Aker关键词检索结果

Fastweb 如何使用 Amazon SageMaker HyperPod 对 Mistral 模型进行微调,作为构建意大利语大型语言模型的第一步

How Fastweb fine-tuned the Mistral model using Amazon SageMaker HyperPod as a first step to build an Italian large language model

Fastweb 是意大利领先的电信运营商之一,很早就认识到了 AI 技术的巨大潜力,并于 2019 年开始在该领域进行投资。在本文中,我们将探讨 Fastweb 如何利用尖端的 AI 和 ML 服务踏上他们的 LLM 之旅,克服挑战并在此过程中解锁新机遇。

问答:暗物质搜索内幕

Q&A: Inside the search for dark matter

十多年前,暗物质专家 Daniel Akerib 和 Thomas Shutt 加入了美国能源部的 SLAC 国家加速器实验室,继续他们的使命,以发现这种难以捉摸的物质。 SLAC 最近采访了他们,讨论了暗物质搜索的现状。

暗物质搜索内部

Inside the Search for Dark Matter

Ali Sundermier,对称性 十多年前,暗物质专家 Daniel Akerib 和 Thomas Shutt 加入了美国能源部的 SLAC 国家加速器实验室,继续他们的研究工作……

健康保险杀戮:经济学确实有话要说

Health insurance killing: Economics does have something to say

Dean Baker 的话 我并不是一个喜欢吹捧经济学智慧的人,但它确实为联合健康保险公司 (UHC) 首席执行官 Brian Thompson 被谋杀的可能动机提供了一些有用的见解。据媒体报道,嫌疑人 Luigi Mangione 对自己和他人的经历感到愤怒 […]

在撰写有关比特币的十二年后,这就是我的思维改变

After twelve years of writing about bitcoin, here's how my thinking has changed

下面是一篇关于我对比特币的思维方式自2012年10月开始写第一篇文章以来的思维方式的文章。从那时起,我在Moneyness Blog上写了109篇文章,该博客将比特币(参考比特币)撰写在Coindesk,Breakermag和其他地方等场地上有几十篇文章。在我的博客的早期,比特币的早期比特币Optimisti感到兴奋。分散的电子支付系统的想法使我着迷。这是我关于该主题的第二篇文章的摘录,比特币(对于金钱经济学家) - 为什么比特币很棒,以及为什么它注定要日期为2012年11月:“比特币是一个革命性的记录保存系统。它非常快,高效,便宜,便宜,便宜,便宜,安全。如果我是银行家,我害怕。” [链接]

写了 12 年关于比特币的文章后,我的想法发生了以下变化

After twelve years of writing about bitcoin, here's how my thinking has changed

接下来是一篇关于我对比特币的看法如何变化的文章,自从我在 2012 年 10 月发表第一篇文章以来,我开始撰写有关比特币的文章。从那时起,我在 Moneyness 博客上写了 109 篇涉及比特币的文章,并在 CoinDesk、Breakermag 等网站上发表了几十篇文章。早期的比特币乐观主义者我在博客的早期对比特币感到兴奋。分散式电子支付系统的想法让我着迷。这是我在 2012 年 11 月发表的第二篇关于比特币(货币经济学家)——比特币为何伟大以及为何注定失败的文章的摘录:“比特币是一种革命性的记录保存系统。它非常快速、高效、廉价和安全。我可以将我的比特币从加拿大发送给非洲的某人,在 10

TUI 如何使用 Amazon Bedrock 在 10 秒内扩展内容创建并增强酒店描述

How TUI uses Amazon Bedrock to scale content creation and enhance hotel descriptions in under 10 seconds

TUI Group 是全球领先的旅游服务公司之一,为 180 个地区的 2100 万客户提供无与伦比的度假体验。TUI 内容团队的任务是为其网站制作高质量的内容,包括产品详细信息、酒店信息和旅行指南,通常使用酒店和第三方合作伙伴撰写的描述。在这篇文章中,我们讨论了如何使用 Amazon SageMaker 和 Amazon Bedrock 构建内容生成器,该生成器根据特定的品牌和风格指南重写营销内容。

Llama 3.3 70B 现已在 Amazon SageMaker JumpStart 中提供

Llama 3.3 70B now available in Amazon SageMaker JumpStart

今天,我们很高兴地宣布 Meta 的 Llama 3.3 70B 已在 Amazon SageMaker JumpStart 中推出。 Llama 3.3 70B 标志着大型语言模型 (LLM) 开发方面取得了令人兴奋的进步,它以更少的计算资源提供了与大型 Llama 版本相当的性能。在本文中,我们将探讨如何在 Amazon SageMaker AI 上高效部署此模型,并使用高级 SageMaker AI 功能实现最佳性能和成本管理。

Airborne 12.13.24:Whitaker 辞职、CAF 空中报告、SpaceX $$$

Airborne 12.13.24: Whitaker To Resign, CAF MidAir Report, SpaceX $$$

另外:日本寻找二战炸弹、美国海岸警卫队救援、巴菲特荣誉、鱼鹰再次搁置 美国联邦航空管理局局长迈克尔·惠特克将在当选总统唐纳德·特朗普下个月上任前卸任。除非迅速任命一位新的高素质继任者,否则美国的航空运输系统可能会陷入困境,因为惠特克的离职将导致美国联邦航空管理局失去局长,同时仍卷入一系列调查之中,调查内容包括波音的安全问题、员工老龄化和队伍内部问题,以及一系列永无止境的空中交通管制员问题——其中最严重的是人员短缺。美国国家运输安全委员会指出,在 2022 年 11 月的达拉斯之翼航空展上,一架波音 B-17G 轰炸机与一架贝尔 P-63F 战斗机在空中相撞致死,主要原因是规划不充分。据报道,S

