在本文中，我们探讨了 Principal 如何使用 QnABot 与 Amazon Q Business 和 Amazon Bedrock 配对来创建 Principal AI 生成式体验：一种用户友好、安全的内部聊天机器人，可更快地访问信息。使用生成式 AI，Principal 的员工现在可以专注于更深入的基于人类判断的决策，而不是花时间手动从数据源中搜索答案。
Understanding prompt engineering: Unlock the creative potential of Stability AI models on AWS
Stability AI 在 Amazon SageMaker JumpStart 上最新推出的 Stable Diffusion 3.5 Large (SD3.5L) 通过生成更多样化的输出并紧密遵循用户提示来增强图像生成、人体解剖渲染和排版，使其成为对其前身的重大升级。在这篇文章中，我们将探索可以增强这些模型性能的高级提示工程技术，并通过文本到图像的转换促进引人注目的图像的创建。
Unused AWS services lead to unexpected costs. Here’s how to turn them off
在一家公司中，谁拥有云？这并不总是很清楚。也许更好的问题是：谁负责云的成本？答案始终是运营主管。这个人可以被称为“DevOps”，或者负责管理“平台”团队——头衔并不重要。这个人的工作就是负责云的 […]
在本文中，我们将探讨构建 AWS AI 驱动的 Chrome 扩展程序背后的方法，该扩展程序旨在通过直接在您的浏览器中提供实时转录、翻译和摘要功能来彻底改变直播体验。
在本文中，您将学习如何使用 Amazon Rekognition 从图像查询中提取关键对象，并使用 Amazon Bedrock 的 Amazon Titan Multimodal Embeddings 结合 Amazon OpenSearch Serverless Service 构建反向图像搜索引擎。
Sapio Sciences Expands Collaboration With AWS to Advance Science-Aware AI Vision
协作使客户能够安全、自信地使用 AI 来加速药物研究和发现。
Build a multi-tenant generative AI environment for your enterprise on AWS
虽然组织继续发现生成式人工智能的强大应用，但采用速度往往会因团队孤岛和定制工作流程而减慢。为了加快步伐，企业需要强大的运营模式和简化生成式人工智能生命周期的整体方法。在本系列的第一部分中，我们展示了人工智能管理员如何构建 […]
AWS security essentials for managing compliance, data protection, and threat detection
AWS 提供了一套全面的安全工具，帮助组织管理合规性、保护敏感数据并检测其环境中的威胁。从 AWS Security Hub 和 Amazon GuardDuty 到 Amazon Macie 和 AWS Config，每种工具对于增强可见性、自动响应和维护安全的云基础设施都至关重要。本文探讨了这些 AWS 安全要点，深入了解了它们如何协同工作以保护云环境免受潜在风险并确保强大的合规性。...更多→文章 AWS 安全要点，用于管理合规性、数据保护和威胁检测，首先出现在 Help Net Security 上。
Build and deploy a UI for your generative AI applications with AWS and Python
AWS 提供了一套强大的工具和服务，简化了生成式 AI 应用程序的构建和部署过程，即使对于前端和后端开发经验有限的人也是如此。在这篇文章中，我们探索了一种实用的解决方案，该解决方案使用 Streamlit（用于构建交互式数据应用程序的 Python 库）和 AWS 服务（如 Amazon Elastic Container Service (Amazon ECS)、Amazon Cognito 和 AWS 云开发工具包 (AWS CDK)）来创建具有身份验证和部署功能的用户友好型生成式 AI 应用程序。
October Recap: New AWS Sensitive Permissions and Services
随着 AWS 的不断发展，我们经常引入新的服务和权限来增强功能和安全性。本博客全面回顾了 2024 年 10 月添加的新敏感权限和服务。我们分享此内容的目的是标记最重要的版本，以便您关注并更新您的权限和 […]
On the Programmability of AWS Trainium and Inferentia
使用自定义运算符加速 AI/ML 模型训练 — 第 4 部分照片由 Agata Bres 在 Unsplash 上拍摄在这篇文章中，我们继续探索通过自定义运算符开发来优化机器学习 (ML) 工作负载运行时的机会。这一次，我们重点介绍 AWS Neuron SDK 提供的工具，用于在 AWS Trainium 和 AWS Inferentia 上开发和运行新内核。随着推动 AI 革命的低级模型组件（例如注意层）的快速发展，用于训练和运行 ML 模型的加速器的可编程性至关重要。专用 AI 芯片必须为广泛使用且影响深远的通用 GPU (GPGPU) 开发框架（例如 CUDA 和 Triton）提供有
Advance environmental sustainability in clinical trials using AWS
在本文中，我们将讨论如何使用 AWS 支持分散式临床试验，涵盖分散式临床试验的四大支柱（虚拟试验、个性化患者参与、以患者为中心的试验设计和集中式数据管理）。通过探索这些由 AWS 提供支持的替代方案，我们旨在展示组织如何推动更环保的临床研究实践。
Accelerate custom labeling workflows in Amazon SageMaker Ground Truth without using AWS Lambda
Amazon SageMaker Ground Truth 支持创建高质量、大规模的训练数据集，这对于在包括大型语言模型 (LLM) 和生成式 AI 在内的各种应用程序中进行微调至关重要。通过将人工注释者与机器学习相结合，SageMaker Ground Truth 显着降低了数据标记所需的成本和时间。无论是注释图像、视频还是 […]
Super charge your LLMs with RAG at scale using AWS Glue for Apache Spark
在本文中，我们将探讨在 LangChain（一个基于 LLM 构建应用程序的开源框架）上构建可重复使用的 RAG 数据管道，并将其与 AWS Glue 和 Amazon OpenSearch Serverless 集成。最终解决方案是可扩展 RAG 索引和部署的参考架构。
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
