Accelerating generative AI development with fully managed MLflow 3.0 on Amazon SageMaker AI
在这篇文章中，我们探讨了Amazon Sagemaker如何为MLFLOW 3.0提供全面管理的支持，简化了AI实验并加速了您从想法到生产的生成性AI旅程。该版本将托管的MLFlow从实验跟踪转换为提供端到端可观察性，从而缩短了生成AI开发的市场时间。
在这篇文章中，我们宣布了亚马逊萨吉马制造商Hyperpod支持，用于从SageMaker Jumpstart部署基础模型，以及来自Amazon S3或Amazon FSX的自定义或微调模型。这种新功能使客户可以在相同的HyperPod计算资源上训练，微调和部署模型，从而最大程度地利用整个模型生命周期的资源利用率。
Supercharge your AI workflows by connecting to SageMaker Studio from Visual Studio Code
AI开发人员和机器学习（ML）工程师现在可以直接从其本地Visual Studio代码（VS代码）直接使用Amazon Sagemaker Studio的功能。借助此功能，您可以使用自定义的本地VS代码设置，包括AI辅助开发工具，自定义扩展和调试工具，同时访问SageMaker Studio中的计算资源和数据。在这篇文章中，我们向您展示如何将本地VS代码连接到SageMaker Studio开发环境，以在访问Amazon SageMaker AI计算资源时使用自定义的开发环境。
Use K8sGPT and Amazon Bedrock for simplified Kubernetes cluster maintenance
这篇文章展示了与Amazon Bedrock在AWS中运行K8SGPT的最佳实践：K8SGPT CLI和K8SGPT操作员。它展示了该解决方案如何通过连续监视和操作智能来帮助SRES简化Kubernetes群集管理。
How Rocket streamlines the home buying experience with Amazon Bedrock Agents
Rocketaiagent不仅仅是数字助理。这是由代理AI支持的重新构想客户参与方法。通过将Amazon Bedrock代理与Rocket的专有数据和后端系统相结合，Rocket在不等待的情况下创造了24/7的更智能，更可扩展和更多的人类体验。这篇文章探讨了火箭如何使用亚马逊基岩代理商将这种愿景带入生活，从而为AI驱动支持的新时代提供动力，该时代始终可用，深入个性化和建立以采取行动。
Build an MCP application with Mistral models on AWS
这篇文章演示了使用Mistral AI模型在AWS和MCP上建立智能AI助手，从而集成了实时位置服务，时间数据和上下文内存，以处理复杂的多模式查询。此用例，餐厅的建议是一个例子，但是可以通过修改MCP服务器配置以与您的特定数据源和业务系统连接来适应企业用例。
Build real-time conversational AI experiences using Amazon Nova Sonic and LiveKit
Mazon Nova Sonic现在与LiveKit的WebRTC Framework集成在一起，这是一个广泛使用的平台，使开发人员能够构建实时音频，视频和数据通信应用程序。这种集成使开发人员可以构建对话性语音接口，而无需管理复杂的音频管道或信号协议。在这篇文章中，我们解释了这种集成如何工作，它如何解决语音优先应用程序的历史挑战以及开始使用此解决方案的一些初始步骤。
在这篇文章中，我们宣布由NVIDIA Blackwell GPU驱动的Amazon EC2 P6E-GB200 Ultraservers和P6-B200实例的一般可用性，该实例旨在培训和部署最大，最复杂的AI型号。
Amazon Q Business for Retail Intelligence是AI驱动的助手，旨在帮助零售业务简化运营，改善客户服务并增强决策流程。该解决方案专门设计为可扩展和适应各种规模的企业，帮助他们更有效地竞争。在这篇文章中，我们展示了如何使用Amazon Q Business进行零售情报将数据转换为可行的见解。
Democratize data for timely decisions with text-to-SQL at Parcel Perform
包裹中的业务团队经常需要访问数据来回答与商人包裹交付有关的问题，例如“我们上周看到交货延误的激增吗？以前，数据团队必须手动形成查询并运行它以获取数据。凭借包裹中新的生成AI驱动的文本到SQL功能，业务团队可以使用AI Assistant界面来自达其数据需求。在这篇文章中，我们讨论了包裹在通过AWS服务中执行包含的生成AI，数据存储和数据访问，以及时做出决定。
Query Amazon Aurora PostgreSQL using Amazon Bedrock Knowledge Bases structured data
在这篇文章中，我们讨论了如何使您的Amazon Aurora PostgreSQL兼容版数据可通过Amazon Bedrock知识库进行自然语言查询，同时保持数据新鲜度。
n这个由两部分组成的系列，我们讨论了一个枢纽和讲话架构模式，用于构建多租户和多学院的体系结构。该模式支持跨用例和团队共享服务的抽象，有助于创建安全，可扩展和可靠的生成AI系统。在第1部分中，我们使用AWS Transit Gateway提供跨学科互操作性，提出了用于生成AI服务抽象和特定于租户的辐条的集中式枢纽。
Accelerate AI development with Amazon Bedrock API keys
今天，我们很高兴地宣布，亚马逊基岩的开发人员体验：API Keys。 API密钥可快速访问Amazon Bedrock API，从而简化了身份验证过程，以便开发人员可以专注于构建而不是配置。
在这篇文章中，我们展示了拜耳作物科学如何通过培训模型来管理数据分析需求的大规模数据科学操作，并维护高质量的代码文档以支持开发人员。通过这些解决方案，拜耳作物科学计划的开发人员登机时间可下降70％，开发人员生产率提高了30％。
Combat financial fraud with GraphRAG on Amazon Bedrock Knowledge Bases
在这篇文章中，我们展示了如何使用Amazon Neptune Analytics使用Amazon Bedrock知识库来构建财务欺诈检测解决方案。
Cohere Embed 4 multimodal embeddings model is now available on Amazon SageMaker JumpStart
Cohere Embered 4多模式嵌入模型现在通常可以在Amazon Sagemaker Jumpstart上获得。 Embed 4模型是为多模式业务文档构建的，具有领先的多语言功能，并且对跨关键基准测试的嵌入3提供了显着的改进。在这篇文章中，我们讨论了这种新模型的好处和功能。我们还可以使用Sagemaker Jumpstart引导您完成如何部署和使用嵌入4型号的型号。
How INRIX accelerates transportation planning with Amazon Bedrock
Inrix率先使用连接车辆的GPS数据进行运输智能。在这篇文章中，我们与Amazon Web Services（AWS）客户Inrix合作，展示了如何使用Amazon Bedrock使用丰富的运输数据来确定特定城市位置的最佳对策，以及如何在Street View图像中自动将这些对策自动可视化。与使用概念图的传统方法相比，这种方法允许大量的计划加速。
Build a just-in-time knowledge base with Amazon Bedrock
传统的检索增强发电（RAG）系统通过摄入和维护可能永远不会查询的文档的嵌入来消耗宝贵的资源，从而导致不必要的存储成本和降低的系统效率。这篇文章提出了一个即时知识库解决方案，该解决方案通过智能文档处理来减少未使用的消费。该解决方案仅在需要时处理文档，并自动删除未使用的资源，因此组织可以扩展其文档存储库，而无需按比例增加基础架构成本。