Amazon 如何使用 Amazon SageMaker Pipelines 大规模训练顺序集成模型

How Amazon trains sequential ensemble models at scale with Amazon SageMaker Pipelines

集成模型在 ML 社区中越来越受欢迎。它们通过组合多个模型的预测来生成更准确的预测。管道可以快速用于为集成模型创建端到端 ML 管道。这使开发人员能够构建高度准确的模型,同时保持效率和可重复性。在这篇文章中,我们提供了一个使用管道训练和部署的集成模型的示例。

在 SageMaker HyperPod 中实现登录节点负载平衡以增强多用户体验

Implementing login node load balancing in SageMaker HyperPod for enhanced multi-user experience

在本文中,我们探讨了在基于 Slurm 的 HyperPod 集群中跨登录节点实现负载平衡的解决方案。通过在所有可用节点上均匀分布用户活动,这种方法为所有用户提供了更一致的性能、更好的资源利用率和更流畅的体验。我们将指导您完成设置过程,并提供在 HyperPod 集群中实现有效负载平衡的实用步骤。

Clearwater Analytics 如何利用生成式 AI 和 Amazon SageMaker JumpStart 彻底改变投资管理

How Clearwater Analytics is revolutionizing investment management with generative AI and Amazon SageMaker JumpStart

在本文中,我们探讨了 Clearwater Analytics 在生成 AI 方面的尝试,他们如何使用 Amazon SageMaker 构建解决方案,并深入研究 Clearwater Analytics 如何使用 LLM 利用投资管理领域超过 18 年的经验,同时优化模型成本和性能。

民权组织者 Ella Baker 出生于这一天1903 – 这里有教学和学习资源

Civil Rights Organizer Ella Baker Was Born On This Day In 1903 – Here Are Teaching & Learning Resources

看看乔·拜登在接受演讲时引用了埃拉·贝克的话——这里有关于她的学习资源。生日快乐,埃拉·贝克!如果没有埃拉·贝克,就不会有 SNCC。pic.twitter.com/spUObrgwY0 — SNCC 遗产项目 (@SNCCLegacy) 2022 年 12 月 13 日

使用全新改进的 Amazon SageMaker Python SDK 加速您的 ML 生命周期 - 第 2 部分:ModelBuilder

Accelerate your ML lifecycle using the new and improved Amazon SageMaker Python SDK – Part 2: ModelBuilder

在本系列的第 1 部分中,我们介绍了 Amazon SageMaker Python SDK 上新推出的 ModelTrainer 类及其优势,并向您展示了如何在自定义数据集上微调 Meta Llama 3.1 8B 模型。在这篇文章中,我们将介绍 ModelBuilder 类的增强功能,它允许您将模型从 ModelTrainer 无缝部署到 SageMaker 终端节点,并为多种部署配置提供单一界面。

使用全新改进的 Amazon SageMaker Python SDK 加速您的 ML 生命周期 - 第 1 部分:ModelTrainer

Accelerate your ML lifecycle using the new and improved Amazon SageMaker Python SDK – Part 1: ModelTrainer

在本文中,我们重点介绍 ModelTrainer 类,以简化训练体验。ModelTrainer 类比当前的 Estimator 类有显著改进,本文将对此进行详细讨论。我们将向您展示如何使用 ModelTrainer 类来训练您的 ML 模型,其中包括使用自定义脚本或容器执行分布式训练。在第 2 部分中,我们将向您展示如何使用改进的 ModelBuilder 类构建模型并部署到 SageMaker 终端节点。

Pixtral 12B 现已在 Amazon SageMaker JumpStart 上提供

Pixtral 12B is now available on Amazon SageMaker JumpStart

今天,我们很高兴地宣布,Pixtral 12B (pixtral-12b-2409) 是一款由 Mistral AI 开发的先进视觉语言模型 (VLM),在纯文本和多模式任务中均表现出色,现已通过 Amazon SageMaker JumpStart 向客户提供。您可以使用 SageMaker JumpStart 试用此模型,SageMaker JumpStart 是一个机器学习 (ML) 中心,可访问算法和模型,只需单击一下即可部署这些算法和模型以运行推理。在这篇文章中,我们将介绍如何发现、部署和使用 Pixtral 12B 模型来处理各种现实世界的视觉用例。

量子计算机跨越关键错误阈值

Quantum Computers Cross Critical Error Threshold

Ben Brubaker,Quanta Magazine 如何用不完美的零件构造出一台完美的机器?这是研究人员构建量子计算机的核心挑战。问题是......

通过增强的安全性加速 ML 实验:AWS PrivateLink 支持使用 MLflow 的 Amazon SageMaker

Accelerating ML experimentation with enhanced security: AWS PrivateLink support for Amazon SageMaker with MLflow

借助各种生成式 AIfoundation 模型 (FM) 以及在 AmazonSageMaker 中构建和训练自己的机器学习 (ML) 模型的能力,用户希望以无缝且安全的方式试验和选择能够为其业务带来最大价值的模型。在 ML 的初始阶段 […]