How E.ON saves £10 million annually with AI diagnostics for smart meters powered by Amazon Textract
E.On的故事强调了亚马逊质特的创造性应用如何结合自定义图像分析和脉搏计数，可以在大规模上解决现实世界中的挑战。通过简短的智能手机视频诊断智能电表错误，E.ON的目标是降低成本，提高客户满意度并提高整体能源服务的可靠性。在这篇文章中，我们深入研究了该解决方案的工作原理及其产生的影响。
Building intelligent AI voice agents with Pipecat and Amazon Bedrock – Part 1
在这一系列帖子中，您将学习如何使用PipeCat构建智能AI语音代理，这是一个用于语音和多模式对话AI代理的开源框架，并在Amazon Bedrock上建立了基础模型。它包括高级参考体系结构，最佳实践和代码样本，以指导您的实施。
How Kepler democratized AI access and enhanced client services with Amazon Q Business
在全球全方位服务的数字营销机构Kepler为Fortune 500品牌提供服务，我们了解创意营销策略与数据驱动的精确度之间的微妙平衡。在这篇文章中，我们分享了实施亚马逊Q业务如何通过使整个组织的AI访问在同时保持严格的安全标准的同时使我们的运营改变了我们的运营，从而使每位员工每周的平均每周节省2.7个小时的手动工作和改进的客户服务交付。
Build a serverless audio summarization solution with Amazon Bedrock and Whisper
在这篇文章中，我们演示了如何使用开放式AI窃窃私语粉底型（FM）Whisper大型V3 Turbo，该涡轮在亚马逊基岩市场上可用，该市场可通过专用产品访问140多个型号，以生产几乎实时转录。然后，这些转录由亚马逊基岩处理，以汇总和敏感信息的修复。
在这篇文章中，我们演示了如何使用自然语言和图像查询使用大型视觉模型（LVM）进行语义视频搜索。我们介绍了一些特定于用例的方法，例如时间框架平滑和聚类，以增强视频搜索性能。此外，我们通过在Amazon Sagemaker AI上使用异步和实时托管选项来演示这种方法的端到端功能，以使用拥抱面部模型中心上的公开可用的LVMS执行视频，图像和文本处理。最后，我们将Amazon OpenSearch与其矢量引擎一起用于低延迟语义视频搜索。
Multi-account support for Amazon SageMaker HyperPod task governance
在这篇文章中，我们讨论了具有多个帐户的企业如何访问共享的Amazon Sagemaker HyperPod群集以运行其异质工作负载。我们使用SageMaker HyperPod任务治理来启用此功能。
Build a Text-to-SQL solution for data consistency in generative AI using Amazon Nova
这篇文章评估了使用生成AI查询数据的关键选项，讨论了它们的优势和局限性，并演示了为什么文本到SQL是确定性，特定于架构的任务的最佳选择。我们展示了如何使用Amazon Nova有效地使用Amazon Nova（Amazon Bedrock中可用的基础模型（FM）），从您的数据中得出精确而可靠的答案。
Modernize and migrate on-premises fraud detection machine learning workflows to Amazon SageMaker
radial是最大的3PL履行提供商，也为中型市场和企业品牌提供综合付款，欺诈检测以及全渠道解决方案。在这篇文章中，我们通过使用Amazon Sagemaker对其ML工作流进行现代化，分享了Radial如何优化其欺诈检测机学习（ML）应用程序的成本和性能。
Contextual retrieval in Anthropic using Amazon Bedrock Knowledge Bases
上下文检索通过在生成嵌入之前向每个块添加块的解释性上下文来增强传统抹布。这种方法通过相关的上下文信息丰富了向量表示，在响应用户查询时，可以更准确地检索语义相关的内容。在这篇文章中，我们演示了如何使用人类和亚马逊基石知识库使用上下文检索。
Impel enhances automotive dealership customer experience with fine-tuned LLMs on Amazon SageMaker
在这篇文章中，我们与SageMaker的微调LLMS分享Impel如何增强汽车经销商的客户体验。
How climate tech startups are building foundation models with Amazon SageMaker HyperPod
在这篇文章中，我们展示了气候技术初创公司如何开发基础模型（FMS），这些模型（FMS）使用广泛的环境数据集来解决诸如碳捕获，碳阴性燃料，新的微塑料破坏和生态系统保存等问题。这些专业模型需要高级计算功能来有效地处理和分析大量数据。
Supercharge your development with Claude Code and Amazon Bedrock prompt caching
在这篇文章中，我们将探讨如何将Amazon Bedrock提示缓存与Claude Code相结合，这是由人类发布的编码代理，现在通常可用。这种功能强大的组合通过减少推理响应延迟以及降低输入令牌成本的响应来改变您的开发工作流程。
Build a scalable AI assistant to help refugees using AWS
丹麦人道主义组织贝瓦尔乌克兰（Bevar Ukraine）开发了一个综合的虚拟生成性AI驱动的助手，名为Victor，旨在满足乌克兰难民的紧迫需求，这些难民将整合到丹麦社会中。本文详细介绍了我们使用AWS服务的技术实施，以创建可扩展的多语言AI助手系统，该系统在维护数据安全和GDPR合规性的同时提供自动帮助。
Enhanced diagnostics flow with LLM and Amazon Bedrock agent integration
在这篇文章中，我们探讨了Noodoe如何使用AI和Amazon Bedrock优化EV充电操作。通过集成LLM，Noodoe可以增强电台诊断，启用动态定价并提供多语言支持。这些创新降低了停机时间，最大化效率并提高了可持续性。继续阅读以发现AI如何转换电动汽车充电管理。
Build GraphRAG applications using Amazon Bedrock Knowledge Bases
在这篇文章中，我们探讨了如何在亚马逊基岩知识库中使用基于图的检索型生成（GraphRag）来构建智能应用程序。与传统矢量搜索（根据相似性分数检索文档）不同，知识图编码实体之间的关系，允许大型语言模型（LLMS）通过上下文感知的推理检索信息。
本博客文章提供了一种MLOPS解决方案，该解决方案使用AWS Cloud开发套件（AWS CDK）以及AWS STEP功能，Amazon EventBridge和Amazon等服务个性化，以自动化为数据准备，模型培训，部署和监视亚马逊个性化的提供资源。
Deploy Amazon SageMaker Projects with Terraform Cloud
在这篇文章中，您定义，部署和提供纯粹在Terraform中的SageMaker项目自定义模板。由于对其他IAC工具没有依赖性，因此您现在可以严格在Terraform企业基础架构中启用Sagemaker项目。
Zuru与AWS生成AI创新中心合作，并使用AWS专业服务，以使用Generative AI实施更准确的文本到层次底层计划生成器。在这篇文章中，我们向您展示了为什么选择使用大语言模型（LLM）的解决方案。我们探讨了如何使用模型选择，及时的工程和微调来改善结果。
