Press "Enter" to skip to content

62 search results for "Amazon Simple Storage Service"

如何使用AWS原型实现ICL-Group在Amazon SageMaker上构建计算机视觉模型

这是由ICL和AWS员工共同撰写的客户帖子ICL是一家总部位于以色列的跨国制造和采矿公司,以独特矿物为基础生产产品,并满足人类的基本需求,主要涉及农业、食品和工程材料三个市场他们的采矿场地使用必须进行监控的工业设备

Leave a Comment

How Getir通过使用Amazon SageMaker和AWS Batch将模型训练时间缩短了90%

这是一篇由Nafi Ahmet Turgut, Hasan Burak Yel和Damla Şentürk从Getir共同撰写的嘉宾文章成立于2015年,Getir已经将自己定位为极速杂货配送领域的开拓者这家创新科技公司通过“几分钟即送”的引人入胜的服务,革新了最后一公里配送领域随着一个…

Leave a Comment

使用API计划Amazon SageMaker笔记本任务并管理多步骤笔记本工作流程

亚马逊SageMaker Studio为数据科学家提供了完全托管的解决方案,可以交互式地构建、训练和部署机器学习(ML)模型亚马逊SageMaker笔记本作业允许数据科学家在SageMaker Studio中通过几次点击按需或按计划运行其笔记本有了这次发布,您可以以编程方式运行笔记本作业[…]

Leave a Comment

用无代码Amazon SageMaker Canvas在Salesforce Data Cloud上民主化机器学习

本文由Salesforce Einstein AI产品总监Daryl Martis共同撰写这是一系列讨论Salesforce Data Cloud与Amazon SageMaker集成的第三篇文章在第一部分和第二部分中,我们展示了Salesforce Data Cloud和Einstein Studio与SageMaker的集成如何使企业能够访问他们的数据

Leave a Comment

使用新的Amazon SageMaker容器提升LLMs的推理性能

今天,Amazon SageMaker推出了Large Model Inference (LMI) Deep Learning Containers (DLCs)的新版本(0.25.0),并新增了对NVIDIA的TensorRT-LLM Library的支持借助这些升级,您可以轻松访问最先进的工具,优化SageMaker上的大型语言模型(LLMs),并获得价格性能优势——Amazon SageMaker LMI TensorRT-LLM DLC将延迟降低了33% […]

Leave a Comment

Amazon EC2 DL2q实例现已全面推出,用于经济高效的高性能人工智能推断

这是一篇由来自高通AI的A.K Roy所撰写的客座文章亚马逊弹性计算云(Amazon EC2)DL2q实例由高通AI 100标准加速器提供动力,可用于在云端高效部署深度学习(DL)工作负载它们还可用于开发和验证DL工作负载的性能和准确度

Leave a Comment

使用预选算法在Amazon SageMaker自动模型调整中实现定制的AutoML作业

AutoML可以让您在机器学习(ML)项目的生命周期初期就能从数据中快速得出一般性见解提前了解哪些预处理技术和算法类型能够提供最佳结果,能够减少开发、训练和部署正确模型所需的时间它在每个模型的开发过程中起着至关重要的作用[…]

Leave a Comment

使用Amazon SageMaker JumpStart来调试和部署Mistral 7B

今天,我们很高兴宣布能够使用Amazon SageMaker JumpStart对Mistral 7B模型进行微调您现在可以使用Amazon SageMaker Studio UI进行几次点击或使用SageMaker Python SDK对SageMaker JumpStart上的Mistral文本生成模型进行微调和部署基础模型在生成任务中表现非常出色,[…]

Leave a Comment

使用Amazon Personalize实时实施个性化推荐

在基本层面上,机器学习(ML)技术通过对数据的学习来进行预测企业使用ML技术提供的个性化服务来提升客户体验这种方法使企业能够利用数据来获得可操作的见解,并帮助增加收入和品牌忠诚度亚马逊个性化服务利用机器学习加速您的数字化转型,[…]

Leave a Comment

扩展规模下的机器学习生命周期管理,第一部分:使用Amazon SageMaker设计机器学习工作负载的框架

每个规模和行业的客户都在AWS上通过将机器学习(ML)融入其产品和服务来进行创新生成式AI模型的最新发展进一步加快了各行业对于采用ML的需求然而,实施安全、数据隐私和治理控制仍然是客户在实施ML时面临的主要挑战

Leave a Comment

使用Amazon SageMaker上的多模型模型构建一个图像到文本生成AI应用程序

在本篇文章中,我们将提供流行的多模态模型概述我们还将演示如何在Amazon SageMaker上部署这些预训练模型此外,我们还将讨论这些模型的各种应用,特别侧重于一些现实场景,如电子商务中的零样本标签和属性生成,以及从图像中自动生成提示语

Leave a Comment

VirtuSwap如何利用Amazon SageMaker Studio自定义容器和AWS GPU实例加速基于pandas的交易模拟

这篇文章是与VirtuSwap的Dima Zadorozhny和Fuad Babaev合作撰写的VirtuSwap是一家初创公司,专注于开发区块链上资产去中心化交换的创新技术VirtuSwap的技术为那些没有直接配对的资产提供更高效的交易方式缺乏直接配对导致间接交易成本高昂,[…]

Leave a Comment

在Arup使用Amazon SageMaker地理空间能力设计具有韧性的城市

这篇文章是与来自Arup的Richard Alexander和Mark Hallows共同撰写的Arup是一个全球的设计师、顾问和专家团队,致力于可持续发展数据是Arup为客户提供服务的基础,通过世界级的数据收集和分析,提供洞察力以产生影响本文介绍的解决方案是为弹性城市的决策过程提供指导

