A vállalatok arra törekszenek, hogy gyorsan kiaknázzák a generatív AI-ban rejlő lehetőségeket azáltal, hogy hozzáférést biztosítanak az alapmodellekhez (FM-ekhez) a különböző üzletágak (LOB) számára. Az informatikai csapatok felelősek azért, hogy segítsék a LOB-ot a gyorsaságban és agilitásban, miközben központi irányítást és megfigyelhetőséget biztosítanak. Előfordulhat például, hogy nyomon kell követniük az FM-használatot a csapatok között, a visszaterhelési költségeket, és biztosítaniuk kell a megfelelő költséghely láthatóságát a LOB-ban. Ezenkívül előfordulhat, hogy csapatonként szabályozniuk kell a különböző modellekhez való hozzáférést. Például, ha csak bizonyos FM-ek engedélyezettek a használatra.
Amazon alapkőzet egy teljes körűen felügyelt szolgáltatás, amely egyetlen API-n keresztül a vezető mesterségesintelligencia-cégek, például az AI21 Labs, az Anthropic, a Cohere, a Meta, a Stability AI és az Amazon nagy teljesítményű alapmodelljeit kínálja, valamint a generatív mesterséges intelligencia felépítéséhez szükséges lehetőségek széles skáláját. biztonságot, adatvédelmet és felelős AI-t biztosító alkalmazások. Mivel az Amazon Bedrock szerver nélküli, nem kell semmilyen infrastruktúrát felügyelnie, és biztonságosan integrálhatja és telepítheti a generatív AI-képességeket alkalmazásaiba a már jól ismert AWS-szolgáltatások segítségével.
A szoftver, mint szolgáltatás (SaaS) réteg az alapozási modellekhez egyszerű és konzisztens felületet biztosíthat a végfelhasználók számára, miközben fenntartja a hozzáférés és a fogyasztás központi irányítását. Az API-átjárók laza kapcsolatot biztosíthatnak a modellfogyasztók és a modellvégpont-szolgáltatás között, valamint rugalmasságot biztosítanak a változó modellekhez, architektúrákhoz és hívási módszerekhez való alkalmazkodáshoz.
Ebben a bejegyzésben bemutatjuk, hogyan építhet fel belső SaaS-réteget az Amazon Bedrock alapmodelljeinek eléréséhez több bérlős (csapat) architektúrában. Kifejezetten a bérlőnkénti használat és költségkövetésre, valamint az olyan vezérlőkre összpontosítunk, mint a bérlőnkénti használat korlátozása. Leírjuk, hogy a megoldás és az Amazon Bedrock fogyasztási tervek hogyan illeszkednek az általános SaaS utazási keretrendszerhez. A megoldás kódja és egy AWS Cloud Development Kit (AWS CDK) sablon elérhető a GitHub tárház.
Kihívások
Az AI platform rendszergazdájának szabványos és egyszerű hozzáférést kell biztosítania az FM-ekhez több fejlesztőcsapat számára.
Íme néhány kihívás az alapítványi modellekhez való szabályozott hozzáférés biztosításával kapcsolatban:
- Költség és felhasználás nyomon követése – Kövesse nyomon és auditálja az egyes bérlői költségeket és az alapítványi modellek használatát, és biztosítson visszatérítési költségeket meghatározott költséghelyek számára
- Költségvetési és felhasználási vezérlők – Az API-kvóták, a költségvetés és a használati korlátok kezelése az alapmodellek engedélyezett használatához bérlőnként meghatározott gyakorisággal
- Hozzáférés-szabályozás és modellirányítás – Határozzon meg hozzáférés-vezérlést bérlőnként meghatározott engedélyezett modellekhez
- Több bérlős szabványosított API – Konzisztens hozzáférést biztosít az alapozó modellekhez OpenAPI szabványok
- Az API központosított kezelése – Egyetlen réteg biztosítása a modellekhez való hozzáféréshez szükséges API-kulcsok kezeléséhez
- Modell verziók és frissítések – Kezelje az új és frissített modellverziók bevezetését
Megoldás áttekintése
Ebben a megoldásban hivatkozunk a több bérlő megközelítés. A bérlő Ez egy egyéni felhasználótól, egy adott projekttől, csapattól vagy akár egy egész részlegtől is terjedhet. Amikor a megközelítésről beszélünk, a kifejezést használjuk csapat, mert ez a leggyakoribb. API-kulcsokat használunk a csapatok API-hozzáférésének korlátozására és figyelésére. Minden csapat hozzá van rendelve egy API-kulcshoz az FM-ekhez való hozzáféréshez. Egy szervezetben különböző felhasználói hitelesítési és engedélyezési mechanizmusok lehetnek telepítve. Az egyszerűség kedvéért ezeket nem foglaljuk bele ebbe a megoldásba. Ezzel a megoldással integrálhatja a meglévő identitásszolgáltatókat is.
