Learn more about Advanced (300) - Section 2

使用由Amazon Lex提供支持的Amazon Kendra和大型语言模型的AWS解决方案，在AWS上部署自助式问答QnABot

由Amazon Lex驱动，AWS上的QnABot解决方案是一个开源的、多渠道、多语言的对话式聊天机器人QnABot可以让您快速部署自助式对话...

使用Amazon SageMaker上的联邦学习，使用分散的训练数据进行机器学习

在这篇文章中，我们讨论如何在Amazon SageMaker上实现联邦学习，以便在分散的训练数据上运行机器学习

使用Amazon CloudWatch构建一个集中监控和报告解决方案，用于Amazon SageMaker

在本文中，我们介绍了一个跨账户可观察性仪表板，它为监控SageMaker用户活动和跨多个账户的资源提供了一个集中视图它允许最终...

使用Amazon SageMaker扩展数千个机器学习模型的训练和推理

训练和服务数千个模型需要一个强大且可扩展的基础设施，而这正是亚马逊SageMaker的所长所在SageMaker是一个完全托管的平台，...

释放创造力：如何利用生成式人工智能和Amazon SageMaker帮助企业在AWS上为营销活动生成广告创意

广告机构可以使用生成式人工智能和文本到图像基础模型来创建创新的广告创意和内容在这篇文章中，我们演示了如何使用亚马逊Sag...

使用Amazon SageMaker探索医疗摘要选项

在当今快速发展的医疗环境中，医生面临着来自各种来源的大量临床数据，如护理记录、电子健康记录和影像报告这些丰富的信息对...

在Amazon SageMaker上构建蛋白质折叠工作流，加速药物发现

药物研发是一个复杂而长期的过程，涉及筛选成千上万个药物候选物，并使用计算或实验方法来评估引物根据麦肯锡的数据，一种药...

通过使用AWS Inferentia2，最大化稳定扩散性能并降低推理成本

由于其在创建逼真文本、图像、代码和音频方面的出色能力，生成式人工智能模型在最近几个月中经历了快速增长在这些模型中，稳...

使用Amazon SageMaker Jumpstart预测车队故障概率

预测性维护在汽车行业中至关重要，因为它可以避免突发的机械故障和破坏运营的被动维护活动通过预测车辆故障并安排维护和修理...

如何Earth.com和Provectus使用Amazon SageMaker实现其MLOps基础架构

本博客文章与Provectus的Marat Adayev和Dmitrii Evstiukhin共同撰写当机器学习（ML）模型被部署到生产环境并用于推动业务决策...

使用FastAPI、AWS Lambda和AWS CDK部署大型语言模型的无服务器ML推理端点

对于数据科学家来说，将机器学习（ML）模型从概念验证移至生产通常是一个重大挑战其中主要挑战之一可能是将表现良好的本地训...

增强代理生产力，使用Salesforce集成进行实时通话分析

作为联系中心的代理人，您更愿意专注于进行富有成效的客户交流，还是因不得不查找可能存在于各种系统中的客户信息和知识文章...

使用Active Directory组特定的IAM角色将用户引入Amazon SageMaker Studio

Amazon SageMaker Studio是一个基于Web的集成开发环境（IDE），用于机器学习（ML），它使您能够构建、训练、调试、部署和监视...

使用Amazon Translate Active自定义翻译构建多语言自动翻译流程

《动手学深度学习》(D2L.ai)是一本开源教材，让深度学习变得更易于理解它包含了使用PyTorch、JAX、TensorFlow和MXNet的互动Ju...

重新定义数据体验：使用生成式人工智能和现代数据架构来解锁洞见

实现现代数据架构提供了一种可扩展的方法，用于整合来自不同来源的数据通过按业务领域而非基础架构组织数据，每个领域可以选...

在Amazon SageMaker上使用Triton托管ML模型：ONNX模型

ONNX（Open Neural Network Exchange）是一个开源标准，用于表示深度学习模型，被许多提供商广泛支持ONNX提供了用于优化和量...

使用SageMaker Python SDK配置和使用Amazon SageMaker资源的默认值

Amazon SageMaker Python SDK是一个开源库，用于在Amazon SageMaker上训练和部署机器学习（ML）模型像医疗保健和金融等受严密...

使用 AWS Trainium 实例驱动的 Amazon ECS 扩展您的机器学习工作负载

使用容器来运行机器学习（ML）工作负载正变得越来越普遍容器不仅可以完全封装您的训练代码，还可以封装整个依赖堆栈，包括硬...

使用Amazon SageMaker在自定义数据集上实现多目标跟踪解决方案

视频分析中对多目标跟踪（MOT）的需求在许多行业中显著增加，如现场体育、制造业和交通监控例如，在现场体育中，MOT 可以实时...

使用Hugging Face和LoRA在单个Amazon SageMaker GPU上训练大型语言模型

这篇文章是与 Hugging Face 的 Philipp Schmid 共同撰写的我们都听说过大型语言模型（LLMs）领域正在取得的进展以及越来越多...