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。
Automate fine-tuning of Llama 3.x models with the new visual designer for Amazon SageMaker Pipelines
在这篇文章中，我们将向您展示如何设置自动化的 LLM 自定义（微调）工作流程，以便 Meta 的 Llama 3.x 模型可以为金融应用程序提供高质量的 SEC 文件摘要。微调允许您配置 LLM 以在特定于域的任务上实现更好的性能。
Sewage Line Rehabilitation: Welding Robots for Ni-Hard Alloy Deposition in Live Pipelines
污水管线康复正在迅速变化，因为焊接机器人现在将Ni-Hard合金直接放入直播的下水道系统中。这项技术使城市可以修复管道，而无需关闭管道，保持水流动并防止昂贵的中断。机器人通过管道移动，进行专门的金属维修，并每次以速度和精度处理维修。 Ni-Hard合金是[…]污水管线康复：Ni-Hard合金沉积的焊接机器人在现场pipelinesfirst中出现Inevs机器人。
高高发现运输部（DOT）和国土安全部（DHS）通过各种赠款向港口及其周围社区提供了资金机会。对于七个这样的赠款计划，GAO在2024年确定了与自然灾害弹性有关的赠款选择标准，该计划在最近的五个使用此类通知的竞争性计划的资金通知中。 Gao发现，在港口的联邦授予的项目改善了自然灾害弹性的程度尚不完全了解。根据DOT和DHS官员的说法，这样做的一个关键原因是，即使港口项目对自然灾害的韧性通常会提高，即使他们具有不同的主要目标，例如打击恐怖主义或解决网络安全。例如，GAO的一个选定端口中的一个获得了赠款，以重新安装安全检查点门并安装新的门操作系统。港口代表说，大门已经离开了洪水区，从而提高了抵抗洪水
Faster distributed graph neural network training with GraphStorm v0.4
GraphStorm 是一个低代码企业图形机器学习 (ML) 框架，为 ML 从业者提供了一种在行业规模图形数据上构建、训练和部署图形 ML 解决方案的简单方法。在这篇文章中，我们展示了 GraphBolt 如何在分布式设置中增强 GraphStorm 的性能。我们提供了一个在 SageMaker 上使用 GraphStorm 和 GraphBolt 进行分布式训练的实际示例。最后，我们分享了如何将 Amazon SageMaker Pipelines 与 GraphStorm 结合使用。
How Thomson Reuters Labs achieved AI/ML innovation at pace with AWS MLOps services
在本文中，我们将向您展示汤森路透实验室 (TR Labs) 如何通过采用使用 AWS SageMaker、SageMaker Experiments、SageMaker Model Registry 和 SageMaker Pipelines 的标准化 MLOps 框架来开发高效、灵活且功能强大的 MLOps 流程。目标是加快团队使用 AI 和机器学习 (ML) 进行实验和创新的速度——无论是使用自然语言处理 (NLP)、生成式 AI 还是其他技术。我们讨论了这如何帮助缩短新想法的上市时间并帮助构建具有成本效益的机器学习生命周期。
