Learn more about Best Practices

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...

通过使用AWS Trainium,亚马逊搜索M5使LLM培训成本节省了30%

数十年来,亚马逊在机器学习(ML)领域中开创并创新,为其客户带来愉悦的体验从最早的时候起,亚马逊就运用ML来进行各种用例...

亚马逊蓝鸟SageMaker多模型终端使Veriff部署时间减少了80%

Veriff是一个身份验证平台合作伙伴,为创新型增长驱动型组织提供支持,包括金融服务、金融科技、加密货币、游戏、移动性和在...

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...

为环境可持续性优化生成式人工智能工作负载

为了进一步指导在AWS上优化深度学习工作负载的可持续性,本文提供了针对生成式AI工作负载的特定建议具体而言,我们提供了不同...

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...

数据科学的最佳实践,第一部分-测试您的查询

数据科学领域的根源可以追溯到数学、统计学和计算机科学尽管在过去几十年里发展迅猛,但真正重要的变革发生在过去的10-15年中...

FMOps/LLMOps:运用生成式人工智能的操作和与MLOps的区别

如今,我们的大多数客户都对大型语言模型(LLMs)充满兴奋,并思考如何利用生成式人工智能改变他们的业务然而,将这样的解决...

使用新的Amazon Kendra Alfresco连接器对您的Alfresco内容创建索引

Amazon Kendra是一种高度准确且易于使用的智能搜索服务,由机器学习(ML)驱动Amazon Kendra提供一套数据源连接器,简化了摄...

使用亚马逊SageMaker Hyperband自动模型调优,有效解决分布式训练收敛问题

近年来,深度学习神经网络(DNN)取得了惊人的增长这种增长可以从更准确的模型以及生成式人工智能的新可能性中看出:大型语言...

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...

使用Amazon SageMaker Python SDK从Amazon SageMaker离线特征存储构建适用于机器学习的数据集

Amazon SageMaker 功能存储是一项专为机器学习(ML)模型存储和检索特征数据而设计的服务Feature Store 提供了一个在线存储,...