NVIDIA Nemotron 3 Nano 30B MoE model is now available in Amazon SageMaker JumpStart
今天，我们很高兴地宣布，具有 3B 活动参数的 NVIDIA Nemotron 3 Nano 30B 模型现已在 Amazon SageMaker JumpStart 模型目录中全面上市。您可以利用 Amazon Web Services (AWS) 上的 Nemotron 3 Nano 加速创新并提供切实的业务价值，而无需管理模型部署的复杂性。您可以使用 SageMaker JumpStart 提供的托管部署功能，通过 Nemotron 功能为您的生成式 AI 应用程序提供支持。
AWS vs. Azure: A Deep Dive into Model Training – Part 2
本文介绍了 Azure ML 的持久性、以工作区为中心的计算资源与 AWS SageMaker 的按需、特定于作业的方法有何不同。此外，我们还探索了环境自定义选项，从 Azure 的策划环境和自定义环境到 SageMaker 的三级自定义。AWS 与 Azure：深入研究模型训练 - 第 2 部分文章首先出现在 Towards Data Science 上。
Agentic AI for healthcare data analysis with Amazon SageMaker Data Agent
2025 年 11 月 21 日，Amazon SageMaker 在 Amazon SageMaker Unified Studio 中引入了内置数据代理，可改变大规模数据分析。在这篇文章中，我们通过流行病学家进行临床队列分析的详细案例研究，展示了 SageMaker Data Agent 如何帮助将数周的数据准备时间缩短为数天，将数天的分析开发时间缩短为数小时，最终加速从临床问题到研究结论的进程。
Simplify ModelOps with Amazon SageMaker AI Projects using Amazon S3-based templates
本文探讨了如何使用基于 Amazon S3 的模板来简化 ModelOps 工作流程，介绍与使用 Service Catalog 方法相比的主要优势，并演示如何创建与 GitHub 和 GitHub Actions 集成的自定义 ModelOps 解决方案，为您的团队提供功能齐全的 ML 环境的一键配置。
本文探讨了新的无服务器模型定制功能、弹性训练、无检查点训练和无服务器 MLflow 如何协同工作，将您的 AI 开发速度从几个月缩短到几天。
How Omada Health scaled patient care by fine-tuning Llama models on Amazon SageMaker AI
本文由 Omada Health 的 AI/ML 产品经理 Sunaina Kavi 共同撰写。 Omada Health 是虚拟医疗服务领域的长期创新者，于 2025 年推出了新的营养体验，其特色是 OmadaSpark，这是一款接受过强大临床输入训练的人工智能代理，可提供实时动机访谈和营养教育。它是在 AWS 上构建的。 OmadaSpark 的设计 [...]
Architecting TrueLook’s AI-powered construction safety system on Amazon SageMaker AI
本文详细介绍了 TrueLook 如何使用 SageMaker AI 构建人工智能驱动的安全监控系统，重点介绍了关键技术决策、管道设计模式和 MLOps 最佳实践。您将获得有关在 AWS 上设计可扩展计算机视觉解决方案的宝贵见解，特别是围绕模型训练工作流程、自动化管道创建和实时推理的生产部署策略。
使用几行代码即可将量化模型无缝部署在 Amazon SageMaker AI 上。在这篇文章中，我们探讨了为什么量化很重要——它如何实现更低成本的推理，支持在资源受限的硬件上的部署，并减少现代法学硕士对财务和环境的影响，同时保留其大部分原始性能。我们还深入研究 PTQ 背后的原理，并演示如何量化您选择的模型并将其部署在 Amazon SageMaker 上。
