sagemaker关键词检索结果

使用可信赖的身份传播

Simplify access control and auditing for Amazon SageMaker Studio using trusted identity propagation

在这篇文章中,我们探讨了如何在Amazon Sagemaker Studio中启用和使用可信赖的身份传播,该工作室允许组织通过授予现有AWS IAM IAM身份中心身份的权限来简化访问管理。该解决方案演示了如何根据物理用户的身份实现细粒度的访问控件,在受支持的AWS服务中保持详细的审核日志,并支持长期运行的用户背景会话以进行培训工作。

使用Amazon SageMaker AI推理组件优化Salesforce的模型端点

Optimizing Salesforce’s model endpoints with Amazon SageMaker AI inference components

在这篇文章中,我们分享了Salesforce AI平台团队如何优化GPU利用率,提高了资源效率并使用Amazon SageMaker AI,特别是推理组件来节省成本。

用Amazon Sagemaker Hyperpod支持P6E-GB200 Ultraservers

Train and deploy AI models at trillion-parameter scale with Amazon SageMaker HyperPod support for P6e-GB200 UltraServers

在这篇文章中,我们回顾了P6E-GB200 Ultraservers的技术规格,讨论其性能优势,并突出关键用例。然后,我们走过如何通过灵活的培训计划购买超声处理能力,并开始使用带有Sagemaker Hyperpod的Ultraservers。

与SageMaker Unified Studio Projects自动化AIOPS,第2部分:技术实施

Automate AIOps with SageMaker Unified Studio Projects, Part 2: Technical implementation

在这篇文章中,我们专注于通过逐步指导和参考代码实施此体系结构。我们提供了详细的技术演练,以满足AI开发生命周期中两个关键角色的需求:通过自动模板建立治理和基础设施的管理员,以及使用SageMaker Unified Studio用于模型开发的数据科学家,而无需管理基础设施。

与Amazon Sagemaker Unified Studio Projects自动化AIOPS,第1部分:解决方案体系结构

Automate AIOps with Amazon SageMaker Unified Studio projects, Part 1: Solution architecture

这篇文章介绍了建筑策略和可扩展的框架,该框架可帮助组织管理多租户环境,始终如一地自动化自动化,并嵌入治理控制,因为它们可以与Sagemaker Unified Studio扩展AI计划。

Amazon Sagemaker AI上使用拥抱面库

Fine-tune OpenAI GPT-OSS models on Amazon SageMaker AI using Hugging Face libraries

于2025年8月5日发布,OpenAI的GPT-Oss车型GPT-OSS-20B和GPT-OSS-1220B现在可以通过AWS通过Amazon Sagemaker AI和Amazon Bedrock在AWS上购买。在这篇文章中,我们介绍了使用SageMaker AI培训工作在完全管理的培训环境中微调GPT-oss模型的过程。

使用Amazon Bedrock Data Automation和Amazon Sagemaker AI

Process multi-page documents with human review using Amazon Bedrock Data Automation and Amazon SageMaker AI

在这篇文章中,我们将使用Amazon Bedrock Data Automation和Amazon Sagemaker AI展示如何使用人类评论循环处理多页文档。

来自OpenAI的GPT OSS模型现在可以在SageMaker Jumpstart

GPT OSS models from OpenAI are now available on SageMaker JumpStart

今天,我们很高兴地宣布,来自Amazon Sagemaker Jumpstart的OpenAI,Openai的Open AI开放式AI开放式GPT OSS模型,GPT-OSS-1220B和GPT-SOSS-20B。通过此发布,您现在可以部署Openai的最新推理模型来构建,实验和负责任地扩展您的生成AI想法。在这篇文章中,我们演示了如何在Sagemaker Jumpstart上开始这些模型。

7月回顾:新的AWS服务和特权权限

July Recap: New AWS Services and Privileged Permissions

随着2025年7月的结束,我们回到了本月的新发布的AWS特权许可证 - 这次,几项新服务首次亮相,每个服务都带有可以重塑您的云安全边界的权限。本月在Amazon Bedrock,Oracle Database@aws,S3矢量和Sagemaker中介绍新的功能,所有[…]

MISTRAL-SMALL-3.2-24B-INSTRUCT-2506现在可以在Amazon Bedrock Marketplace和Amazon Sagemaker Jumpstart

Mistral-Small-3.2-24B-Instruct-2506 is now available on Amazon Bedrock Marketplace and Amazon SageMaker JumpStart

