Hvordan Dialog Axiata brukte Amazon SageMaker til å skalere ML-modeller i produksjon med AI Factory og redusert kundefragang innen 3 måneder | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1972201Tidstempel: Kan 8, 2024
Meta Llama 3-modeller er nå tilgjengelig i Amazon SageMaker JumpStart | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1965892Tidstempel: April 18, 2024
Automatiser Amazon SageMaker Pipelines DAG-oppretting | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1953124Tidstempel: Februar 29, 2024
Hvordan Booking.com moderniserte sitt ML-eksperimentrammeverk med Amazon SageMaker | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1947114Tidstempel: Februar 12, 2024
Bygg en ende-til-ende MLOps-pipeline ved å bruke Amazon SageMaker Pipelines, GitHub og GitHub Actions | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1925387Tidstempel: Desember 13, 2023
Operasjonaliser LLM-evaluering i stor skala ved å bruke Amazon SageMaker Clarify- og MLOps-tjenester | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1921170Tidstempel: November 29, 2023
Planlegg Amazon SageMaker notatbokjobber og administrer flertrinns notatbokarbeidsflyter ved hjelp av APIer | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1919097Tidstempel: November 29, 2023
Markedsfør rørledninger i et multimiljøoppsett ved hjelp av Amazon SageMaker Model Registry, HashiCorp Terraform, GitHub og Jenkins CI/CD | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1911374Tidstempel: November 9, 2023
Styring av ML-livssyklusen i stor skala, del 1: Et rammeverk for å bygge ML-arbeidsbelastninger ved hjelp av Amazon SageMaker | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1904142Tidstempel: Oktober 20, 2023
Rediger PII automatisk for maskinlæring ved hjelp av Amazon SageMaker Data Wrangler | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1904440Tidstempel: Oktober 19, 2023
Bygg en ende-til-ende MLOps-rørledning for visuell kvalitetsinspeksjon ved kanten – Del 2 | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1897790Tidstempel: Oktober 2, 2023
Robuste tidsserieprognoser med MLOps på Amazon SageMaker | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1895960Tidstempel: September 28, 2023
Orkestrere Ray-baserte maskinlæringsarbeidsflyter ved hjelp av Amazon SageMaker | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1891398Tidstempel: September 18, 2023
Fremskynd styring av klientsuksess gjennom e-postklassifisering med Hugging Face på Amazon SageMaker | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1888752Tidstempel: September 12, 2023
Beste praksis og designmønstre for å bygge arbeidsflyter for maskinlæring med Amazon SageMaker Pipelines | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1886422Tidstempel: September 7, 2023
MLOps for batch-inferens med modellovervåking og omskolering ved bruk av Amazon SageMaker, HashiCorp Terraform og GitLab CI/CD | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1882129Tidstempel: August 29, 2023
Bygg ML-funksjoner i stor skala med Amazon SageMaker Feature Store ved å bruke data fra Amazon Redshift | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1876616Tidstempel: August 17, 2023
Låser opp effektivitet: Utnytt kraften til selektiv utførelse i Amazon SageMaker Pipelines | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1876618Tidstempel: August 16, 2023
Optimaliser dataforberedelse med nye funksjoner i AWS SageMaker Data Wrangler | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1871188Tidstempel: August 4, 2023
Optimaliser dataforberedelse med nye funksjoner i Amazon SageMaker Data Wrangler | Amazon Web Services Kildeklynge: AWS maskinlæring Kilde node: 1873283Tidstempel: August 4, 2023