SAGEMAKER in Japanese translation

• sagemaker

Examples of using Sagemaker in English and their translations into Japanese

DigitalGlobe is all in on AWS and uses Amazon SageMaker to handle machine learning at scale.
AWS上にあるDigitalGlobeでは、AmazonSageMakerを使用して機械学習を大規模に処理します。

The Amazon SageMaker object detection algorithm learns to draw bounding boxes and identify objects in the boxes.
AmazonSageMakerの物体検出アルゴリズムは、境界ボックスを描画し、ボックス内の物体を識別することを学習します。

Use Sagemaker to predict, forecast, or classify data points using machine learning algorithms on Looker data.
Lookerのデータに機会学習のアルゴリズムを適用し、SageMakerでデータポイントを予測、分類します。

AWS placed reinforcement learning in the hands of all developers for the first time with the announcement of Amazon SageMaker RL, AWS DeepRacer, and the AWS DeepRacer League.
AWSは、AmazonSageMakerRL、AWSDeepRacer、およびAWSDeepRacerLeagueの発表により、すべての開発者が初めて強化学習を行いました。

Customers using Amazon SageMaker can use optimized algorithms offered in Amazon SageMaker, to run fully-managed MXNet, TensorFlow, PyTorch, and Chainer algorithms, or bring their own algorithms and models.
AmazonSageMakerを利用するお客様は、AmazonSageMakerで最適化されたアルゴリズムを使い、フルマネージドなMXNet、Tensorflow、PyTorch、Chainerのアルゴリズムを実行させたり、独自のアルゴリズムやモデルを持ち込むことができます。

AWS also placed reinforcement learning in the hands of all developers for the first time with the announcement of Amazon SageMaker RL, AWS DeepRacer and the AWS DeepRacer League, it noted.
AWSは、AmazonSageMakerRL、AWSDeepRacer、およびAWSDeepRacerLeagueの発表により、すべての開発者が初めて強化学習を行いました。

Bezos said that Amazon has been working on figuring out a way to help its AWS customers build out machine learning capabilities, leading it to launch SageMaker a year and a half ago.
ベゾス氏によると、AmazonはAWSの顧客が機械学習機能を構築するのを支援する方策の考案を進めており、1年半前には「セージメーカー（SageMaker）」をローンチした。

Amazon SageMaker simplifies machine learning, helping our development teams to build models for predictions that create new connections that otherwise might have never been possible.”.
AmazonSageMakerは、機械学習を簡略化し、当社の開発チームが、通常では不可能な新しいつながりを作る予測モデルを構築するうえで役立ちます」。

Support for VPC resources in training and hosting also allows you to use VPC Flow Logs to monitor all traffic flowing in and out of the Amazon SageMaker algorithms and models.
トレーニングおよびホスティングにおけるVPCリソースのサポートによって、VPCフローログを使用して、AmazonSageMakerのアルゴリズムとモデルの間を行き来するすべてのトラフィックをモニタリングすることもできます。

Amazon SageMaker handles 5,000 API requests a day for Regit, seamlessly scaling and adjusting to relevant data requirements and managing the delivery of lead scoring results.
Regitは、AmazonSageMakerを使用し、1日に5,000件のAPIリクエストを処理して、関連するデータ要件に合わせたスケーリングと調整をシームレスに行い、見込み客のスコアリング結果の提示を管理しています。

Intuit is all in on AWS and uses Amazon SageMaker to train its machine-learning models quickly and at scale, cutting the time needed to deploy the models by 90 percent.
IntuitはAWSを最大限に活用しており、AmazonSageMakerを使用して機械学習モデルを短期間で大規模にトレーニングし、モデルのデプロイに必要な時間を90パーセント削減しました。

Starting today, SageMaker adds support for many new instance types, local testing with the SDK, and Apache MXNet 1.1.0 and Tensorflow 1.6.0.
本日を皮切りに、SageMakerは多くの新しいインスタンスタイプ、SDKを使ったローカルテスト、そしてApacheMXNet1.1.0およびTensorflow1.6.0のサポートを追加します。

They used Amazon SageMaker to train and optimize the model, and then exported it using Amazon SageMaker's modular nature to run using Amazon EC2.
また、AmazonSageMakerを使用してモデルのトレーニングと最適化を行ってから、AmazonSageMakerのモジュールの特性を使用してエクスポートし、AmazonEC2を使用して実行しました。

Amazon SageMaker can automatically tune your model by adjusting thousands of different combinations of algorithm parameters, to arrive at the most accurate predictions the model is capable of producing.
この機能によって、AmazonSageMakerは何千ものアルゴリズムパラメーターを調節してモデルを自動的にチューニングし、モデルが出し得る最も正確な予測に到達することができます。

To solve this challenge, Amazon Rekognition for text recognition, and Amazon SageMaker enabled us to build our own Machine Learning solution to further identify the racers' bib-numbers, in near real-time.”.
この課題を解決するため、AmazonSageMakerに加えて、テキスト認識のためにAmazonRekognitionを使用することで、当社独自の機械学習ソリューションを構築し、ほぼリアルタイムで選手のゼッケン番号を識別できるようになりました」。

Amazon SageMaker also includes built-in A/B testing capabilities to help you test your model and experiment with different versions to achieve the best results.
また、AmazonSageMakerには、A/Bテスト機能も組み込まれており、モデルをさまざまなバージョンでテストし、試して、最良の結果を得るのに役立ちます。

To help select your machine learning(ML) algorithm, Amazon SageMaker comes with the most common ML algorithms that are pre-installed and performance-optimized.
機械学習(ML)アルゴリズムの選択を支援するために、AmazonSageMakerには、インストール済みでパフォーマンスが最適化された最も一般的なMLアルゴリズムが付属しています。

It plays an important role in ML too, and we're making it easier by adding Git integration and visualization to Amazon SageMaker.
それはMLでも重要な役割を果たしており、Gitの統合と視覚化をAmazonSageMakerに追加することで、簡単に作成しています。

For example, you could use Amazon SageMaker endpoints to power a website that can automatically generate predictions on scheduled future games, simulate the 2018 NCAA tournament, and respond to user input for hypothetical matchups.
たとえば、AmazonSageMakerエンドポイントを使ってウェブサイトを補強することによって、予定されている今後の試合に関する予測を自動的に生成したり、2018NCAAトーナメントをシミュレートしたり、仮定の対戦に関するユーザ入力に対応したりすることができるようになります。

Amazon SageMaker is a fully-managed service that covers the entire machine learning workflow to label and prepare your data, choose an algorithm, train the model, tune and optimize it for deployment, make predictions, and take action.
AmazonSageMakerはMLワークフロー全体をカバーする完全マネージドサービスで、データをラベル付けして作成し、アルゴリズムを選択し、モデルをトレーニングし、デプロイのために調整と最適化を行い、予測を立て、アクションを実行します。