Press "Enter" to skip to content

Tag: Amazon SageMaker

加快时间序列集合的认识速度与MongoDB和亚马逊SageMaker Canvas

这是与MongoDB的Babu Srinivasan共同撰写的客座文章随着今天快节奏的商业环境中行业的发展,无法进行实时预测给那些高度依赖精准及时洞察力的行业带来了重大挑战在各个行业中缺乏实时预测存在着紧迫的业务挑战,这可能会对决策产生重大影响

Leave a Comment

使用Amazon DocumentDB在Amazon SageMaker Canvas中构建无代码机器学习解决方案

我们很高兴地宣布亚马逊文档数据库(兼容MongoDB)与亚马逊SageMaker Canvas的集成正式发布,这使得亚马逊文档数据库的客户可以在不编写代码的情况下构建和使用生成型人工智能和机器学习(ML)解决方案亚马逊文档数据库是一个完全托管的本地JSON文档数据库,使操作关键业务变得简单且具有成本效益

Leave a Comment

提高在Amazon SageMaker Studio上的生产力:介绍JupyterLab Spaces和生成AI工具

亚马逊SageMaker Studio为机器学习开发提供了一系列完全托管的集成开发环境(IDE),包括JupyterLab、基于Code-OSS(Visual Studio Code开源版)的代码编辑器和RStudio它为每个ML开发步骤提供了最全面的工具集,从数据准备到建立、训练[…]

Leave a Comment

通过检索增强生成,提升您的稳定扩散提示

文字到图像生成是一门快速发展的人工智能领域,应用广泛,包括媒体与娱乐、游戏、电子商务产品可视化、广告与营销、建筑设计与可视化、艺术创作和医学影像等各个领域稳定扩散是一种文字到图像模型,让您能够在几秒钟内创建高品质的图片在十一月份[…]

Leave a Comment

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

使用 QLoRA 对 Llama 2 进行微调,并在 Amazon SageMaker 上部署,配备 AWS Inferentia2

在这篇文章中,我们展示了使用参数高效微调 (PEFT) 方法对 Llama 2 模型进行微调,并将微调后的模型部署在 AWS Inferentia2 上我们使用 AWS Neuron 软件开发工具包 (SDK) 来访问 AWS Inferentia2 设备,并从其高性能中受益然后,我们使用一个由 […] 提供支持的大型模型推断容器

Leave a Comment

利用实体提取、SQL查询和具有Amazon Bedrock的代理来提升基于RAG的智能文档助手的能力

近年来,由于生成式人工智能(Generative AI)的快速发展,尤其是通过指导微调和强化学习等训练技术引入的大语言模型(LLMs)的性能改善,会话型人工智能(Conversational AI)取得了长足的进步在正确提示的情况下,这些模型可以进行连贯的对话,而无需任何特定任务的训练数据[…]

Leave a Comment

通过使用来自Amazon SageMaker JumpStart的Pinecone向量数据库和Llama-2进行检索增强生成技术来缓解幻觉

尽管在各个行业中,似乎无法阻挡的对LLM的采用,但它们只是整个技术生态系统中的一个组成部分,为新的AI浪潮提供动力许多对话型AI应用需要LLM,如Llama 2、Flan T5和Bloom,以回答用户的查询这些模型依赖参数化知识来回答问题模型[…]

Leave a Comment

使用亚马逊SageMaker数据并行库实现更快的训练

在过去一年中,大型语言模型(LLM)的训练变得越来越流行,因为发布了一些公开可用的模型,如Llama2,Falcon和StarCoder现在,顾客们正在训练规模空前的LLM,参数数量从10亿到超过1750亿不等训练这些LLM需要大量的计算资源和时间,通常需要数百台机器并运行数周甚至数月

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

评估大型语言模型的质量和责任

与生成性人工智能相关的风险已经广为人知毒性、偏见、泄漏个人身份信息以及幻觉都会对组织的声誉和客户信任造成负面影响研究表明,不仅偏见和毒性风险会从预训练的基础模型转移到特定任务的生成性人工智能服务中,而且通过为特定任务调整基础模型还会产生如下影响[…]

Leave a Comment

扩展基于亚马逊SageMaker的数百种模型的基础模型推断-第一部分

随着粉底模型(FM)的民主化越来越普遍,并且对AI增强服务的需求不断增加,软件即服务(SaaS)提供商正在寻求使用支持多租户的机器学习(ML)平台,以便为他们组织内部的数据科学家和外部客户提供服务越来越多的公司意识到使用FM来生成[…]的价值

