DataStrategyOffice https://blog.hatena.ne.jp/DataStrategyOffice/ レバレジーズ データAIブログ https://analytics.leverages.jp/ はじめに レバレジーズで機械学習エンジニアをしている稲垣です。 現在、とあるシステムにレコメンド機能を導入するプロジェクトを担当しています。 その中で、システムにSageMakerの新しめの機能をうまく活用できたので、その紹介をしたいと思います。 ぶつかった課題感 今回担当したレコメンドの主な要件は以下でした。 レコメンドの更新頻度は日次でOK レコメンドを必要とするシステムAから、レコメンドサーバ(今回の開発対象)に日次でリクエストが来るので、そのリクエストに応じてレコメンドデータを返す レコメンドサーバの実装方法の大きな分類としては「バッチ推論」と「リアルタイム推論」の 2 つがありますが… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fanalytics.leverages.jp%2Fentry%2F2025%2F09%2F10%2F180000" title="システムをシンプルにするための攻めのリアルタイム推論導入 ―― SageMaker Endpointのscale to zero機能 - レバレジーズ データAIブログ" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/D/DataStrategyOffice/20250910/20250910145955.png Hatena Blog https://hatena.blog 2025-09-10 18:00:00 rich https://analytics.leverages.jp/entry/2025/09/10/180000 1.0 100%