メインコンテンツへジャンプ
<
ページ 7
>

Databricks Marketplaceのパワーをメディアとエンターテイメントに解放する - featuring LiveRamp

June 5, 2023 ブライアン・サフトラー による投稿 in 業界
Original: Unleashing the Power of the Databricks Marketplace for Media and Entertainment - featuring LiveRamp 翻訳: junichi.maruyama 今日のデータ主導の状況において、企業はデータを統合し、オーディエンスのプロフィールを豊かにする有意義なインサイトを導き出すという課題に直面しています。従来のデータ統合手法では、複雑さや非効率さを招き、うまくいかないことも少なくありません。しかし、新しい Databricks Marketplace で利用できる主要なデータ連携プラットフォームであるLiveRampと、Databricks Lakehouseの変革的な機能により、組織はデータ集約を簡素化し、データセット間のオーディエンスを容易に結びつけることができます。 データアグリゲーションへの挑戦...

Cleanlab Studioを使ったより良いデータでより良いLLMを

June 1, 2023 Anish Athalye による投稿 in 業界
Original: Better LLMs with Better Data using Cleanlab Studio 翻訳: junichi.maruyama この投稿とそれに付随する ノートブック と チュートリアルビデオ は、 Cleanlab Studio を使用して、大規模言語モデル(LLM、基礎モデルとも呼ばれる)のパフォーマンスを、それらが微調整されるデータを改善することによって改善する方法( Data-centric AI (DCAI)とも呼ばれるアプローチ)を示します。事例として、LLMの最も一般的な使用例の1つである、テキスト分類のためのモデルのファインチューニングを、Stanford politeness...

グレート・アンロック: 製造業における大規模言語モデル

May 30, 2023 Sam Steinyシヴ・トリサル による投稿 in 業界
Original: The Great Unlock: Large Language Models in Manufacturing 翻訳: junichi.maruyama 製造業は、自動化を進め、オペレーションを可視化し、製品・技術開発を加速させるための新しい方法を常に模索しています。そのため、企業は常に深い技術的進歩の最前線にいることが求められます。製造業で最近見られる技術的進歩のひとつに、Generative AI、特にLarge Language Models(LLM)の利用があります。Generative AIは、既存のデータから認識したパターンに基づいて新しいユニークなデータを作成することができますが、LLMはさらに一歩進んで、複雑な情報を理解・整理し、人間のような対話を生成する能力を備えています。 製造業では、接続された車両、工場、建物、作業員によって生成される大量の複雑な非構造化データ(センサー、画像、ビデオ、テレメトリ、LiDARなど)が発生しますが、その多くは、データをリアルタイムでストリー

MMMとは何か、なぜマーケターにとって重要なのか?

Original: What is a MMM and why does it matter for marketers? 翻訳: junichi.maruyama MMM(Marketing or Media Mix Modeling)とは、企業が複数のチャネルにまたがるマーケティングキャンペーンの効果を特定・測定するためのデータ駆動型の方法論です。MMMの目的は、企業が広告やマーケティング戦略について十分な情報に基づいた意思決定を行うことを支援することです。MMMは、テレビ、ソーシャルメディア、Eメールマーケティングなど、さまざまなチャネルのデータを分析することで、どのチャネルが売上やその他のビジネス成果に最も貢献しているかを判断します。外部イベントや指標を含めることで、意思決定者は外部要因(祝日、経済状況、天候など)の影響をよりよく理解し、広告費だけの影響を誤って過大評価することを防ぐことができます。 MMMを使用することで、企業はどのマーケティングチャネルが最もエンゲージメント、売上、または収益を促進して

企業のAI化を真の意味で加速する「モデルリスクマネジメント」

EYのMario Schlener、Wissem Bouraoui、Tarek Elguebalyには、このジャーニーを通してのサポート、このブログとソリューションアクセラレータへの貢献に対して特別な感謝を申し上げます。 Original: Model Risk Management, a true accelerator to corporate AI 翻訳: junichi.maruyama モデルリスク管理(MRM) - 金融サービス業界の多くのモデル開発者やデータサイエンティストにこれほどの不安をもたらす3文字の頭字語は稀である。MRMは、ガバナンスとコンプライアンスチームが、誤ったモデルや誤用されたモデルによって引き起こされる悪影響を慎重に特定し、軽減するための規律である。人工知能(AI)や機械学習(ML)モデルに限らず、AI/MLモデルは銀行で管理されているモデルのごく一部であり、その範囲はエンドユーザーのコンピューティングアプリケーション、複雑な統計パッケージ、ルールベースのプロセスにも容易に及ぶ。

カスタマーサービスとサポートで大規模言語モデル革命を推進する

Original : Driving a Large Language Model Revolution in Customer Service and Support 翻訳: junichi.maruyama 独自のLLM対応ボットを作りたいですか?エンドツーエンドのソリューションアクセラレータを こちら からダウンロードしてください OpenAI’s ChatGPT , Google’s Bard...

Apache SparkによるCOMTRADEファイルを用いたグリッドエッジ分析の高速化

この ソリューションアクセラレータ とブログは、シュナイダーエレクトリック社との共同作業により作成されました。Schneider Electric Distinguished Technical Expert であり、COMTRADE-2013 規格の改訂に焦点を当てた IEEE/IEC Dual Logo Maintenance Team の幹事を務める Dan Sabin 氏に、その専門知識を提供していただいたことに感謝します。 Original : Accelerating Grid-Edge Analytics...

機密データを保護するために、HabuとDatabricksはどのように連携しているか

May 16, 2023 Lauren Kaufman による投稿 in 業界
Original : How Habu Integrates With Databricks to Protect Sensitive Data 翻訳: saki.kitaoka 先日、 Databricks との提携を発表( announce )し、すべてのLakehouseにマルチクラウドデータクリーンルームコラボレーション機能を提供することを発表しました。Databricksとの統合は、 Databricks's Lakehouse technology とHabuのクリーンルームオーケストレーションプラットフォームの長所を組み合わせ、クラウドやデータプラットフォーム間でのコラボレーションを可能にし、コラボレーションによるデータサイエンス作業のアウトプットをビジネス関係者に提供するものです。このブログポストでは、以下の質問に答えることで、HabuとDatabricksがどのようにこれを実現しているかを説明します: データクリーンルームとは何ですか?...

レイクハウスが保険業界のカスタマーサービス分析にNLPを活用した理由

Original : How Lakehouse powers NLP for Customer Service Analytics in Insurance 翻訳: junichi.maruyama Download the Databricks Insurance NLP Solution Accelerator はじめに 現在の経済・社会情勢は、お客様の期待や嗜好を再定義しています。社会はデジタル化を余儀なくされ、それは保険会社における顧客サービスにも及んでいます。...

クラスターポリシー オンボーディング入門

May 11, 2023 Anindita MahapatraStephen Carman による投稿 in 業界
Original : Cluster Policy Onboarding Primer 翻訳: junichi.maruyama はじめに このブログは、Databricks環境を管理・維持するために重要なトピックに焦点を当てる「Admin Essentials」シリーズの一部です。 ワークスペース組織 、 ワークスペース管理 、 UCオンボーディング 、 コスト管理 のベストプラクティスについては、以前のブログをご覧ください! データは、洞察に変換されて初めて有用なものとなります。データの民主化とは、過度なプロセスのボトルネックや、高価で恥ずかしい失敗をすることなく、データを付加価値を与えることができる人々の手に届けるセルフサービスプロセスである。例えば、若手のデータアナリストが「SELECT * from <massive...