Leave a Comment

使用Amazon SageMaker Clarify和MLOps服務,以大規模操作化LLM評估

在过去的几年中,大型语言模型(LLMs)因其杰出的能力而崭露头角,能够以前所未有的熟练度理解、生成和操纵文本它们的潜在应用领域从对话代理人到内容生成和信息检索,承诺着彻底改变所有行业然而,在确保负责任和…

Leave a Comment

使用Amazon SageMaker智能筛选,将深度学习模型训练加速高达35%

在当今快速发展的人工智能领域,深度学习模型已经成为创新的前沿, 并且在计算机视觉(CV),自然语言处理(NLP)和推荐系统等领域有广泛的应用然而,训练和优化这些模型所带来的成本不断增加,给企业带来了挑战这些成本主要是由[…]驱动的

Leave a Comment

在亚马逊SageMaker Canvas中加快机器学习的数据准备工作

数据准备是任何机器学习(ML)工作流程中至关重要的一步,但它往往涉及冗长而耗时的任务Amazon SageMaker Canvas现在支持由Amazon SageMaker Data Wrangler驱动的全面数据准备能力通过这种集成,SageMaker Canvas为客户提供了一个端到端的无代码工作空间,用于准备数据、构建和使用ML和[…]

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

使用自定义镜头构建良好架构的IDP解决方案-第三部分:可靠性

IDP Well-Architected Custom Lens适用于所有使用AWS运行智能文档处理(IDP)解决方案并寻求在AWS上构建安全、高效和可靠的IDP解决方案的AWS客户在云中构建一个适用于生产环境的解决方案涉及到资源、时间、客户…之间的一系列权衡

Leave a Comment

使用Amazon SageMaker JumpStart进行大规模的文本嵌入和句子相似度检索

在本文中,我们展示了如何使用SageMaker Python SDK进行文本嵌入和句子相似度的使用方法句子相似度涉及在通过LLM将两个文本片段转换为嵌入后,评估它们之间的相似程度,这是像检索增强生成(RAG)这样的应用的基础步骤

Leave a Comment

亚马逊音乐如何利用SageMaker与NVIDIA优化机器学习训练和推理性能及成本

在亚马逊音乐的动态流媒体世界中,每一次搜索歌曲、播客或播放列表都抱有一个故事、一种情绪或一股等待揭示的情感洪流这些搜索成为探索新事物、珍贵经历和持久记忆的门户搜索栏不仅仅是找歌曲的工具;[…]

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 SageMaker Model Registry、HashiCorp Terraform、GitHub和Jenkins CI/CD在多环境设置中推广管道

在人工智能(AI)和机器学习(ML)的快速发展环境中,为组织构建一个机器学习操作(MLOps)平台对于无缝衔接数据科学实验和部署,同时满足模型性能、安全性和合规性要求至关重要为了满足监管和合规要求,

Leave a Comment

使用MONAI Deploy在AWS上构建医学影像AI推理流程

在这篇文章中,我们向您展示如何创建一个可在使用MONAI Deploy App SDK构建的应用程序中重复使用的MAP连接器,以与AWS HealthImaging集成并加速从云原生DICOM存储中检索图像数据,用于医学影像人工智能工作负载MONAI Deploy SDK可用于支持医院运营我们还演示了两种托管选项,以便在SageMaker上大规模部署MAP AI应用程序

Leave a Comment

在Amazon SageMaker JumpStart中通过两行代码部署和优化基础模型

我们非常高兴地宣布推出了简化版的Amazon SageMaker JumpStart SDK,它能够轻松构建、训练和部署基础模型预测代码也得到了简化在本文中,我们将演示如何使用简化版SageMaker Jumpstart SDK只需几行代码便能开始使用基础模型

Leave a Comment

使用Amazon SageMaker地理空間功能進行甲烷排放點源的檢測和高頻監測

甲烷(CH4)是一个重要的人为温室气体,它是石油和天然气提取、煤矿开采、大规模养殖业以及废物处理等活动的副产品CH4的全球变暖潜势是二氧化碳的86倍,气候变化政府间专门委员会(IPCC)估计,甲烷对观察到的温室效应贡献了30%[…]

Leave a Comment