Az alábbi diagram összefoglalja a megoldás architektúráját és a legfontosabb összetevőket. A külön költséghelyekhez rendelt csapatok (bérlők) egy API-szolgáltatáson keresztül fogyasztják az Amazon Bedrock FM-eket. A fogyasztás és a csapatonkénti költség nyomon követése érdekében a megoldás naplózza az egyes hívások adatait, beleértve a meghívott modellt, a szöveggenerálási modellek tokenek számát és a multimodális modellek képméreteit. Ezenkívül modellenként összesíti a kéréseket és az egyes csapatok költségeit.
A megoldást saját fiókjában telepítheti az AWS CDK használatával. Az AWS CDK egy nyílt forráskódú szoftverfejlesztő keretrendszer a felhőalkalmazások erőforrásainak modellezésére és biztosítására az ismert programozási nyelvek használatával. Az AWS CDK kód elérhető a GitHub tárház.
A következő részekben a megoldás kulcsfontosságú összetevőit tárgyaljuk részletesebben.
Az alapozó modell használatának rögzítése csapatonként
A csapatonkénti FM-használat rögzítésére szolgáló munkafolyamat a következő lépésekből áll (az előző diagram számozása szerint):
- Egy csapat jelentkezése POST kérést küld a címre Amazon API átjáró a meghívandó modellel a
model_id
lekérdezési paramétert és a felhasználói promptot a kérelem törzsében. - Az API Gateway a kérést egy AWS Lambda függvény (
bedrock_invoke_model
), amely a csapathasználati információk naplózásáért felelős amazonfelhőóra és az Amazon Bedrock modelljének megidézése. - Az Amazon Bedrock egy VPC-végpontot biztosít, amelyet a AWS PrivateLink. Ebben a megoldásban a Lambda funkció elküldi a kérést az Amazon Bedrock-nak a PrivateLink használatával, hogy privát kapcsolatot létesítsen a fiókjában lévő VPC és az Amazon Bedrock szolgáltatásfiók között. Ha többet szeretne megtudni a PrivateLinkről, lásd: Az AWS PrivateLink használatával állítsa be az Amazon Bedrock privát hozzáférését.
- Az Amazon Bedrock invokációja után Amazon CloudTrail generál a CloudTrail esemény.
- Ha az Amazon Bedrock hívás sikeres, a Lambda függvény a következő információkat naplózza a meghívott modell típusától függően, és visszaküldi a generált választ az alkalmazásnak:
- team_id – A kérelmet kibocsátó csapat egyedi azonosítója.
- requestId – A kérelem egyedi azonosítója.
- model_id – A meghívandó modell azonosítója.
- inputTokens – A prompt részeként a modellnek küldött tokenek száma (szöveggeneráló és beágyazási modelleknél).
- outputTokens – A modell által generálandó tokenek maximális száma (szöveggeneráló modelleknél).
- magasság – A kért kép magassága (multimodális modelleknél és multimodális beágyazású modelleknél).
- szélesség – A kért kép szélessége (csak multimodális modelleknél).
- lépések – A kért lépések (stabilitási AI modelleknél).
Nyomon követési költségek csapatonként
Egy másik folyamat összesíti a használati információkat, majd naponta kiszámítja és megtakarítja a csapatonkénti igény szerinti költségeket. Külön folyamattal biztosítjuk, hogy a költségkövetés ne befolyásolja a modellhívási folyamat várakozási idejét és átviteli sebességét. A munkafolyamat lépései a következők:
- An Amazon EventBridge szabály aktivál egy lambda függvényt (
bedrock_cost_tracking
) napi. - A Lambda funkció beszerzi a CloudWatch előző napi használati adatait, kiszámítja a kapcsolódó költségeket, és tárolja az összesített adatokat.
team_id
és amodel_id
in Amazon egyszerű tárolási szolgáltatás (Amazon S3) CSV formátumban.
