簡介

這是我第一天的文章，簡單簡介一下關於 aws ai 應用相關， 因為我和大家一樣，是第一次嘗試這樣的主題，所以在文章內會看到本人踩雷掙扎
到完賽(或是失敗)的過程，反正第一天！基本上算是一個挑戰，也給自己的挑戰，希望大家會喜歡我的文章也會希望訂閱我的內容XD
一起掙扎到完賽吧！兄弟們(握拳🤜🤛)

從前從前

關於 aws 把 ai 相關的分成三個層級，會針對不同使用需求和技術背景做使用，隨著 ai 的壯大，aws 針對 ai 有應對不同場景，因為服務很多，
我也不敢保證把每個東西講的仔細，也許也有疏漏之處，請多包涵

AI服務層（最上層）

• 這層提供預先訓練好的AI服務，開發者無需機器學習專業知識即可使用。這些服務透過簡單的API調用就能整合到應用程式中。

主要服務包括：

• Amazon Rekognition：提供圖像和影片分析功能，包括物體檢測、人臉識別、文字擷取等
• Amazon Comprehend：自然語言處理服務，支援情緒分析、實體識別、關鍵詞擷取
• Amazon Polly：將文字轉換為逼真的語音，支援多種語言和聲音
• Amazon Transcribe：自動語音識別服務，將音訊轉換為文字
• Amazon Translate：神經機器翻譯服務，支援多語言即時翻譯
• Amazon Textract：從掃描文件中擷取文字和數據
• Amazon Personalize：提供個人化推薦服務
• Amazon Forecast：時間序列預測服務

很多吧！學不完！

機器學習平台層（中間層）

核心服務是Amazon SageMaker，它提供:

• 整合式開發環境（SageMaker Studio）
• 自動化模型訓練和調優（SageMaker Autopilot）
• 模型部署和管理功能
• 分散式訓練能力
• 模型監控和維護工具
• Feature Store用於特徵管理
• Model Registry用於模型版本控制

這也是我一直常聽到，想學習的部分，所以我會在這方面多多著墨

深度學習框架和基礎設施層（底層）

• 深度學習框架支援：TensorFlow、PyTorch、Apache MXNet、Keras等
• 運算實例：EC2 P系列（GPU實例）、EC2 Inf系列（推論優化實例）、EC2 Trn系列（訓練優化實例）
• 深度學習容器和AMI：預配置的環境，加速開發部署

懶人包:
AI服務層（Application Layer）
提供預訓練的AI服務，透過API即可使用

機器學習平台層（Platform Layer）
以SageMaker為核心，提供完整的ML開發環境

基礎設施層（Infrastructure Layer）
提供GPU實例（P系列、G系列）和推論優化實例（Inf系列）
支援主流深度學習框架

Amazon Bedrock：生成式AI的入門捷徑

什麼是Amazon Bedrock？
Amazon Bedrock是AWS的全託管服務，提供來自領先AI公司的基礎模型（Foundation Models），讓開發者能透過統一的API建構生成式AI應用。

這也是我會多加著墨的部分，也是我想學習的部分

總結

AWS提供了完整的AI服務生態系統，
其中Amazon Bedrock和Amazon SageMaker是兩個核心平台。Bedrock讓企業能夠快速採用生成式AI技術，而SageMaker提供了完整的機器學習開發平台。

選擇使用哪個服務取決於具體需求：如果想要快速建構生成式AI應用，Bedrock是理想選擇。

如果需要訓練客製化模型或處理結構化資料，SageMaker更為合適。

在實務上，許多成功的AI專案會結合使用兩個平台，發揮各自的優勢。
重要的是從小規模開始，快速迭代，並根據實際效果和業務價值逐步擴展。AWS的AI服務設計讓企業能夠以較低的門檻開始AI之旅，並隨著需求成長而擴展。