Integrate foundation models into your code with Amazon Bedrock
大型语言模型 (LLM) 和基础模型 (FM) 的兴起彻底改变了自然语言处理 (NLP) 和人工智能 (AI) 领域。这些强大的模型经过大量数据训练，可以生成类似人类的文本、回答问题，甚至参与创意写作任务。但是，从头开始训练和部署此类模型是 […]
Unearth insights from audio transcripts generated by Amazon Transcribe using Amazon Bedrock
在本文中，我们将通过一些示例来研究如何通过语音分析创造商业价值，这些示例侧重于以下内容：1) 自动总结、分类和分析营销内容（例如播客、录制的采访或视频），并根据这些资产创建新的营销材料，2) 自动从录制的会议（例如收益电话会议）中提取关键点、摘要和情绪，以及 3) 转录和分析联系中心呼叫以改善客户体验。
Classify Jira Tickets with GenAI On Amazon Bedrock
使用快速工程和大型语言模型 (LLMS) 替代传统的 NLP 方法，用于 Jira 票证文本分类。代码示例演练照片由 Annie Spratt 在 Unsplash 上拍摄还记得分类文本意味着踏上机器学习之旅的日子吗？如果您在 ML 领域待的时间足够长，您可能已经目睹了至少一个团队在构建“完美”文本分类系统的兔子洞中消失。故事通常是这样的：第 1 个月：“我们只需快速训练一个 NLP 模型！”第 2 个月：“我们需要更多的训练数据……”第 3 个月：“这已经足够好了”多年来，文本分类已经落入了经典 ML 的范畴。在我职业生涯的早期，我记得训练了一个支持向量机 (SVM) 来进行电子邮件分类。大
Best practices and lessons for fine-tuning Anthropic’s Claude 3 Haiku on Amazon Bedrock
在这篇文章中，我们探讨了在 Amazon Bedrock 上微调 Anthropic 的 Claude 3 Haiku 的最佳实践和经验教训。我们讨论了微调的重要组成部分，包括用例定义、数据准备、模型定制和性能评估。
Track, allocate, and manage your generative AI cost and usage with Amazon Bedrock
Amazon Bedrock 推出了一项功能，组织可以使用该功能标记按需模型并监控相关成本。组织现在可以为所有 Amazon Bedrock 模型添加 AWS 成本分配标签，将使用情况与特定的组织分类法（例如成本中心、业务部门和应用程序）保持一致。
Druva 为数千家企业提供网络、数据和运营弹性，并受到 60 家财富 500 强企业的信任。在这篇文章中，我们展示了 Druva 如何使用 Amazon Bedrock 进行自然语言查询 (NLQ)——用英语提问并获取表格数据作为答案——以及他们面临的挑战、示例提示和关键学习内容。
Create a generative AI–powered custom Google Chat application using Amazon Bedrock
AWS 提供强大的生成 AI 服务，包括 Amazon Bedrock，它允许组织创建定制的用例，例如基于聊天的 AI 助手，可根据客户文档中包含的知识提供答案等等。许多企业希望将这些尖端的 AI 功能与他们现有的协作工具（例如 Google Chat）集成，以 [...]
这篇文章介绍了一种创新的语音应用程序工作流程，该工作流程利用 Amazon Bedrock、Amazon Transcribe 和 React 的强大功能，通过经验丰富的员工的语音记录系统地捕获和记录机构知识。我们的解决方案使用 Amazon Transcribe 进行实时语音到文本转换，从而能够准确、即时地记录口头知识。然后，我们使用由 Amazon Bedrock 提供支持的生成式 AI 来分析和总结转录的内容，提取关键见解并生成全面的文档。
Automate Amazon Bedrock batch inference: Building a scalable and efficient pipeline
虽然批量推理提供了许多好处，但每个区域每个模型最多只能提交 10 个批量推理作业。为了解决这一问题并增强您对批量推理的使用，我们使用 AWS Lambda 和 Amazon DynamoDB 开发了一个可扩展的解决方案。本文将指导您实施一个队列管理系统，该系统会自动监控可用的作业槽位并在有槽位时提交新作业。
Build a video insights and summarization engine using generative AI with Amazon Bedrock
这篇文章介绍了一种解决方案，您可以将会议记录（大多数现代数字通信服务（如 Amazon Chime）中都提供此功能）上传到集中式视频洞察和摘要引擎。该引擎使用人工智能 (AI) 和机器学习 (ML) 服务以及 AWS 上的生成式 AI 来提取记录、生成摘要并提供通话情绪。该解决方案记录了每个人记录的操作，并为上传者提供了建议的操作。所有这些数据都是集中的，可用于改善销售或呼叫中心等场景中的指标。
Automate document processing with Amazon Bedrock Prompt Flows (preview)
这篇文章演示了如何使用 Amazon Bedrock Prompt Flows 构建 IDP 管道以自动从文档中提取和处理数据，Amazon Bedrock Prompt Flows 是一项完全托管的服务，可让您使用 Amazon Bedrock 和其他服务在直观的可视化构建器中构建生成式 AI 工作流。Amazon Bedrock Prompt Flows 允许您随着业务变化快速更新管道，扩展文档处理工作流以帮助满足不断变化的需求。
How Planview built a scalable AI Assistant for portfolio and project management using Amazon Bedrock
在本文中，我们探讨了 Planview 如何通过采用 Amazon Bedrock 开发生成式 AI 助手来解决复杂的工作管理流程。
Create a generative AI-based application builder assistant using Amazon Bedrock Agents
代理工作流是一种全新的视角，它借助大型语言模型 (LLM) 作为推理引擎或大脑，构建基于动态和复杂业务用例的工作流。在这篇文章中，我们使用 Amazon Bedrock Agents 设置了一个代理，作为软件应用程序构建器助手。
在本文中，我们了解了 SnapLogic 的 Agent Creator 如何利用 Amazon Bedrock 提供低代码平台，使企业无需深厚的技术专业知识即可快速开发和部署强大的生成式 AI 应用程序。
在本文中，我们讨论了 Classworks 如何使用 Amazon Bedrock 和 Anthropic 的 Claude Sonnet 通过 Wittly 提供下一代差异化学习。
Fine-tune a BGE embedding model using synthetic data from Amazon Bedrock
在本文中，我们演示了如何使用 Amazon Bedrock 创建合成数据、微调 BAAI 通用嵌入 (BGE) 模型以及使用 Amazon SageMaker 进行部署。
在本文中，我们将演示如何部署上下文 AI 助手。我们构建了一个解决方案，使用 Amazon Bedrock 知识库、Amazon Lex 和 Amazon Connect 为用户提供熟悉且方便的界面，并使用 WhatsApp 作为渠道。
Getting Started: How to Set up a Full-Stack App with AWS and Bedrock
我希望拥有的 AWS Bedrock 教程：为 AWS 基础设施准备机器所需了解的一切第 1 部分：节省无数小时处理零散和不完整文档的时间，并在不到一小时内准备好您的环境作者使用 Midjourney 生成的图像如何将笔记本中一个漂亮的小型机器学习原型开发成一个强大的全栈 Web 应用程序？虽然这个过程似乎令人生畏，但这个由多个部分组成的系列将帮助您一步一步解决学习曲线，指导您解决最棘手的权限问题（AWS 因该问题而臭名昭著）。在本系列结束时，您将拥有一个功能齐全的语言翻译应用程序，并建立了快速扩展自己的 GenAI 管道所需的概念知识。这是我们关于 🌊 构建由 Amazon Bedrock
