Accelerate large-scale AI training with Amazon SageMaker HyperPod training operator
在这篇文章中，我们演示了如何使用 Amazon SageMaker HyperPod 训练操作器部署和管理机器学习训练工作负载，该操作器通过精确恢复和可定制的监控功能增强 Kubernetes 工作负载的训练弹性。 Amazon SageMaker HyperPod 训练运算符通过有效管理跨大型 GPU 集群的分布式训练来帮助加速生成式 AI 模型开发，提供集中训练过程监控、精细过程恢复和挂起作业检测等优势，可将恢复时间从数十分钟缩短到几秒钟。
在Principal Financial Group 使用 Genesys、Amazon Lex 和 Amazon QuickSight 提高语音虚拟助理性能一文中，我们讨论了使用 Genesys Cloud、Amazon Lex V2、多个 AWS 服务的整体 Primary Virtual Assistant 解决方案，以及使用 Amazon QuickSight 的自定义报告和分析解决方案。
Splash Music transforms music generation using AWS Trainium and Amazon SageMaker HyperPod
在这篇文章中，我们展示了 Splash Music 如何通过在 Amazon SageMaker HyperPod 上结合使用其先进的 HummingLM 模型和 AWS Trainium，为 AI 驱动的音乐创作设定新标准。作为 2024 年 AWS Generative AI Accelerator 中入选的初创公司，Splash Music 与 AWS Startups 和 AWS GenAIIC 密切合作，以快速跟踪创新并加速其音乐生成 FM 开发生命周期。
Iterative fine-tuning on Amazon Bedrock for strategic model improvement
组织在为其生成式 AI 模型实施单次微调方法时经常面临挑战。单次微调方法涉及选择训练数据、配置超参数并希望结果满足预期，但无法进行增量调整。单次微调经常会导致结果不理想，并且需要在改进 [...] 时从头开始整个过程
Voice AI-powered drive-thru ordering with Amazon Nova Sonic and dynamic menu displays
在本文中，我们将演示如何使用 Amazon Nova Sonic 和 AWS 服务实施快速服务餐厅 (QSR) 得来速解决方案。我们将逐步构建一个将语音人工智能与交互式菜单显示相结合的智能系统，提供技术见解和实施指导，以帮助餐厅实现得来速运营的现代化。
Transforming enterprise operations: Four high-impact use cases with Amazon Nova
在这篇文章中，我们分享了四个在 Amazon Bedrock 中使用 Nova 构建的高影响力、广泛采用的用例，并得到实际客户部署、AWS 合作伙伴提供的产品和经验的支持。这些示例非常适合研究自己的人工智能采用策略和跨行业用例的组织。
Building smarter AI agents: AgentCore long-term memory deep dive
在这篇文章中，我们将探讨 Amazon Bedrock AgentCore Memory 如何通过反映人类认知过程的复杂提取、整合和检索机制将原始会话数据转换为持久的、可操作的知识。该系统解决了构建人工智能代理的复杂挑战，这些代理不仅存储对话，还提取有意义的见解、跨时间合并相关信息，并维护连贯的内存存储，从而实现真正的上下文感知交互。
Configure and verify a distributed training cluster with AWS Deep Learning Containers on Amazon EKS
通过采用系统方法启动所需组件并验证其正确配置，可以防止 Amazon EKS 分布式训练中的错误配置问题。本文将逐步介绍设置和验证 EKS 集群以使用 DLC 训练大型模型的步骤。
Scala development in Amazon SageMaker Studio with Almond kernel
本文提供了有关将 Almond 内核集成到 SageMaker Studio 的综合指南，为平台内的 Scala 开发提供了解决方案。
Build a device management agent with Amazon Bedrock AgentCore
在本文中，我们将探讨如何使用 Amazon Bedrock AgentCore 构建对话式设备管理系统。借助此解决方案，用户可以通过自然语言管理其 IoT 设备，使用 UI 执行检查设备状态、配置 WiFi 网络和监控用户活动等任务。
How Amazon Bedrock Custom Model Import streamlined LLM deployment for Salesforce
本文展示了 Salesforce 如何将 Amazon Bedrock 自定义模型导入集成到其机器学习操作 (MLOps) 工作流程中，在不更改应用程序的情况下重用现有终端节点，以及如何对可扩展性进行基准测试。我们分享有关运营效率和成本优化收益的关键指标，并提供简化部署策略的实用见解。
Transforming the physical world with AI: the next frontier in intelligent automation
在这篇文章中，我们探讨物理人工智能如何代表智能自动化的下一个前沿，其中人工智能超越数字边界来感知、理解和操纵我们周围的有形世界。
Medical reports analysis dashboard using Amazon Bedrock, LangChain, and Streamlit
在这篇文章中，我们演示了概念性医疗报告分析仪表板的开发，该仪表板结合了 Amazon Bedrock AI 功能、LangChain 的文档处理和 Streamlit 的交互式可视化功能。该解决方案通过上下文感知聊天系统将复杂的医疗数据转化为可访问的见解，该系统由 Amazon Bedrock 提供的大型语言模型和健康参数的动态可视化提供支持。
Kitsa transforms clinical trial site selection with Amazon Quick Automate
在这篇文章中，我们将展示 Kitsa（一家专门从事 AI 驱动的临床试验招募和选址的健康科技公司）如何使用 Amazon Quick Automate 转变其临床试验选址解决方案。 Amazon Quick Automate 是 Amazon Quick Suite 的一项功能，使企业能够大规模构建、部署和维护弹性工作流程自动化。
Connect Amazon Quick Suite to enterprise apps and agents with MCP
在本文中，我们将探讨 Amazon Quick Suite 的模型上下文协议 (MCP) 客户端如何实现与企业应用程序和 AI 代理的安全、标准化连接，从而消除复杂的自定义集成的需要。您将了解如何设置 MCP Actions 与 Atlassian Jira 和 Confluence、AWS Knowledge MCP Server 和 Amazon Bedrock AgentCore Gateway 等流行企业工具的集成，以创建一个协作环境，让人员和 AI 代理可以跨组织的数据和应用程序无缝协作。
Make agents a reality with Amazon Bedrock AgentCore: Now generally available
了解客户为何选择 AgentCore 使用他们为生产工作负载选择的框架和模型来构建安全、可靠的 AI 解决方案。
Use Amazon SageMaker HyperPod and Anyscale for next-generation distributed computing
在这篇文章中，我们演示了如何将 Amazon SageMaker HyperPod 与 Anyscale 平台集成，以解决构建和部署大规模 AI 模型时的关键基础设施挑战。该组合解决方案通过高性能硬件、持续监控以及与领先的 AI 计算引擎 Ray 的无缝集成，为分布式 AI 工作负载提供强大的基础设施，使组织能够缩短上市时间并降低总体拥有成本。
Vxceed builds the perfect sales pitch for sales teams at scale using Amazon Bedrock
在这篇文章中，我们展示了 Vxceed 如何使用 Amazon Bedrock 开发这种由 AI 驱动的多代理解决方案，为现场销售团队大规模生成个性化的销售推介。
