在本文中，我们展示了在多云环境中利用AWS最广泛、最深入的人工智能/机器学习能力的众多选项之一我们展示了如何在AWS中构建和训练一个机器学习模型，并在另一个平台上部署该模型我们使用Amazon SageMaker训练模型，将模型工件存储在Amazon Simple Storage Service（Amazon S3）中，并在Azure中部署和运行该模型
Leave a CommentTag: Amazon SageMaker
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多模态数据是金融行业的宝贵组成部分，包括市场、经济、客户、新闻和社交媒体以及风险数据金融机构生成、收集和使用这些数据来获得对金融业务的洞察，做出更好的决策和提高绩效然而，由于多模态数据的复杂性和缺乏…，存在一些挑战
Leave a Comment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今天，生成式人工智能模型涵盖了各种任务，包括文本摘要、问答以及图像和视频生成为了提高输出的质量，采用了一些方法，如N-Short学习、提示工程、检索增强生成（RAG）和微调微调允许您调整这些生成式人工智能模型，以在您的领域特定的任务上实现更好的性能
Leave a Comment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机器学习（ML）正在改变每一个行业、流程和业务，但成功的道路并不总是一帆风顺在这篇博文中，我们展示了杜克能源（Duke Energy）与亚马逊云服务（AWS）机器学习解决方案实验室（MLSL）合作，利用计算机视觉自动化检测木杆设施，帮助预防停电、财产损失甚至人员受伤杜克能源是一家总部位于北卡罗来纳夏洛特市的财富500强企业
Leave a Comment在本文中，我们将使用Amazon SageMaker和Ray的RLlib库，基于历史数据构建一个端到端的解决方案，以寻找最优的控制策略要了解更多关于强化学习的信息，请查看在Amazon SageMaker中使用强化学习
Leave a Comment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我们很高兴地宣布，通过Amazon SageMaker实时推理，响应流式传输已经可用现在，当使用SageMaker实时推理构建生成式AI应用程序（如聊天机器人、虚拟助手和音乐生成器）时，您可以连续地将推理响应流返回给客户端，以帮助您构建交互式体验通过这个新功能，您可以在可用时立即开始流式传输响应，而不是等待整个响应生成这降低了生成式AI应用程序的首字节响应时间在本文中，我们将展示如何使用SageMaker实时终端节点和新的响应流式传输功能为交互式聊天用例构建流式网络应用程序我们在示例演示应用程序UI中使用Streamlit
Leave a Comment作为ML治理的一部分，Amazon SageMaker Model Cards 是可用的工具之一，它具有通过在整个模型生命周期中集中和标准化文档来创建模型信息的单一真相的能力
SageMaker模型卡片使您能够标准化模型的文档记录方式，从而实现对模型的生命周期（从设计、构建、训练和评估）的可见性模型卡片旨在成为有关模型的业务和技术元数据的单一真相，可可靠地用于审计和文档记录目的它们提供了模型的重要事实表
Leave a Comment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 CommentAmazon 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在这篇文章中，我们展示了如何使用Haystack pipelines和来自Amazon SageMaker JumpStart和Amazon OpenSearch Service的Falcon-40b-instruct模型，构建一个端到端的生成式AI应用程序，用于企业搜索，并加以检索增强生成（RAG）
Leave a Comment创造性广告有可能通过生成式人工智能（GenAI）实现革命现在，您可以通过重新训练一个GenAI模型并向模型提供一些输入（例如描述场景和要由模型生成的对象的句子），来创造各种各样的新颖图片，比如产品照片
Leave a Comment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“数据准备是任何数据驱动项目中至关重要的一步，拥有合适的工具可以极大地提高运营效率亚马逊SageMaker Data Wrangler可以将聚合和准备表格和图像数据用于机器学习（ML）的时间从几周缩短到几分钟通过SageMaker Data Wrangler，您可以简化[…]”
Leave a Comment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 CommentAmazon SageMaker Canvas是一个可视化界面，让业务分析师能够在没有任何机器学习（ML）经验或不需要编写一行代码的情况下生成准确的机器学习预测SageMaker Canvas的直观用户界面允许业务分析师浏览和访问云端或本地的不同数据源，[…]
Leave a CommentSageMaker Distribution是一个预先构建的Docker镜像，包含许多用于机器学习（ML）、数据科学和数据可视化的流行软件包这包括PyTorch、TensorFlow和Keras等深度学习框架；NumPy、scikit-learn和pandas等流行Python软件包；以及JupyterLab等集成开发环境除此之外，SageMaker Distribution还支持conda、micromamba和pip作为Python的工具
Leave a Comment如果你是一名业务分析师，了解客户行为可能是你最关心的事情之一了解客户购买决策背后的原因和机制可以促进收入增长然而，客户流失（通常称为客户流失）始终存在风险了解客户离开的原因可以获得洞察力，可以帮助企业采取措施来减少客户流失
Leave a Comment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这篇博客文章是由帕特斯纳智能语言处理高级工程师白子龙共同撰写，并包含一个简介当你在谷歌或亚马逊上搜索某些内容时，你很可能已经熟悉了自动完成建议功能尽管这些场景中的搜索词通常是我们日常生活中常见的关键词或表达方式，[…]
Leave a Comment“老鼠等啮齿动物与许多健康风险相关，并且已知可以传播35种以上的疾病识别高频率啮齿动物活动的区域可以帮助当地政府和害虫控制组织有效地计划干预措施，并消灭这些啮齿动物在本文中，我们展示了如何监测和可视化…”
Leave a Comment这是Mario Namtao Shianti Larcher的客座文章，他是Enel的计算机视觉负责人Enel起初是意大利的国家电力实体，如今已发展成为在32个国家拥有7400万用户的跨国公司，也是全球第一家私人网络运营商它还被认为是第一家可再生能源…
Leave a Comment垃圾邮件，也被称为垃圾邮件，是一次性发送给大量用户的电子邮件，通常包含欺诈、网络钓鱼内容或隐晦的信息垃圾邮件有时是由人工手动发送的，但更常见的是使用机器人发送垃圾邮件的例子包括假广告、连锁邮件和冒名顶替
Leave a Comment今天，我们很高兴地宣布，由Meta开发的Llama 2基础模型现在可以通过Amazon SageMaker JumpStart提供给客户Llama 2系列大型语言模型（LLM）是一组预训练和微调的生成文本模型，参数范围从70亿到700亿被微调的LLM称为Llama-2-chat，[…]
Leave a CommentAmazon SageMaker是一个端到端的机器学习（ML）平台，具有广泛的功能，可以导入、转换和测量数据中的偏差，并使用一流的计算和服务进行模型的训练、部署和管理，例如Amazon SageMaker Data Wrangler、Amazon SageMaker Studio、Amazon SageMaker Canvas、Amazon SageMaker Model Registry、Amazon SageMaker Feature Store等
Leave a Comment