本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
机器学习与 AI
主题
- 在 Amazon DynamoDB 中聚合数据，以便在 Athena 中进行 ML 预测
- 将一个 AWS 账户中的 AWS CodeCommit 存储库与另一个账户中的 SageMaker Studio 关联起来
- 自动执行 Amazon Lookout for Vision 训练和部署以进行异常检测
- 使用 Amazon Textract 从 PDF 文件中自动提取内容
- 使用 Ama SageMaker zon 和 Azure 构建 mLOPs 工作流程 DevOps
- 为 AWS Step Functions SageMaker 创建自定义 Docker 容器镜像并将其用于模型训练
- 使用 Amazon 中的推理管道将预处理逻辑部署到单个终端节点的 ML 模型中 SageMaker
- 使用 RAG 和提示开发基于 AI 聊天的高级生成式 AI 助手 ReAct
- 使用 Amazon Bedrock 代理和知识库开发基于聊天的全自动助手
- 使用 Amazon Bedrock 和 Amazon Transcribe 从语音输入中记录机构知识
- 使用 Amazon Personalize 生成个性化和重新排名的推荐
- 在 Amazon 上训练和部署支持 GPU 的自定义机器学习模型 SageMaker
- 使用 Processing 对 TB 级机器学习 SageMaker 数据集进行分布式特征工程
- 使用 Flask 和 AWS Elastic Beanstalk 查看人工智能/机器学习(AI/ML)模型结果
- 更多模式
