AWS Machine Learning Blog· Shantanu Tripathi·· 2 日前
Amazon SageMaker HyperPod Data Captureでモデル改善のフライホイールを構築
Build a model improvement flywheel with Amazon SageMaker HyperPod Data Capture
AI による要約
Amazon SageMaker HyperPodにData Capture機能が追加された。エンドポイント、ロードバランサー、モデルPodの3つの独立した階層でオンライン推論の入出力をAmazon S3に記録でき、モデルの可用性への影響はゼロだ。記事ではQwen2.5-3B-Instructを使った家電サポートのルーティングモデルを例に、Athenaでのクエリで新製品に対する盲点を発見し、SQLポリシーでラベル付けしてファインチューニングを実施、デプロイ後に新たに得たデータで前後の精度を比較している。
入選の記録
基準 60公式・一次情報1 回目 422 回目 58
入選せず二回の合計 100 < 基準の 2 倍 120
- 情報源の区分
- 公式・一次情報、この区分の基準は 60 点
- 予備審査
- 通過:SageMaker数据捕获与模型微调教程
採点はモデルが同じ基準で独立に二回行い、満点は 100。二回の合計が基準の 2 倍に届いたものだけが入選します。基準は情報源の区分ごとに決めています。
情報源:AWS Machine Learning Blog · aws.amazon.com