Az Amazon S3-ban tárolt adatok lekérdezéséhez és megjelenítéséhez különböző lehetőségek állnak rendelkezésre, többek között S3 Válassza kiés Amazon Athena és Amazon QuickSight.
A használat ellenőrzése csapatonként
A használati terv meghatározza, hogy ki férhet hozzá egy vagy több telepített API-hoz, és opcionálisan beállítja a kérések célarányát a kérések korlátozásának megkezdéséhez. A terv API-kulcsokat használ az API-ügyfelek azonosítására, akik hozzáférhetnek a társított API-hoz az egyes kulcsokhoz. Használhatja az API-átjárót használati terveket az előre meghatározott küszöbértékeket meghaladó kérések visszaszorítására. Használhatod is API kulcsok és kvótakorlátok, amelyek lehetővé teszik, hogy beállítsa az API-kulcsonkénti kérelmek maximális számát, amelyet az egyes csapatok adott időintervallumon belül kiadhatnak. Ez amellett Amazon Bedrock szolgáltatási kvóták amelyek csak fiókszinten vannak hozzárendelve.
Előfeltételek
A megoldás üzembe helyezése előtt győződjön meg arról, hogy rendelkezik a következőkkel:
Telepítse az AWS CDK-vermet
Kövesse a README a GitHub-tárhely fájlját az AWS CDK-verem konfigurálásához és üzembe helyezéséhez.
A verem a következő erőforrásokat telepíti:
- Privát hálózati környezet (VPC, privát alhálózatok, biztonsági csoport)
- IAM szerepkör a modellelérés vezérléséhez
- Lambda rétegek a szükséges Python modulokhoz
- Lambda funkció
invoke_model
- Lambda funkció
list_foundation_models
- Lambda funkció
cost_tracking
- Rest API (API átjáró)
- API-átjáró használati terv
- A használati tervhez társított API-kulcs
Egy új csapat fedélzetére
Az új csapatok hozzáférésének biztosításához megoszthatja ugyanazt az API-kulcsot a különböző csapatok között, és nyomon követheti a modellfogyasztást egy másik team_id
az API-híváshoz, vagy hozzon létre dedikált API-kulcsokat az Amazon Bedrock erőforrásainak eléréséhez a README.
A verem a következő erőforrásokat telepíti:
- A korábban létrehozott REST API-hoz társított API-átjáró használati terv
- Az új csapat használati tervéhez társított API-kulcs, fenntartott szabályozási és sorozat-konfigurációkkal az API-hoz
Az API-átjáró szabályozási és sorozat-konfigurációival kapcsolatos további információkért lásd: Throttle API kérések a jobb átvitel érdekében.
A verem üzembe helyezése után láthatja, hogy az új API-kulcs a következőhöz team-2
létre is jön.
Konfigurálja a modell hozzáférés-vezérlését
A platform adminisztrátora hozzáférést biztosíthat bizonyos alapozási modellekhez a Lambda funkcióhoz társított IAM-házirend szerkesztésével invoke_model
Az
Az IAM engedélyek a fájlban vannak meghatározva setup/stack_constructs/iam.py. Lásd a következő kódot:
Hívja fel a szolgáltatást
A megoldás üzembe helyezése után közvetlenül a kódból hívhatja meg a szolgáltatást. A következő
egy példa a Pythonban a invoke_model
API szöveggeneráláshoz POST kéréssel:
Kimenet: Az Amazon Bedrock egy belső technológiai platform, amelyet az Amazon fejlesztett ki számos szolgáltatásának és termékének működtetésére és működtetésére. Néhány fontos dolog a Bedrockról…
A következő egy másik példa Pythonban a invoke_model
API beágyazás generálásához POST kéréssel:
model_id = "amazon.titan-embed-text-v1" #the model id for the Amazon Titan Embeddings Text model prompt = "What is Amazon Bedrock?" response = requests.post( f"{api_url}/invoke_model?model_id={model_id}", json={"inputs": prompt, "parameters": model_kwargs}, headers={ "x-api-key": api_key, #key for querying the API "team_id": team_id #unique tenant identifier, "embeddings": "true" #boolean value for the embeddings model }
) text = response.json()[0]["embedding"]
Kimenet: 0.91796875, 0.45117188, 0.52734375, -0.18652344, 0.06982422, 0.65234375, -0.13085938, 0.056884766, 0.092285156, 0.06982422 . 1.03125, 0.8515625 …
Az alapozó modellekhez való hozzáférés megtagadva
