Learn more about Intermediate (200)
Vodafone利用AWS DeepRacer和Accenture提高了其机器学习技术水平
Vodafone计划在2025年由一家电信公司(电信公司)转型为一家技术公司(TechCo),旨在更加创新、降低成本、提高安全性和简化...
提升开发者的生产力:德勤公司如何利用Amazon SageMaker Canvas进行无代码/低代码机器学习
在今天以数据为驱动的世界中,快速建立和部署机器学习(ML)模型的能力变得越来越重要然而,构建ML模型需要大量时间、精力和...
使用SageMaker Canvas模型排行榜建立和评估具有高级配置的机器学习模型
亚马逊SageMaker Canvas是一个无需编码的工作空间,使分析师和公民数据科学家能够为业务需求生成准确的机器学习(ML)预测从...
使用Amazon SageMaker的路由策略来最小化实时推理延迟
亚马逊SageMaker使得部署实时推理的机器学习(ML)模型变得简单,并提供了多种选择的ML实例,包括CPU和加速器,如AWS Inferen...
新推出的代码编辑器,基于Code-OSS VS Code开源,现在可在Amazon SageMaker Studio中使用
今天,我们很高兴宣布为Amazon SageMaker Studio提供Code Editor的支持 Code Editor基于Code-OSS,Visual Studio Code的开源...
SnapLogic如何利用Amazon Bedrock构建了一个文本转换应用程序,将商业意图转化为行动
这篇文章是与SnapLogic的首席科学家Greg Benson、高级产品经理Aaron Kesler和企业解决方案架构师Rich Dill共同撰写的许多客户...
使用Amazon Bedrock和Amazon Location Service的地理生成人工智能
今天,地理空间工作流通常包括加载数据,转换数据,然后生成地图、文字或图表等视觉洞察结果生成式人工智能可以通过自主代理...
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...
Amazon Textract的新版面功能在通用目的和生成型AI文件处理任务中引入了效率
Amazon Textract 是一项机器学习(ML)服务,可以自动从任何文档或图像中提取文本、手写和数据AnalyzeDocument Layout 是一个...
利用大型语言模型进行假新闻检测
假新闻被定义为传播或包含虚假、捏造或故意误导信息的新闻,早在印刷术出现之初就有存在虚假新闻和网络虚假信息的迅速传播不...
用亚马逊个性化推荐和生成式人工智能提升您的营销解决方案
生成式人工智能正在改变企业的商业方式组织正在使用人工智能来提升基于数据的决策、增强全渠道体验并推动下一代产品开发企业...
使用无代码机器学习,利用亚马逊SageMaker Canvas情感分析和文本分析模型从产品评论中得出洞见
根据Gartner的数据,85%的软件买家与个人推荐一样信任在线评论顾客会通过多种渠道提供对他们购买的产品的反馈和评论,包括评...
使用AWS Trainium进行快速且经济高效的LLaMA 2微调
大型语言模型(LLM)已经引起了开发人员、科学家、技术人员、企业家和各行各业的高管的想象和关注这些模型可以用于问答、摘要...
使用Amazon SageMaker Canvas UI和AutoML API,将时间序列预测速度提升高达50%
我们很高兴地宣布,Amazon SageMaker Canvas 现在提供了一种更快、更用户友好的方式来创建时间序列预测的机器学习模型SageMak...
在Amazon QuickSight中使用词云可视化Amazon Comprehend分析
在一个自由形式文本文档的存储库中寻找洞察力就像在大海捞针一样困难传统的方法可能是使用词频统计或其他基本分析来解析文档...
使用亚马逊SageMaker模型卡片共享来改进模型治理
作为ML治理的一部分,Amazon SageMaker Model Cards是可用的工具之一,它能够通过集中和标准化模型生命周期中的文档,创建模...
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...
将Amazon SageMaker模型卡与模型注册表集成
Amazon SageMaker模型卡片使您能够规范模型的文档编写,从而实现对模型的生命周期(包括设计、构建、训练和评估)的可见性模...
使用LLMs增强Amazon Lex,并通过URL摄取来改善FAQ体验
在今天的数字世界中,大多数消费者宁愿自己找到客户服务问题的答案,而不愿花时间与企业和/或服务提供商联系本博文探讨了在亚...
使用LLMs增强亚马逊Lex的对话式FAQ功能
亚马逊 Lex 是一项服务,允许您快速轻松地构建对话式机器人(“聊天机器人”),虚拟代理和交互式语音响应(IVR)系统,用于像...
- You may be interested
- 在PowerBI中使用Power Query进行数据处理
- 红队测试大型语言模型
- 合成字幕对于多模态训练是否有用?这篇AI...
- 2023年数据科学家必备的前十个AI Chrome扩...
- 跟踪Python的会话内存使用情况:使用Tracemem
- “遇见BLIVA:一种多模态大型语言模型,用...
- “生成式人工智能的现代MLOps平台
- GPT-4的提示效果性:比较Dash、Panel和Str...
- GPT-4的演变:轻松打造Python Plotly仪表盘
- 对生成式人工智能负责任使用的紧迫需求
- 应用机器学习方法搜索铁轨缺陷(第2部分)
- “研究团队推动神经形态计算向前迈进一步”
- 生成型人工智能是否值得其环境足迹?̵...
- 《纽约时报》考虑对OpenAI提起诉讼
- 认识JourneyDB:一个包含400万多样化和高...