
- 異なります
- 大きさ
- 直接に
- 話し合います
- 議論する
- do
- そうではありません
- ドント
- 各
- 前
- 簡単に
- 効果
- どちら
- 埋め込み
- EMEA
- enable
- 使用可能
- end
- 端から端まで
- エンドポイント
- 強化
- 確保
- 全体
- 環境
- 環境
- エラー
- 確立する
- さらに
- イベント
- 例
- 超えます
- 交換
- 既存の
- 体験
- 専門知識
- 説明
- 説明
- 探る
- 探る
- 表現します
- で
- おなじみの
- 家族
- File
- フィルタリング
- ファイナンシャル
- 金融業務
- フィット
- 柔軟性
- フロー
- フォーカス
- フォロー中
- 次
- 形式でアーカイブしたプロジェクトを保存します.
- フォーラム
- Foundation
- 基礎的な
- 財団
- フレームワーク
- フレームワーク
- 周波数
- 友達
- から
- フロント
- フロントエンド
- 完全に
- function
- 機能的な
- 機能性
- 機能
- さらに
- ゲートウェイ
- ゲートウェイ
- 生成された
- 生成
- 世代
- 生々しい
- 生成AI
- を取得
- GitHubの
- 与えられた
- Go
- ガバナンス
- 支配
- グループ
- ハンドル
- 出来事
- 持ってる
- 持って
- he
- ヘルスケア
- 高さ
- 助け
- ことができます
- 彼女の
- こちら
- ハイ
- 高性能
- 彼の
- ホスト
- 認定条件
- How To
- HTML
- HTTP
- HTTPS
- 何百
- ID
- 識別子
- 識別する
- アイデンティティ
- if
- 画像
- 影響
- 実装する
- 実装
- in
- include
- 含めて
- 個人
- 推測
- 情報
- インフラ
- 革新します
- 入力
- 説明書
- 統合する
- 統合
- 統合
- 対話
- 相互作用
- 相互作用
- インタフェース
- 内部
- に
- 呼び出された
- 分離
- 問題
- 発行
- IT
- リーディングシート
- ITS
- 旅
- JPG
- キー
- キー
- キッド
- ラボ
- ESL, ビジネスESL <br> 中国語/フランス語、その他
- 大
- 姓
- レイテンシ
- 層
- 層
- 主要な
- LEARN
- 学習
- レベル
- 生活
- 生命科学
- ような
- 好き
- 制限
- LINE
- ライン
- リストされた
- ローカル
- ロギング
- ロジック
- 見て
- のように見える
- たくさん
- で
- ロー
- 機械
- 機械学習
- 保守
- make
- 管理します
- マネージド
- 管理
- 管理する
- 多くの
- 地図
- 五月..
- メカニズム
- 大会
- 言及した
- Meta
- メソッド
- マイクロサービス
- マイクロサービス
- かもしれない
- MILAN
- ML
- モード
- モデル
- モニター
- 他には?
- 最も
- ずっと
- の試合に
- 自然
- 必要
- 必要
- 必要とされる
- ニーズ
- ネットワーキング
- 新作
- 数
- 数の
- 発生した
- of
- オファー
- on
- オンデマンド
- ONE
- の
- 開いた
- オープンソース
- 操作する
- 操作
- オプション
- or
- 注文
- 組織
- その他
- アウトライン
- 出力
- outputs
- が
- 自分の
- ページ
- パラメーター
- パラメータ
- 部
- 以下のために
- パフォーマンス
- パーミッション
- 場所
- 計画
- プラン
- プラットフォーム
- 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
- 方針
- プール
- ポスト
- 潜在的な
- パワード
- 先行
- 定義済み
- プレミアム
- プレゼント
- 前
- 前に
- 価格、またオプションについて
- 価格設定
- プライバシー
- プライベート
- 生産
- 製品
- プログラミング
- プログラミング言語
- プロジェクト
- 提案された
- 提供します
- 提供
- プロバイダ
- は、大阪で
- 提供
- 準備
- Python
- クエリー
- すぐに
- 上げる
- 範囲
- レート
- 読む
- 最近
- 参照する
- 参照
- 登録
- 登録
- 参加申し込み
- 規制する
- 関連した
- レポート
- 倉庫
- 表し
- 要求
- リクエスト
- 必要とする
- 要件
- 予約済み
- リソース
- 尊敬する
- それらの
- それぞれ
- 応答
- 責任
- REST
- 制限する
- return
- 収益
- 職種
- ルート
- ルール
- ラン
- 実行
- SaaSの
- 同じ
- 保存されました
- ド電源のデ
- 規模
- 秤
- シナリオ
- スケジュール
- 科学
- 科学
- スコープ
- セクション
- しっかりと
- セキュリティ
- を求める
- 自己
- 送る
- シニア
- 送信
- 別
- サーバレス
- サービス
- サービス
- セッションに
- セット
- シェアする
- shared
- 彼女
- 表示する
- 示す
- 簡単な拡張で
- 単純
- サイズ
- ソフトウェア
- サービスとしてのソフトウェア
- ソフトウェア開発
- 溶液
- ソリューション
- 一部
- ソース
- 特化
- 専門家
- 特定の
- 特に
- 仕様
- 指定の
- スピード
- 過ごす
- 支出
- 安定性
- スタック
- start
- ステップ
- ストレージ利用料
- 店舗
- 保存され
- 店舗
- 作戦
- サブネット
- 成功した
- そのような
- 十分な
- 確か
- テーブル
- ターゲット
- チーム
- チーム
- 技術的
- テクノロジー
- template
- テナント
- 期間
- 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
- 情報
- アプリ環境に合わせて
- それら
- 自分自身
- その後
- そこ。
- ボーマン
- 彼ら
- 物事
- この
- 数千
- 介して
- スループット
- 層
- 時間
- タイタン
- 〜へ
- トークン
- トークン
- トピック
- トータル
- 追跡する
- 追跡
- トラック
- true
- 2
- type
- 一般的に
- わかる
- ユニーク
- アンロック
- 更新しました
- 使用法
- つかいます
- 使用事例
- 中古
- ユーザー
- users
- 使用されます
- v1
- 値
- さまざまな
- バージョン
- バージョン
- 、
- 詳しく見る
- 視認性
- 可視化
- 視覚化する
- we
- ウェブ
- Webサービス
- Webソケット
- WELL
- この試験は
- 何ですか
- いつ
- which
- while
- 誰
- 幅
- 以内
- 無し
- 仕事
- ワークフロー
- ワーキング
- 作品
- でしょう
- 書きます
- 年
- You
- あなたの
- ゼファーネット