A következő egy példa Pythonban a invoke_model
API szöveggeneráláshoz POST-kérésen keresztül, hozzáférés megtagadással:
„Traceback (legutóbbi hívás utolsó):n Fájl ”/var/task/index.py”, 213. sor, lambda_handlern response = _invoke_text(bedrock_client, model_id, body, model_kwargs)n Fájl ”/var/task/index.py ”, 146. sor, _invoke_textn raise en Fájl ”/var/task/index.py”, 131. sor _invoke_textn response = bedrock_client.invoke_model(n File ”/opt/python/botocore/client.py”, 535. sor, in _api_calln return self._make_api_call(operation_name, kwargs)n File ”/opt/python/botocore/client.py”, 980. sor, a _make_api_calln raise error_class(parsed_response, operation_name)nbotocore.errorfactoryedAccceptioness:D Hiba történt (AccessDeniedException) az InvokeModel művelet meghívásakor: Az Ön fiókja nem jogosult az API-művelet meghívására.n”
Költségbecslési példa
Amikor az Amazon Bedrock modelleket igény szerinti árazással hívja meg, a teljes költséget a bemeneti és a kimeneti költségek összegeként számítják ki. A bemeneti költségek a modellnek küldött input tokenek számán, a kimeneti költségek pedig a generált tokeneken alapulnak. Az árak 1,000 bemeneti tokenre és 1,000 kimeneti tokenre vonatkoznak. További részletekért és a konkrét modellárakért lásd: Amazon Bedrock árképzés.
Nézzünk egy példát, ahol két csapat, a team1 és a team2 hozzáfér az Amazon Bedrockhoz a bejegyzésben található megoldáson keresztül. Az Amazon S3-ban egy nap alatt mentett használati és költségadatokat a következő táblázat mutatja.
Az oszlopok input_tokens
és a output_tokens
tárolja a teljes bemeneti és kimeneti tokeneket a modellhívások között modellenként és csapatonként, egy adott napon.
Az oszlopok input_cost
és a output_cost
tárolja a vonatkozó költségeket modellenként és csapatonként. Ezeket a következő képletekkel számítjuk ki:
input_cost = input_token_count * model_pricing["input_cost"] / 1000
output_cost = output_token_count * model_pricing["output_cost"] / 1000
team_id | model_id | input_tokens | output_tokens | invokációk | input_cost | output_cost |
Team1 | amazon.titan-tg1-large | 24000 | 2473 | 1000 | 0.0072 | 0.00099 |
Team1 | antropikus.claude-v2 | 2448 | 4800 | 24 | 0.02698 | 0.15686 |
Team2 | amazon.titan-tg1-large | 35000 | 52500 | 350 | 0.0105 | 0.021 |
Team2 | ai21.j2-grande-instruct | 4590 | 9000 | 45 | 0.05738 | 0.1125 |
Team2 | antropikus.claude-v2 | 1080 | 4400 | 20 | 0.0119 | 0.14379 |
Egy funkcionális több-bérlős kiszolgáló nélküli SaaS-környezet végpontok közötti nézete
Nézzük meg, hogyan nézhet ki egy végpontok között működő, több-bérlős kiszolgáló nélküli SaaS-környezet. A következő egy referencia architektúra diagram.
Ez az architektúra diagram a bejegyzésben korábban ismertetett korábbi architektúra diagram kicsinyített változata, ahol az előző architektúra diagram az egyik említett mikroszolgáltatás (alapmodell szolgáltatás) részleteit magyarázza. Ez a diagram elmagyarázza, hogy az alapmodell-szolgáltatáson kívül más összetevőket is tartalmaznia kell a több-bérlős SaaS-platformban egy működőképes és méretezhető platform megvalósításához.
Nézzük végig az építészet részleteit.
Bérlői pályázatok
A bérlői alkalmazások a környezettel kölcsönhatásba lépő előtér-alkalmazások. Itt több bérlőt mutatunk be, akik különböző helyi vagy AWS-környezetekből férnek hozzá. Az előtér-alkalmazások kibővíthetők egy regisztrációs oldallal, ahol az új bérlők regisztrálhatják magukat, valamint egy felügyeleti konzolt a SaaS szolgáltatási réteg rendszergazdái számára. Ha a bérlőalkalmazások egyéni logikát igényelnek, amely interakciót igényel a SaaS-környezettel, megvalósíthatják az alkalmazásadapter mikroszolgáltatásának specifikációit. Példahelyzet lehet egyéni engedélyezési logika hozzáadása a SaaS-környezet engedélyezési specifikációinak tiszteletben tartása mellett.