今天,我们很高兴地宣布,Mistral-Small-3.2-24B-Instruct-2506 - Mistral AI的240亿参数大语言模型(LLM),该模型(LLM)已优化,可通过Amazon Sagemaker Jumpstart和Amazon Bedrock Market Place,可用于增强跟随和减少的重复错误,并减少重复错误。亚马逊基岩市场是亚马逊基岩的一种能力,开发人员可以用来发现,测试和使用[…]

None

Customize Amazon Nova in Amazon SageMaker AI using Direct Preference Optimization

在纽约市的AWS峰会上,我们为亚马逊Nova Foundation Models推出了一套全面的模型定制功能。作为现成的食谱Onamazon Sagemaker AI可用,您可以在模型培训生命周期中使用它们来适应Nova Micro,Nova Lite和Nova Pro,包括预训练,监督微调和对齐方式。在这篇文章中,我们提出了一种简化的方法来自定义Sagemaker培训工作中的Nova Micro。

在Amazon Sagemaker上使用Amazon Nova LLM-AS-A-A-A-As-As-A-A-ai

Evaluating generative AI models with Amazon Nova LLM-as-a-Judge on Amazon SageMaker AI

评估大语言模型(LLM)的性能超出了统计指标,例如困惑或双语评估研究(BLEU)得分。对于大多数真实世界的生成AI方案,重要的是要了解模型是否比基线或更早的迭代产生更好的输出。这对于诸如摘要,内容生成,[…]

使用Amazon S3矢量建立企业规模的抹布应用程序和Amazon Sagemaker上的DeepSeek R1

Building enterprise-scale RAG applications with Amazon S3 Vectors and DeepSeek R1 on Amazon SageMaker AI

组织正在采用大型语言模型(LLM),例如DeepSeek R1,以改变业务流程,增强客户体验并以前所未有的速度推动创新。但是,独立的LLM具有关键的局限性,例如幻觉,过时的知识和无法获得专有数据的访问。检索增强发电(RAG)通过将语义搜索与生成AI相结合,[…]

Rapid7如何使用Amazon Sagemaker AI

How Rapid7 automates vulnerability risk scores with ML pipelines using Amazon SageMaker AI

在这篇文章中,我们分享了Rapid7如何实施端到端自动化,以用于预测CVSS向量的ML模型的培训,验证和部署。 Rapid7客户拥有所需的信息,以准确了解其风险并确定补救措施。

Amazon Sagemaker上的高级微调方法AI

Advanced fine-tuning methods on Amazon SageMaker AI

在AWS上微调ML模型时,您可以为您的特定需求选择合适的工具。 AWS为数据科学家,ML工程师和业务用户提供了一系列全面的工具,以实现其ML目标。 AWS建立了支持各种ML复杂性的解决方案,从简单的Sagemaker培训工作进行FM微调到萨吉马制造商Hyperpod的力量进行尖端研究。我们邀请您探索这些选项,从适合您当前需求的内容开始,并随着这些需求的变化而发展您的方法。

简化机器学习工作流与Skypilot上的Amazon Sagemaker Hyperpod

Streamline machine learning workflows with SkyPilot on Amazon SageMaker HyperPod

这篇文章与Skypilot共同创建者Zhanghao Wu共同撰写。生成AI和基础模型(FMS)的快速发展已大大提高了机器学习(ML)工作量的计算资源需求。现代ML管道需要有效的系统来在加速的计算资源上分配工作负载,同时确保开发人员的生产率仍然很高。组织需要基础架构解决方案[…]

在Amazon Sagemaker上为多租户ML平台实现用户级访问控件

Implement user-level access control for multi-tenant ML platforms on Amazon SageMaker AI

在这篇文章中,我们讨论了权限管理策略,重点介绍了基于属性的访问控制(ABAC)模式,这些模式可实现粒度用户访问控制,同时最大程度地减少AWS身份和访问管理(IAM)角色的扩散。我们还分享了经过验证的最佳实践,可帮助组织维持安全性和合规性,而无需牺牲其ML工作流程的运营效率。

Amazon Sagemaker AI的新功能继续改变组织如何开发AI模型

New capabilities in Amazon SageMaker AI continue to transform how organizations develop AI models

在这篇文章中,我们分享了Sagemaker AI中的一些新创新,这些创新可以加速您的构建和培训AI模型。这些创新包括SageMaker Hyperpod中的新可观察性功能,在HyperPod上部署JumpStart模型的能力,从本地开发环境中与SageMaker AI的远程连接以及完全管理的MLFLOW 3.0。