Jak linie United Airlines zbudowały opłacalny proces aktywnego uczenia się przy użyciu optycznego rozpoznawania znaków | Usługi internetowe Amazona Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1892384Znak czasu: Września 21, 2023
Optymalizuj wydajność sprzętu dzięki danym historycznym, Ray i Amazon SageMaker | Usługi internetowe Amazona Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1886400Znak czasu: Września 7, 2023
Jak Carrier przewiduje awarie HVAC przy użyciu AWS Glue i Amazon SageMaker | Usługi internetowe Amazona Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1885598Znak czasu: Września 5, 2023
Jak firma Light & Wonder stworzyła rozwiązanie do konserwacji zapobiegawczej automatów do gier w AWS | Usługi sieciowe Amazona Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1850995Znak czasu: Czerwiec 22, 2023
Użyj AWS CDK do wdrożenia konfiguracji cyklu życia Amazon SageMaker Studio | Usługi sieciowe Amazona Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1850646Znak czasu: Czerwiec 21, 2023
Zaimplementuj rozwiązanie do śledzenia wielu obiektów na niestandardowym zbiorze danych za pomocą Amazon SageMaker | Usługi sieciowe Amazona Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1842810Znak czasu: Czerwiec 1, 2023
Przewidywanie sprzedaży nowych i istniejących produktów w półprzewodnikach za pomocą Amazon Forecast Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1822625Znak czasu: Kwiecień 6, 2023
W jaki sposób Kakao Games automatyzuje przewidywanie wartości w ciągu całego życia na podstawie danych gry za pomocą Amazon SageMaker i AWS Glue Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1808845Znak czasu: Mar 1, 2023
Identyfikowanie schematów pokrycia obronnego w statystykach nowej generacji NFL Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1801325Znak czasu: Luty 10, 2023
Przewiduj liczbę zwrotów puntów i kickoffów w piłce nożnej z rozkładem grubych ogonów za pomocą GluonTS Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1798464Znak czasu: Luty 2, 2023
Skonfiguruj Amazon SageMaker Studio z Jupyter Lab 3 przy użyciu AWS CDK Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1788281Znak czasu: Jan 17, 2023
Federated Learning on AWS with FedML: Analityka zdrowotna bez udostępniania poufnych danych — część 1 Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1786994Znak czasu: Jan 13, 2023
Zalecenia dotyczące zasilania i wyszukiwanie przy użyciu wykresu wiedzy IMDb – część 3 Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1784123Znak czasu: Jan 6, 2023
Zalecenia dotyczące zasilania i wyszukiwanie przy użyciu wykresu wiedzy IMDb – część 2 Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1775417Znak czasu: Grudnia 20, 2022
Rekomendacja mocy i wyszukiwanie za pomocą wykresu wiedzy IMDb – Część 1 Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1775669Znak czasu: Grudnia 20, 2022
Twórz modele Amazon SageMaker za pomocą PyTorch Model Zoo Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1775145Znak czasu: Grudnia 19, 2022
Zbuduj solidny tekstowy predyktor toksyczności Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1767806Znak czasu: Grudnia 6, 2022
Prawdopodobieństwo starcia, część NHL Edge IQ: Przewidywanie zwycięzców starcia w czasie rzeczywistym podczas meczów telewizyjnych Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1719504Znak czasu: Październik 5, 2022
Twórz wysokiej jakości dane dla modeli ML za pomocą Amazon SageMaker Ground Truth Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1716947Znak czasu: Październik 3, 2022
Prognozowanie przychodów na dużą skalę w firmie Bosch dzięki niestandardowym modelom Amazon Forecast i Amazon SageMaker Klaster źródłowy: Uczenie maszynowe AWS Węzeł źródłowy: 1683425Znak czasu: Września 23, 2022