Select your cookie preferences

We use essential cookies and similar tools that are necessary to provide our site and services. We use performance cookies to collect anonymous statistics, so we can understand how customers use our site and make improvements. Essential cookies cannot be deactivated, but you can choose “Customize” or “Decline” to decline performance cookies.

If you agree, AWS and approved third parties will also use cookies to provide useful site features, remember your preferences, and display relevant content, including relevant advertising. To accept or decline all non-essential cookies, choose “Accept” or “Decline.” To make more detailed choices, choose “Customize.”

文章(280)
专栏(4)
问答(2)
活动(41)
大赛(0)
视频(70)
亚马逊云科技 Community Builders 项目是由亚马逊云科技官方在2020年发起的开发者社区项目,旨在为亚马逊云科技的技术爱好者和云计算新兴思想领袖们提供技术资源、学习和交流的国际化平台。
本文演示需要将 Amazon DynamoDB 中的数据与 Amazon SageMaker Lakehouse 管理的 Amazon S3 数据湖进行 zero-ETL 集成。
告别数据管道,Zero-ETL 集成提升数据分析效率
本文将探讨如何在 Amazon Bedrock 上,使用 Meta Llama 3.2 90B Instruct 模型来分析全球不同国家或地区的糖尿病患者的患病率分布数据。
Amazon Bedrock 实践 - 利用 Llama 3.2 模型分析全球糖尿病趋势
提示词工程(Prompt Engineering)是与大语言模型(LLM)交互的主要方式,激发模型潜能、实现复杂任务。
详细探讨 Rust 语言的现状与趋势,并分析它如何与生成式 AI结合,从而提升开发效率和质量。
Rust 与生成式 AI:从语言选择到开发工具的演进
本文介绍了如何在金融服务领域使用 Amazon Bedrock 中的 Cohere 多语种嵌入模型。
以多语言嵌入模型构建金融搜索应用程序,高效率提取洞察、获得见解!
本文将主要介绍这些实例的核心功能和适用的案例场景。
云上首发!基于英伟达 H200 GPU 的 Amazon EC2 P5e 实例在海外区域正式可用!
本文将介绍采用 Amazon P5 Spot 实例,进行 大语言模型(LLM)的微调任务。
使用 Amazon EC2 P5 Spot 实例进行 LLM 的微调任务
十多年来,组织一直在采用数据湖来克服数据仓库的技术限制,并逐步向更以数据驱动的实体发展。
让数据更有价值,采用数据网格,克服集中式数据湖局限
本文我们先介绍 Amazon SageMaker Notebook 笔记本实例上 GPU 服务器的使用方法。
GPU 服务器的高效使用指南:先从 SageMaker Notebook 笔记本实例聊起
亚马逊云科技致力于引领技术前沿,为了帮助个人迅速把握 AI 的脉搏,重磅推出系列 AI 认证,为您的职业发展提供绝佳机遇!
加入「生成式 AI 认证精英速成计划」!职场快车道入场券,get 涨薪秘籍!
本文中我们将结合代码和示例,介绍如何使用 LLaMA-Factory 在 Amazon SageMaker HyperPod 上训练大模型,熟悉 Amazon SageMaker HyperPod 集群创建和多机多卡分布式训练方法。
Amazon SageMaker HyperPod 实践:掌握分布式,构建大模型训练环境!
本文面向以前可能没有接触过安全原则的人工智能与机器学习和数据科学家,帮助他们了解在使用 LLM 开发生成式 AI 应用程序时,所需掌握的核心安全和隐私最佳实践。
10 大 LLM 安全风险避雷!码住深度防御安全架构的构建方法论!
OpenSearch 是一款开源的分布式搜索和分析套件。
ML connectors 入门指南已到,来 OpenSearch 开启文本向量化功能!
在当今竞争激烈的游戏行业,玩家的需求和反馈是无价之宝。
当玩家分析融合生成式 AI,游戏运营有了超能力!
随着生成式 AI 应用被迅速采用,相关技术的应用程序需要及时响应以减少感知延迟并提高吞吐量。
更快响应、更低延迟!开始进行大语言模型的实时响应流式推理!
在 Amazon ECS 服务上运行分布式机器学习工作负载可让机器学习(ML)团队更加专注于创建、训练和部署模型,而不是花时间去管理容器编排引擎
模型训练“提速器”!使用 Amazon ECS 运行分布式数据并行的训练体验
加载更多