Platon Data Intelligence.
Pystyhaku ja Ai.

Tag: treffiaika

Sisällön moderoinnin parantaminen Amazon Rekognitionin joukkoanalyysin ja mukautetun moderoinnin avulla | Amazon Web Services

Amazon Rekognitionin avulla on helppo lisätä kuva- ja videoanalyysiä sovelluksiisi. Se perustuu samaan todistettuun, erittäin skaalautuvaan syvälliseen oppimiseen...

Uutiset

Vähennä BERT-mallien päättelyaikaa käyttämällä hermoarkkitehtuurihakua ja SageMaker Automated Model Tuning | Amazon Web Services

Tässä viestissä osoitamme, kuinka käyttää hermoarkkitehtuurihakuun (NAS) perustuvaa rakenteellista karsimista hienosäädetyn BERT-mallin pakkaamiseen mallin parantamiseksi...

Kuinka käyttää Whatsapp API:ta viestien lähettämiseen

JohdantoNykypäivän digitaaliaikana WhatsApp on noussut enemmän kuin pelkkäksi viestintäsovellukseksi; se on keskeinen viestintäväline yrityksille maailmanlaajuisesti. Yli...

Käytä LLM-arviointia mittakaavassa käyttämällä Amazon SageMaker Clarify- ja MLOps-palveluita | Amazon Web Services

Viime vuosina suuret kielimallit (LLM) ovat nousseet näkyvyyteen erinomaisina työkaluina, jotka pystyvät ymmärtämään, luomaan ja käsittelemään tekstiä...

Amazon SageMaker Canvasin kustannusten optimointi käyttämättömien sovellusten automaattisella sammutuksella | Amazon Web Services

Amazon SageMaker Canvas on rikas, kooditon koneoppimisen (ML) ja generatiivisen tekoälyn työtila, jonka ansiosta asiakkaat kaikkialla maailmassa ovat...

LangChain: Täydellinen opas ja opetusohjelma

LangChain on pohjimmiltaan innovatiivinen kehys, joka on räätälöity kielimallien ominaisuuksia hyödyntävien sovellusten luomiseen. Se on työkalupakki, joka on suunniteltu...

Metaanin päästöpistelähteiden havaitseminen ja suurtaajuinen seuranta käyttämällä Amazon SageMakerin geospatiaalisia ominaisuuksia | Amazon Web Services

Metaani (CH4) on merkittävä ihmisen aiheuttama kasvihuonekaasu, joka on öljyn ja kaasun louhinnan, kivihiilen louhinnan, laajamittaisen eläintuotannon ja jätehuollon sivutuote...

Tekstistä unelmatyöksi: NLP-pohjaisen työnsuosittajan luominen osoitteessa Talent.com Amazon SageMakerin avulla Amazon Web Services

Tämän viestin ovat kirjoittaneet Anatoly Khomenko, koneoppimisinsinööri, ja Abdenour Bezzouh, Talent.comin teknologiajohtaja. Vuonna 2011 perustettu Talent.com on yksi...

Valmistele tietosi Amazon Personalize -ohjelmaa varten Amazon SageMaker Data Wranglerin avulla Amazon Web Services

Suositusmoottori on vain niin hyvä kuin sen valmistukseen käytetyt tiedot. Muunnetaan raakadataa muotoon, joka sopii...

Metan Code Llama -koodin sukupolvimallit ovat nyt saatavilla Amazon SageMaker JumpStart |:n kautta Amazon Web Services

Tänään olemme iloisia voidessamme ilmoittaa, että Metan kehittämät Code Llama -perusmallit ovat asiakkaiden saatavilla Amazon SageMaker JumpStartin kautta käytettäväksi...

Rakenna sadon segmentointikoneoppimismalli Planet-tiedoilla ja Amazon SageMakerin geospatiaalisilla ominaisuuksilla | Amazon Web Services

Tämän vierasviestin kirjoittavat yhdessä Planet Labsin liiketoiminnan kehitysasiantuntija Lydia Lihui Zhang ja ohjelmistosuunnittelija/tietotutkija Mansi Shah. Analyysi, joka...

Rakenna ja ota käyttöön ML-johtopäätössovelluksia tyhjästä käyttämällä Amazon SageMaker | Amazon Web Services

Kun koneoppiminen (ML) siirtyy valtavirtaan ja laajenee, ML-pohjaiset päättelysovellukset ovat yhä yleisempiä useiden monimutkaisten yritysten ratkaisemiseksi...

Suorita useita generatiivisia tekoälymalleja GPU:lla käyttämällä Amazon SageMaker -monimallipäätepisteitä TorchServen kanssa ja säästä jopa 75 % päättelykuluissa | Amazon...

Multi-model endpoints (MME) on Amazon SageMakerin tehokas ominaisuus, joka on suunniteltu yksinkertaistamaan koneoppimismallien (ML) käyttöönottoa ja käyttöä. MME:n kanssa...

Uusin älykkyys

spot_img
spot_img
spot_img

Keskustele kanssamme

Hei siellä! Kuinka voin olla avuksi?