Learn more about Amazon SageMaker Studio

Aumenta la produttività su Amazon SageMaker Studio presentazione di JupyterLab Spaces e strumenti di intelligenza artificiale generativa

Amazon SageMaker Studio offre un ampio insieme di ambienti di sviluppo integrati completamente gestiti (IDE) per lo s...

Vivi l’esperienza della nuova e migliorata Amazon SageMaker Studio

Lanciato nel 2019, Amazon SageMaker Studio offre un unico luogo per tutti i flussi di lavoro end-to-end di machine le...

Pacchetta e distribuisci facilmente modelli di machine learning classici e LLM (Language Model) con Amazon SageMaker, parte 1 Miglioramenti del PySDK

Amazon SageMaker è un servizio completamente gestito che consente agli sviluppatori e ai data scientist di creare, al...

Nuovo – Editor di codice, basato su Code-OSS VS Code Open Source ora disponibile in Amazon SageMaker Studio.

Oggi siamo entusiasti di annunciare il supporto per il Code Editor, una nuova opzione di ambiente di sviluppo integra...

Operazionalizzare la valutazione di LLM su larga scala utilizzando i servizi Amazon SageMaker Clarify e MLOps

Negli ultimi anni, i Large Language Models (LLM) si sono affermati come strumenti eccezionali capaci di comprendere, ...

Pianifica lavori di notebook Amazon SageMaker e gestisci flussi di lavoro a più passaggi utilizzando le API

Amazon SageMaker Studio offre una soluzione completamente gestita per i data scientist per interagire in modo intuiti...

Accelerare lo sviluppo di AI/ML presso il Gruppo BMW con Amazon SageMaker Studio

Questo post è stato scritto insieme a Marc Neumann, Amor Steinberg e Marinus Krommenhoek del BMW Group. Il BMW Group,...

Utilizza Amazon SageMaker Studio per creare una soluzione di risposta alle domande RAG con Llama 2, LangChain e Pinecone per sperimentazione rapida

La Generazione potenziata dal Recupero (RAG) ti consente di fornire a un ampio modello di linguaggio (LLM) accesso a ...

Esplora le tecniche avanzate per l’ottimizzazione degli iperparametri con Amazon SageMaker Automatic Model Tuning

Creare soluzioni di machine learning (ML) ad alte prestazioni si basa sull'esplorazione e l'ottimizzazione dei parame...

Governare il ciclo di vita ML su larga scala, Parte 1 Un framework per l’architettura dei carichi di lavoro ML utilizzando Amazon SageMaker

I clienti di ogni dimensione e settore stanno innovando su AWS incorporando l'apprendimento automatico (ML) nei loro ...

Come VirtuSwap accelera le loro simulazioni di trading basate su pandas con un contenitore personalizzato di Amazon SageMaker Studio e istanze AWS GPU

Questo post è scritto in collaborazione con Dima Zadorozhny e Fuad Babaev di VirtuSwap. VirtuSwap è una startup che s...

Amazon SageMaker semplifica la configurazione di Amazon SageMaker Studio per gli utenti singoli

Oggi siamo entusiasti di annunciare la nuova esperienza semplificata di configurazione rapida in Amazon SageMaker. Co...

Amazon SageMaker Domain in modalità solo VPC per supportare SageMaker Studio con configurazione del ciclo di vita di spegnimento automatico e SageMaker Canvas con Terraform

Il dominio di Amazon SageMaker supporta gli ambienti di apprendimento automatico (ML) di SageMaker, inclusi SageMaker...

Generare automaticamente immagini a partire dalle conclusioni dei rapporti di radiologia utilizzando l’Intelligenza Artificiale generativa su AWS

Questo post illustra una strategia per ottimizzare i LLM pubblicamente disponibili per il compito di riassunto dei ra...

Crea funzionalità di ML su larga scala con Amazon SageMaker Feature Store utilizzando dati da Amazon Redshift

Amazon Redshift è il data warehouse cloud più popolare utilizzato da decine di migliaia di clienti per analizzare exa...