Transforming network operations with AI: How Swisscom built a network assistant using Amazon Bedrock
在这篇文章中，我们探讨了瑞士Com的如何发展其网络助理。我们讨论了最初的挑战，以及他们如何实现提供可衡量收益的解决方案。我们检查技术体系结构，讨论关键学习，并查看可以进一步改变网络操作的未来增强功能。
End-to-End model training and deployment with Amazon SageMaker Unified Studio
In this post, we guide you through the stages of customizing large language models (LLMs) with SageMaker Unified Studio and SageMaker AI, covering the end-to-end process starting from data discovery to fine-tuning FMs with SageMaker AI distributed training, tracking metrics using MLflow, and then de
Advancing AI agent governance with Boomi and AWS: A unified approach to observability and compliance
在这篇文章中，我们分享了Boomi如何与AWS合作，以帮助企业加速并使用Agent Control Tower自信地采用AI。
Use Amazon SageMaker Unified Studio to build complex AI workflows using Amazon Bedrock Flows
在这篇文章中，我们演示了如何使用SageMaker Unified Studio使用Amazon Bedrock Flow创建复杂的AI工作流程。
Choosing the right approach for generative AI-powered structured data retrieval
在这篇文章中，我们探讨了五种不同的模式，用于在AWS中实现LLM驱动的结构化数据查询功能，包括直接对话接口，BI工具增强功能以及自定义的文本到SQL解决方案。
Revolutionizing drug data analysis using Amazon Bedrock multimodal RAG capabilities
在这篇文章中，我们探讨了亚马逊基岩的多模式抹布的能力如何通过有效处理包含文本，图像，图形和表格的复杂医疗文档来彻底改变药物数据分析。
Context extraction from image files in Amazon Q Business using LLMs
在这篇文章中，我们查看了一个分步实现，用于在Amazon Q Business应用程序中使用自定义文档丰富（CDE）功能来处理独立图像文件。我们将带您浏览CDE中配置的AWS lambda功能来处理各种图像文件类型，并展示该集成如何增强Amazon Q业务提供全面见解的能力的示例场景。
Build AWS architecture diagrams using Amazon Q CLI and MCP
在这篇文章中，我们探讨了如何使用AWS图MCP和AWS文档MCP服务器使用Amazon Q开发人员CLI来创建遵循AWS最佳实践的复杂体系结构图。我们讨论了基本图和现实图表的技术，并提供详细的示例和分步说明。
AWS costs estimation using Amazon Q CLI and AWS Cost Analysis MCP
在这篇文章中，我们探讨了如何将Amazon Q CLI与AWS成本分析MCP服务器一起执行AWS最佳实践的复杂成本分析。我们讨论基本的设置和高级技术，并提供详细的示例和分步说明。
Tailor responsible AI with new safeguard tiers in Amazon Bedrock Guardrails
在这篇文章中，我们介绍了亚马逊基岩护栏中可用的新保障层，解释其好处和用例，并提供有关如何在AI应用程序中实施和评估它们的指导。
Using Amazon SageMaker AI Random Cut Forest for NASA’s Blue Origin spacecraft sensor data
在这篇文章中，我们演示了如何使用SageMaker AI应用随机砍伐森林（RCF）算法来检测NASA和Blue Origin的Spacecraft位置，速度和季度取向数据的异常，并证明了Lunar Deorbit，Descent和Landing Sensors（Boddl-tp）的蓝色起源。
Build an intelligent multi-agent business expert using Amazon Bedrock
在这篇文章中，我们演示了如何使用亚马逊基岩代理商在亚马逊基岩代理中进行多代理协作来构建多代理系统，以解决生物制药行业中复杂的商业问题。我们展示了研发（R＆D），法律和金融领域的专业代理商如何通过分析来自多个来源的数据来共同提供全面的业务见解。
How SkillShow automates youth sports video processing using Amazon Transcribe
Skillshow是青年体育视频制作的领导者，每年在青年体育行业中拍摄300多个活动，每年为20,000多名年轻运动员创建内容。这篇文章描述了Skillshow如何使用Amazon转录和其他Amazon Web Services（AWS）机器学习（ML）服务来自动化其视频处理工作流程，从而在扩展其操作的同时减少了编辑时间和成本。
No-code data preparation for time series forecasting using Amazon SageMaker Canvas
Amazon Sagemaker Canvas提供简化数据争吵的无代码解决方案，使所有用户都可以访问时间序列，而不管其技术背景如何。在这篇文章中，我们探讨了萨格人的画布和萨格人数据牧马人如何提供无代码数据准备技术，以使所有背景的用户能够在单个界面中自信地准备数据并构建时间序列预测模型。
Build an agentic multimodal AI assistant with Amazon Nova and Amazon Bedrock Data Automation
在这篇文章中，我们演示了如何使用Langgraph启用人工智能和机器学习（AI/ML）开发人员和企业建筑师可以采用和扩展的端到端解决方案，例如检索增强发电（RAG），多工具编排（多工具编排）等代理工作流程。我们介绍了财务管理AI助手的示例，该示例可以通过分析收益电话（音频）和演示幻灯片（图像）以及相关的财务数据提要来提供定量研究和扎根财务建议。
Build a scalable AI video generator using Amazon SageMaker AI and CogVideoX
近年来，人工智能和机器学习（AI/ML）技术的快速发展彻底改变了数字内容创建的各个方面。一个特别令人兴奋的发展是视频发电能力的出现，这为各个行业的公司提供了前所未有的机会。这项技术允许创建可以是[…]
Building trust in AI: The AWS approach to the EU AI Act
《欧盟AI法》制定了欧盟内部的AI开发和部署的全面法规。 AWS致力于通过各种举措建立对AI的信任，包括成为欧盟AI PACT的第一批签署者，提供AI服务卡和护栏，并提供教育资源，同时帮助客户在新的监管框架下了解其职责。
