AWS

SageMakerの利用者ごとに“この人は学習ジョブOK”などの権限を分かりやすく作れる管理機能。IAMポリシーを意識せずGUIでロール設定できるから、データサイエンティストも扱いやすい。

ユーザーがカスタマイズした3Dシーンをエクスポートして再利用できる機能。似たような環境で複数ロボットを試したいとき、いちいち作り直さず世界データをコピーできるんだ。

地理空間データ(衛星画像など)をSageMakerで機械学習処理できる拡張。画像分類や土地利用判定をクラウド上で大規模に実施できるから、地理情報系AIを開発しやすくなるんだ。

複数アカウントでVPCサブネットやLicense Manager情報を共有するとき、この仕組みで操作する。組織単位で共有設定をやれば、個別アカウント間のややこしい連携が要らないんだ。

SnowflakeにあるデータもData Wranglerで直接取り込み、可視化＆前処理できる機能。クラウドDWHと連携がスムーズになり、大量データを簡単にMLに回せるんだ。

RoboMakerでJetson Nanoを使った小型ロボ“JetBot”のサンプルがあり、ライン追従や物体回避などを学べる。クラウドシミュレーションと実機の連動が学習に最適なんだ。

学習済みモデルをバージョン管理し、誰がいつ作ったかや精度などを記録するリポジトリ。承認ワークフローを経て本番デプロイできるので、チーム開発でも混乱しにくいんだ。

リアルタイム推論で必要な特徴量を低レイテンシで取り出せる高速ストア。ユーザーが来た瞬間に特徴を引いてモデルに投げる、といった場面で便利なんだ。

推論用エンドポイントのインスタンスタイプやオートスケール設定をテストし、最適な構成を提案してくれる機能。コストと応答速度のバランスをAIが見つけてくれるんだ。

定番の機械学習モデルやノートブックをテンプレとして用意し、クリックだけで学習やデプロイを試せる機能。画像分類や文章解析などよくあるタスクをすぐに動かせるんだ。