AWS Inferentia 및 AWS Trainium은 Amazon SageMaker JumpStart에서 Llama 3 모델을 배포하는 데 가장 저렴한 비용을 제공합니다 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1970432타임 스탬프 : 2024 년 5 월 2 일
Amazon SageMaker에서 귀하의 비즈니스에 맞는 맞춤형 보상 모델을 통해 고객 만족도를 혁신하세요 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1970434타임 스탬프 : 2024 년 5 월 2 일
Amazon SageMaker Canvas 및 Amazon Bedrock | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1970157타임 스탬프 : 2024 년 5 월 1 일
Amazon Transcribe Call Analytics를 사용한 AI 기반 요약으로 고객 서비스 효율성 향상 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1969857타임 스탬프 : 30년 2024월 XNUMX일
이제 Amazon SageMaker JumpStart에서 Databricks DBRX를 사용할 수 있습니다 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1968564타임 스탬프 : 26년 2024월 XNUMX일
이제 Amazon Bedrock의 기술 자료를 통해 단일 문서에 대한 질문이 단순화됩니다 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1968566타임 스탬프 : 26년 2024월 XNUMX일
Amazon SageMaker Studio 로컬 모드 및 Docker 지원으로 ML 워크플로 가속화 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1967767타임 스탬프 : 23년 2024월 XNUMX일
Amazon Bedrock용 기술 자료를 사용하여 확장 가능하고 안전하며 안정적인 RAG 애플리케이션 구축 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1967439타임 스탬프 : 23년 2024월 XNUMX일
원활한 다중 사용자 로그인을 위해 HyperPod 클러스터를 Active Directory와 통합 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1967108타임 스탬프 : 22년 2024월 XNUMX일
Amazon Bedrock에 호스팅된 다중 모드 기반 모델을 사용하여 슬라이드 데크와 대화 – 2부 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1966486타임 스탬프 : 19년 2024월 XNUMX일
Amazon Transcribe, Amazon Bedrock 및 Amazon Bedrock용 기술 자료를 갖춘 Live Meeting 도우미 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1965874타임 스탬프 : 18년 2024월 XNUMX일
손쉽게 데이터 탐색: Amazon SageMaker Studio JupyterLab 노트북에서 SQL 및 Text-to-SQL 사용 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1965234타임 스탬프 : 16년 2024월 XNUMX일
Cohesity, Cohesity에 대한 IBM 투자를 통해 사이버 복원력 강화를 위한 협업 확장 소스 클러스터 : 어두운 독서 소스 노드 : 1964481타임 스탬프 : 11년 2024월 XNUMX일
Amazon Bedrock의 기술 자료는 이제 RetrieveAndGenerate API에 대한 사용자 지정 프롬프트와 검색된 결과의 최대 수 구성을 지원합니다. 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1962691타임 스탬프 : 9년 2024월 XNUMX일
Amazon Bedrock에 대한 기술 자료는 이제 검색 정확도를 향상하기 위해 메타데이터 필터링을 지원합니다. 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1962477타임 스탬프 : 8년 2024월 XNUMX일
LlamaIndex 및 Llama 2-Chat을 사용하여 지식 기반 대화형 애플리케이션 구축 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1962479타임 스탬프 : 8년 2024월 XNUMX일
Amazon Rekognition 대량 분석 및 사용자 지정 조정을 통해 콘텐츠 조정 개선 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1961920타임 스탬프 : 5년 2024월 XNUMX일
Amazon SageMaker Canvas 및 Amazon SageMaker Studio를 사용하여 코드 없는 기계 학습과 코드 우선 기계 학습 간에 원활하게 전환 | 아마존 웹 서비스 소스 클러스터 : AWS 기계 학습 소스 노드 : 1961283타임 스탬프 : 3년 2024월 XNUMX일