Közös szolgáltatások
A következők megosztott szolgáltatások:
- Bérlő- és felhasználókezelési szolgáltatások – Ezek a szolgáltatások felelősek a bérlők nyilvántartásáért és kezeléséért. Olyan átfogó funkcionalitást biztosítanak, amely elkülönül az alkalmazásszolgáltatásoktól, és megosztva az összes bérlő között.
- Alapítvány modell szolgáltatás – A bejegyzés elején ismertetett megoldás architektúra diagramja ezt a mikroszolgáltatást ábrázolja, ahol az API Gateway és a Lambda funkciók közötti interakció ennek a mikroszolgáltatásnak a hatókörén belül történik. Minden bérlő ezt a mikroszolgáltatást használja az Anthropic, az AI21, a Cohere, a Stability, a Meta és az Amazon alapmodelljeinek, valamint a finomhangolt modelleknek a meghívására. Ezenkívül rögzíti a használat nyomon követéséhez szükséges információkat a CloudWatch naplóiban.
- Költségkövető szolgáltatás – Ez a szolgáltatás nyomon követi az egyes bérlők költségeit és felhasználását. Ez a mikroszolgáltatás ütemezetten fut, hogy lekérdezze a CloudWatch naplókat, és kiadja az összesített használati nyomon követést és a kikövetkeztetett költségeket az adattárolónak. A költségkövetési szolgáltatás kiterjeszthető további jelentések és vizualizációk készítésére.
Alkalmazásadapter szolgáltatás
Ez a szolgáltatás olyan specifikációkat és API-kat tartalmaz, amelyeket a bérlő implementálhat egyéni logikájának a SaaS-környezetbe való integrálása érdekében. Attól függően, hogy mennyi egyéni integrációra van szükség, ez az összetevő opcionális lehet a bérlők számára.
Több bérlős adattár
A megosztott szolgáltatások egy adattárban tárolják az adataikat, amely egyetlen megosztott lehet Amazon DynamoDB táblázat egy bérlői particionálási kulccsal, amely DynamoDB-elemeket társít az egyes bérlőkkel. A költségkövető megosztott szolgáltatás az összesített használati és költségkövetési adatokat adja ki az Amazon S3-nak. A használati eset alapján lehet alkalmazás-specifikus adattár is.
A több bérlős SaaS-környezet sokkal több összetevőt tartalmazhat. További információkért lásd: Több-bérlős SaaS-megoldás felépítése AWS kiszolgáló nélküli szolgáltatások használatával.
Több telepítési modell támogatása
A SaaS-keretrendszerek általában két üzembe helyezési modellt vázolnak fel: a készletet és a silót. A poolmodell esetében minden bérlő hozzáfér az FM-ekhez egy megosztott környezetből, közös tárolási és számítási infrastruktúrával. A silómodellben minden bérlőnek saját, dedikált erőforráskészlete van. Az izolációs modellekről a SaaS bérlői elkülönítési stratégiák fehér könyve.
A javasolt megoldás mindkét SaaS-telepítési modellhez alkalmazható. A pool megközelítésben egy központosított AWS-környezet tárolja az API-t, a tárolást és a számítási erőforrásokat. Siló módban minden csapat hozzáfér az API-khoz, a tároláshoz és a számítási erőforrásokhoz egy dedikált AWS-környezetben.
A megoldás az Amazon Bedrock által biztosított fogyasztási tervekhez is illeszkedik. Az AWS két fogyasztási terv közül választhat a következtetésekhez:
- Igény szerint – Ez a mód lehetővé teszi, hogy felosztó-kirovó alapon használjon alapozási modelleket anélkül, hogy időalapú határidős kötelezettségeket kellene vállalnia.
- Biztosított áteresztőképesség – Ez a mód lehetővé teszi, hogy elegendő átviteli sebességet biztosítson az alkalmazás teljesítménykövetelményeinek teljesítéséhez, cserébe egy időalapú lekötésért
Ezekről a lehetőségekről további információért lásd: Amazon Bedrock árképzés.
Az ebben a bejegyzésben ismertetett kiszolgáló nélküli SaaS-referenciamegoldás alkalmazhatja az Amazon Bedrock fogyasztási terveket, hogy alapvető és prémium szintű rétegezési lehetőségeket biztosítson a végfelhasználók számára. Az alapszint magában foglalhatja az Amazon Bedrock igény szerinti vagy biztosított áteresztőképességű fogyasztását, és tartalmazhat konkrét felhasználási és költségvetési korlátokat. A bérlői korlátok engedélyezhetők a kérelmek kérelmek, tokenméretek vagy költségvetés-elosztás alapján történő korlátozásával. A prémium szintű bérlők saját, dedikált erőforrásokkal rendelkezhetnek az Amazon Bedrock által biztosított átviteli fogyasztás mellett. Ezek a bérlők általában olyan termelési munkaterhelésekhez kapcsolódnak, amelyek nagy átviteli sebességet és alacsony késleltetésű hozzáférést igényelnek az Amazon Bedrock FM-ekhez.
Következtetés
Ebben a bejegyzésben megvitattuk, hogyan építsünk fel egy belső SaaS-platformot az alapmodellek eléréséhez az Amazon Bedrock segítségével több bérlős beállításban, a költségek és a használat nyomon követésére, valamint az egyes bérlők korlátozására összpontosítva. További felfedezendő témakörök közé tartozik a meglévő hitelesítési és engedélyezési megoldások integrálása a szervezetbe, az API-réteg fejlesztése a kétirányú kliensszerver-interakciókhoz szükséges websocketekkel, tartalomszűrés és egyéb irányítási korlátok hozzáadása, több telepítési szint tervezése, más mikroszolgáltatások integrálása a SaaS-be. építészet, és még sok más.
A megoldás teljes kódja elérhető a GitHub tárház.
A SaaS-alapú keretrendszerekkel kapcsolatos további információkért lásd: SaaS Journey Framework: Új SaaS-megoldás készítése AWS-en.
A szerzőkről
Hasan Poonawala az AWS vezető AI/ML specialista megoldások építésze, egészségügyi és élettudományi ügyfelekkel dolgozik. A Hasan segít a generatív AI és gépi tanulási alkalmazások tervezésében, üzembe helyezésében és méretezésében az AWS-en. Több mint 15 éves kombinált munkatapasztalattal rendelkezik a gépi tanulás, a szoftverfejlesztés és a felhőalapú adattudomány területén. Szabadidejében Hasan szereti felfedezni a természetet, és időt tölt barátaival és családjával.
Anasztázia Tzeveleka az AWS vezető AI/ML-megoldások specialistája. Munkája részeként segít ügyfeleinek EMEA-szerte alapmodellek felépítésében, valamint méretezhető generatív AI és gépi tanulási megoldások létrehozásában az AWS-szolgáltatások segítségével.
Brunincs Pistone az AWS generatív AI és ML specialista megoldások építésze milánói székhelyű. Nagy ügyfelekkel dolgozik, segít nekik mélyen megérteni műszaki igényeiket, és olyan mesterséges intelligencia- és gépi tanulási megoldásokat tervezni, amelyek a lehető legjobban használják ki az AWS felhőt és az Amazon Machine Learning veremét. Szakértelme a következők: gépi tanulás végpontokig, gépi tanulási iparosítás és generatív AI. Szívesen tölt időt barátaival és új helyeket fedez fel, valamint új úti célokra utazik.
Vikesh Pandey a Generative AI/ML Solutions építésze, pénzügyi szolgáltatásokra szakosodott, ahol segít a pénzügyi ügyfeleknek generatív AI/ML platformok és megoldások felépítésében és méretezésében, amelyek több száztól akár több ezer felhasználóig terjedhetnek. Szabadidejében Vikesh szeret különféle blogfórumokon írni, és legókat építeni a gyerekével.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/build-an-internal-saas-service-with-cost-and-usage-tracking-for-foundation-models-on-amazon-bedrock/
- :van
- :is
- :nem
- :ahol
- $ UP
- 000
- 1
- 120
- 15 év
- 15%
- 160
- 26%
- 500
- 7
- a
- Rólunk
- hozzáférés
- Hozzáférés
- Fiók
- át
- alkalmazkodni
- hozzáadásával
- mellett
- További
- Ezen kívül
- admin
- adminisztrátorok
- fogadott
- aggregátumok
- AI
- AI modellek
- AI platform
- AI / ML
- Minden termék
- kiosztás
- lehetővé
- lehetővé teszi, hogy
- mentén
- már
- Is
- amazon
- Amazon gépi tanulás
- Amazon QuickSight
- Az Amazon Web Services
- an
- és a
- Másik
- Antropikus
- bármilyen
- külön
- api
- API-hozzáférés
- API KULCSOK
- API-k
- Alkalmazás
- alkalmazások
- alkalmaz
- megközelítés
- jóváhagyott
- építészet
- architektúrák
- VANNAK
- AS
- kijelölt
- társult
- társult
- At
- könyvvizsgálat
- Hitelesítés
- meghatalmazás
- felhatalmazott
- elérhető
- AWS
- alapján
- alapvető
- alap
- BE
- mert
- Kezdet
- BEST
- Jobb
- között
- Blog
- test
- mindkét
- széles
- költségvetés
- épít
- Épület
- üzleti
- by
- számított
- kiszámítja
- hívás
- hívás
- TUD
- képességek
- elfog
- fogások
- eset
- Központ
- Centers
- központosított
- kihívások
- változó
- választás
- vásárló
- ügyfél részére
- felhő
- kód
- Oszlopok
- kombinált
- Közös
- Companies
- összetevő
- alkatrészek
- Kiszámít
- Configuration
- kapcsolat
- következetes
- áll
- Konzol
- fogyaszt
- Fogyasztók
- fogyasztó
- fogyasztás
- tartalom
- ellenőrzés
- kontrolling
- ellenőrzések
- Költség
- kiadások
- tudott
- teremt
- készítette
- szokás
- Ügyfelek
- napi
- dátum
- adat-tudomány
- adattárolás
- nap
- elszánt
- mélyen
- meghatározott
- meghatározott
- tiltott
- osztály
- attól
- telepíteni
- telepített
- bevetés
- bevet
- leírni
- leírt
- Design
- tervezés
- úticél
- részlet
- részletek
- fejlett
- Fejlesztés
- fejlesztő csapatok
- diagram
- különböző
- méretek
- közvetlenül
- megvitatni
- tárgyalt
- do
- Nem
- ne
- minden
- Korábban
- könnyű
- hatás
- bármelyik
- beágyazás
- EMEA
- lehetővé
- engedélyezve
- végén
- végtől végig
- Endpoint
- fokozása
- biztosítására
- Egész
- Környezet
- környezetek
- hiba
- létrehozni
- Még
- esemény
- példa
- haladja meg
- csere
- létező
- tapasztalat
- szakvélemény
- magyarázható
- Elmagyarázza
- feltárása
- Feltárása
- expressz
- kiterjedt
- ismerős
- család
- filé
- szűrő
- pénzügyi
- pénzügyi szolgáltatások
- görcsök
- Rugalmasság
- áramlási
- Összpontosít
- következő
- következik
- A
- formátum
- fórumok
- Alapítvány
- alapítványi
- Alapok
- Keretrendszer
- keretek
- Frekvencia
- barátok
- ból ből
- front
- Front end
- teljesen
- funkció
- funkcionális
- funkcionalitás
- funkciók
- további
- gateway
- átjárók
- általános
- generált
- generál
- generáció
- nemző
- Generatív AI
- jelentkeznek
- GitHub
- adott
- Go
- kormányzás
- szabályozott
- Csoport
- fogantyú
- Esemény
- Legyen
- tekintettel
- he
- egészségügyi
- magasság
- segít
- segít
- neki
- itt
- Magas
- nagy teljesítményű
- övé
- hosts
- Hogyan
- How To
- HTML
- http
- HTTPS
- Több száz
- ID
- azonosító
- azonosítani
- Identitás
- if
- kép
- Hatás
- végre
- végre
- in
- tartalmaz
- Beleértve
- egyéni
- kikövetkeztetett
- információ
- Infrastruktúra
- újít
- bemenet
- bemenet
- utasítás
- integrálni
- integrálása
- integráció
- kölcsönhatásba
- kölcsönhatás
- kölcsönhatások
- Felület
- belső
- bele
- hivatkozni
- szigetelés
- kérdés
- kibocsátó
- IT
- tételek
- ITS
- utazás
- jpg
- Kulcs
- kulcsok
- Kölyök
- Labs
- Nyelvek
- nagy
- keresztnév
- Késleltetés
- réteg
- tojók
- vezető
- TANUL
- tanulás
- szint
- élet
- Life Sciences
- mint
- Kedvencek
- határértékek
- vonal
- vonalak
- Listázott
- helyi
- fakitermelés
- logika
- néz
- hasonló
- Sok
- szeret
- Elő/Utó
- gép
- gépi tanulás
- fenntartása
- csinál
- kezelése
- sikerült
- vezetés
- kezelése
- sok
- térkép
- maximális
- Lehet..
- mechanizmusok
- Találkozik
- említett
- meta
- mód
- mikroszolgáltatás
- microservices
- esetleg
- MILAN
- ML
- Mód
- modell
- modellek
- monitor
- több
- a legtöbb
- sok
- többszörös
- Természet
- elengedhetetlen
- Szükség
- szükséges
- igények
- hálózatba
- Új
- szám
- számozott
- történt
- of
- Ajánlatok
- on
- Igény szerint
- ONE
- csak
- nyitva
- nyílt forráskódú
- működik
- működés
- Opciók
- or
- érdekében
- szervezet
- Más
- vázlat
- teljesítmény
- kimenetek
- felett
- saját
- oldal
- paraméter
- paraméterek
- rész
- mert
- teljesítmény
- engedélyek
- Helyek
- terv
- tervek
- emelvény
- Platformok
- Plató
- Platón adatintelligencia
- PlatoData
- politika
- medence
- állás
- potenciális
- powered
- megelőző
- előre meghatározott
- prémium
- ajándékot
- előző
- korábban
- Áraink
- árazás
- magánélet
- magán
- Termelés
- Termékek
- Programozás
- programozási nyelvek
- program
- javasolt
- ad
- feltéve,
- szolgáltatók
- biztosít
- amely
- ellátás
- Piton
- kérdés
- gyorsan
- emel
- hatótávolság
- Arány
- Olvass
- új
- utal
- referencia
- Regisztráció
- regisztráció
- Bejegyzés
- Szabályoz
- Jelentések
- raktár
- jelentése
- kérni
- kéri
- szükség
- követelmények
- fenntartott
- Tudástár
- vonatkozó
- azok
- illetőleg
- válasz
- felelős
- REST
- korlátoz
- visszatérés
- Visszatér
- Szerep
- útvonalak
- Szabály
- futás
- fut
- SaaS
- azonos
- mentett
- skálázható
- Skála
- Mérleg
- forgatókönyvek
- menetrend
- Tudomány
- TUDOMÁNYOK
- hatálya
- szakaszok
- biztosan
- biztonság
- lát
- keres
- MAGA
- küld
- idősebb
- küldött
- különálló
- szerver
- vagy szerver
- szolgáltatás
- Szolgáltatások
- készlet
- Szettek
- felépítés
- Megosztás
- megosztott
- ő
- előadás
- mutatott
- Egyszerű
- egyszerűség
- egyetlen
- méretek
- szoftver
- szoftver mint szolgáltatás
- szoftverfejlesztés
- megoldások
- Megoldások
- néhány
- forrás
- szakosodott
- szakember
- különleges
- kifejezetten
- specifikációk
- meghatározott
- sebesség
- költ
- Költési
- Stabilitás
- verem
- kezdet
- Lépései
- tárolás
- tárolni
- memorizált
- árnyékolók
- stratégiák
- alhálózatok
- sikeres
- ilyen
- elegendő
- biztos
- táblázat
- cél
- csapat
- csapat
- Műszaki
- Technológia
- sablon
- bérlő
- kifejezés
- szöveg
- hogy
- A
- az információ
- azok
- Őket
- maguk
- akkor
- Ott.
- Ezek
- ők
- dolgok
- ezt
- ezer
- Keresztül
- áteresztőképesség
- tier
- idő
- titán-
- nak nek
- jelképes
- tokenek
- Témakörök
- Végösszeg
- vágány
- Csomagkövetés
- pályák
- igaz
- kettő
- típus
- jellemzően
- megért
- egyedi
- kinyit
- frissítve
- Használat
- használ
- használati eset
- használt
- használó
- Felhasználók
- használ
- segítségével
- v1
- érték
- különféle
- változat
- verzió
- keresztül
- Megnézem
- láthatóság
- megjelenítés
- Képzeld
- we
- háló
- webes szolgáltatások
- Web aljzatok
- JÓL
- Mit
- Mi
- amikor
- ami
- míg
- WHO
- szélesség
- val vel
- belül
- nélkül
- Munka
- munkafolyamat
- dolgozó
- művek
- lenne
- ír
- év
- te
- A te
- zephyrnet