Learn more about Advanced (300)

使用Amazon SageMaker Pipelines、GitHub和GitHub Actions构建端到端的MLOps流水线

机器学习（ML）模型并非独立运作为了产生价值，它们必须与现有的生产系统和基础设施集成，这需要在设计和开发过程中考虑整个M...

使用Amazon SageMaker JumpStart创建用于与LLMs交互的Web用户界面

ChatGPT的推出和生成型AI的流行引起了顾客们的遐想，他们对如何利用这项技术在AWS上创建新的产品和服务充满了好奇，比如更富...

Amazon SageMaker简化了为企业设置SageMaker域，以便使其用户能够加入SageMaker的过程

随着机器学习（ML）的普及程度扩大，组织机构正寻求高效可靠的方式来部署新的基础设施并将团队引入ML环境其中之一的挑战是根...

使用Amazon SageMaker轻松打包和部署经典ML和LLMs，第一部分：PySDK的改进

Amazon SageMaker是一项完全托管的服务，使开发人员和数据科学家能够快速轻松地构建、训练和部署机器学习（ML）模型，无论规...

“使用亚马逊SageMaker轻松打包和部署经典ML和LLMs，第2部分：SageMaker Studio中的交互式用户体验”

Amazon SageMaker是一项完全托管的服务，使开发人员和数据科学家能够快速轻松地构建、训练和部署大规模机器学习（ML）模型Sag...

使用Amazon SageMaker Data Wrangler简化生成式AI的数据准备

生成人工智能（生成AI）模型展示了生成高质量文本、图像和其他内容的令人印象深刻的能力然而，这些模型需要大量干净、结构化...

建立一个以运动代理模型（FM）为驱动的Amazon Bedrock客户服务机器人，并配备代理

从增强对话体验到代理人协助，生成式人工智能（AI）和基础模型（FMs）有很多方式可以提供更快、更好的支持随着基础模型的日益...

使用LangChain、Amazon SageMaker JumpStart和MongoDB Atlas语义搜索来增强检索生成

生成式AI模型有潜力改变企业运营，但企业必须仔细考虑如何利用它们的力量，同时要克服诸如保护数据和确保AI生成内容的质量等...

在亚马逊SageMaker上使用LoRA对Whisper模型进行微调

Whisper是一个自动语音识别（ASR）模型，它经过了使用来自网络的68万小时的监督数据进行训练，涵盖了多种语言和任务其中一个...

在亚马逊SageMaker JumpStart中流式传输大型语言模型响应

我们很高兴地宣布，Amazon SageMaker JumpStart现在可以流式传输大型语言模型（LLM）的推断响应令牌流式传输使您能够在生成模...

“通过Amazon SageMaker Canvas生成AI，赋予您的企业用户从公司文档中提取洞察力的能力”

企业寻求利用机器学习（ML）的潜力来解决复杂问题并改善业绩直到最近，构建和部署ML模型需要深层次的技术和编码技能，包括调...

使用亚马逊SageMaker功能存储，个性化您的生成型AI应用程序

在这篇文章中，我们阐述了将用户资料和项目属性结合起来利用LLMs生成个性化内容推荐的简单而强大的想法正如在整篇文章中所展...

在亚马逊SageMaker上进行强大的时间序列预测与MLOps

在数据驱动的决策世界中，时间序列预测是使企业能够利用历史数据模式来预测未来结果的关键无论您是在资产风险管理、交易、天...

一个基于生成式AI的解决方案，运用于亚马逊SageMaker，旨在帮助亚马逊欧洲设计与建设部门

亚马逊欧盟设计和建筑（Amazon D&C）团队是负责设计和建设欧洲和中东北非地区亚马逊仓库的工程团队项目的设计和部署过程...

用Amazon Comprehend自定义分类构建一个分类流水线（第一部分）

在这个多部分博客文章的第一部分中，您将学习如何创建一个可扩展的训练流水线，并为Comprehend Custom Classification模型准...

Amazon SageMaker简化了个人用户的Amazon SageMaker Studio设置

今天，我们很高兴地宣布 Amazon SageMaker 中简化的快速设置体验通过这种新功能，个人用户可以在几分钟内使用默认预设启动 Am...

Amazon SageMaker VPC Only模式支持使用自动关闭生命周期配置的SageMaker Studio和使用Terraform的SageMaker Canvas

Amazon SageMaker域支持SageMaker机器学习（ML）环境，包括SageMaker Studio和SageMaker CanvasSageMaker Studio是一个完全集...

使用Amazon SageMaker Pipelines构建机器学习工作流程的最佳实践和设计模式

在本文中，我们提供了一些最佳实践，以最大化SageMaker Pipelines的价值，并使开发体验无缝我们还讨论了构建SageMaker Pipeli...

使用TorchServe在GPU上运行多个生成式AI模型，并使用Amazon SageMaker多模型端点，可节省高达75%的推理成本

最近，生成式人工智能应用引起了广泛的关注和想象力客户希望在GPU上部署生成式人工智能模型，但同时也考虑成本SageMaker MME...

使用Amazon SageMaker、HashiCorp Terraform和GitLab CI/CD进行批量推理的MLOps，包括模型监控和重新训练

在这篇文章中，我们描述了如何使用Amazon SageMaker、Amazon EventBridge、AWS Lambda、Amazon Simple Notification Service...