Leave a Comment

使用Amazon SageMaker编排基于Ray的机器学习工作流程

随着客户尝试解决越来越具有挑战性的问题,机器学习(ML)变得越来越复杂这种复杂性通常会导致对分布式ML的需求,即使用多台机器来训练一个模型尽管这可以实现跨多个节点的任务并行化,从而加快训练时间、提高可伸缩性和改进[…]

Leave a Comment

通过在Amazon SageMaker上使用Hugging Face进行电子邮件分类,加速客户成功管理

在这篇文章中,我们分享了SageMaker如何帮助Scalable的数据科学团队高效地管理数据科学项目的生命周期,特别是电子邮件分类器项目生命周期从使用SageMaker Studio进行初始阶段的数据分析和探索开始,然后通过SageMaker训练、推理和Hugging Face DLCs进行模型实验和部署,并最终通过与其他AWS服务集成的SageMaker Pipelines完成训练流程

Leave a Comment

使用Amazon Textract和Amazon OpenSearch实现智能文档搜索索引

在本文中,我们将带您快速构建和部署一个文档搜索索引解决方案,帮助您的组织更好地利用和提取文档中的见解无论您是人力资源部门在寻找员工合同中的特定条款,还是财务分析师在翻阅大量发票以提取付款数据,这个解决方案都旨在赋予您以前所未有的速度和准确性访问所需信息的能力

Leave a Comment

使用Amazon SageMaker JumpStart,利用生成式AI和RAG构建安全的企业应用程序

在这篇文章中,我们使用AWS Amplify构建了一个安全的企业应用程序,该应用程序调用了Amazon SageMaker JumpStart基础模型、Amazon SageMaker端点和Amazon OpenSearch服务,以解释如何创建文本到文本或文本到图像以及检索增强生成(RAG)您可以使用本文作为参考,使用AWS服务在生成AI领域构建安全的企业应用程序

Leave a Comment

Persistent Systems通过Amazon CodeWhisperer塑造软件工程的未来

全球数字工程提供商Persistent Systems已经与Amazon CodeWhisperer进行了多次试点和正式研究,这些试点和研究指出软件工程、生成式人工智能驱动的现代化、负责任的创新等方面发生了变化本文重点介绍了Persistent与Amazon CodeWhisperer实验中出现的四个主题,这些主题可能会改变我们所知的软件工程

Leave a Comment

使用Amazon SageMaker Clarify在临床环境中解释医疗决策

在这篇文章中,我们展示了如何使用Amazon SageMaker Clarify来改进临床环境中的模型可解释性在医学领域中使用的机器学习(ML)模型的可解释性变得越来越重要,因为为了获得认可,这些模型需要从多个角度进行解释这些角度包括医学、技术、法律和最重要的——患者的角度在医学领域中,基于文本开发的模型在统计学上已经变得准确,然而,为了为每个病人提供最佳护理,临床医生在伦理上要求评估与这些预测相关的弱点为了让临床医生能够根据每个病人的情况做出正确的选择,这些预测的可解释性是必需的

Leave a Comment

使用Amazon Redshift中的数据,利用Amazon SageMaker特征存储在规模上构建机器学习功能

Amazon Redshift是最受欢迎的云数据仓库,每天被数以万计的客户用于分析数十亿字节的数据许多从业人员正在使用Amazon SageMaker扩展这些Redshift数据集,以便进行机器学习(ML),其要求是在离线环境中以代码的方式开发功能[…]

Leave a Comment

在Amazon SageMaker上使用LLMs实现智能视频和音频问答,并提供多语言支持

在日益数字化的世界中,数字资产是企业产品、服务、文化和品牌身份的重要视觉表现数字资产与记录的用户行为一起,可以通过提供互动和个性化体验来促进客户参与,使公司能够与目标受众更深入地连接高效地发现和搜索特定的数字资产[…]

Leave a Comment

在Amazon SageMaker Studio上托管Spark UI

亚马逊SageMaker提供了几种运行Apache Spark分布式数据处理作业的方式,Apache Spark是一种流行的用于大数据处理的分布式计算框架您可以通过将SageMaker Studio笔记本和AWS Glue交互式会话连接起来,在Amazon SageMaker Studio中交互式地运行Spark应用程序,并使用无服务器集群运行Spark作业通过交互式会话,您可以[…]

Leave a Comment

使用Amazon SageMaker和Salesforce Data Cloud集成,为您的Salesforce应用程序提供AI/ML功能

这篇文章由Daryl Martis(Salesforce Einstein AI产品总监)共同撰写这是一系列讨论Salesforce Data Cloud与Amazon SageMaker集成的第二篇文章在第一篇中,我们展示了Salesforce Data Cloud和Einstein Studio与SageMaker的集成,使企业能够安全地访问其Salesforce数据

Leave a Comment

使用生成式人工智能和Amazon Kendra,在企业规模上自动化生成图像标题和搜索

亚马逊肯德拉是一款由机器学习(ML)驱动的智能搜索服务亚马逊肯德拉重新构想了网站和应用程序的搜索功能,使您的员工和客户能够轻松找到他们正在寻找的内容,即使这些内容分散在组织内的多个位置和内容存储库中亚马逊肯德拉支持多种文档类型[…]

Leave a Comment

使用Amazon SageMaker JumpStart在VPC模式下,无需互联网连接,使用生成式AI基础模型

随着生成式人工智能的最新进展,关于如何将生成式人工智能应用于不同行业以解决特定业务问题的讨论越来越多生成式人工智能是一种可以创建新内容和想法的人工智能类型,包括对话、故事、图像、视频和音乐所有这些都由非常庞大的模型所支持[…]

Leave a Comment

Can't find what you're looking for? Try refining your search: