鐵人檔案
在AI快速發展的時代，如何運用雲端服務快速構建智慧應用已成為開發者的核心技能。本系列將帶你深入探索AWS兩大AI服務明星：Amazon Bedrock 與 Amazon SageMaker 的完整整合應用。透過30天的實戰學習，你將從零開始掌握企業級AI應用的開發技巧，包含大語言模型應用、自定義機器學習模型訓練、以及兩者的深度整合策略。
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)...
簡單說明 今天我們開始提及 Foundation model 的部分，Bedrock 提供一個統一的平台存取多種 foundation model 說說 Ama...
前言 現今在使用 ai 應用生態最完整肯定是 python，所以我大部分的應用大概會用 python 完成，如果有機會可以隨後考慮其他程式語言完成(有時間的話😅...
前言 今天我們來做更多應用，前面第一個實作以，文字生成應用為主，今天我們來玩點稍微進階的主題，『對話式聊天機器人』， 一樣我們快速建立專案，可以參考 day3...
前言 今天我們要開始搞 Sagemaker 的部分， 說到 Machine Learning (ML)，的部分，從 0-1 的過程，我們前置工作要做非常多事情，...
前言 我們今天用 sagemaker studio 去學習如何建立一個 ML 專案，SageMaker Studio 是 AWS 提供的整合式機器學習開發環境，...
前言 在前面幾天的學習中，我們已經了解了AWS Bedrock和SageMaker的基本概念，也成功建立了AWS帳戶。今天我們要深入探討一個極其重要但常被忽略的...
前言 看似這樣的主題與 ai 無關，但相信有用過 aws 服務的都很清楚，人家 amazon 是營利機構，在我們建置 ai 應用的時候，難免要和老闆，或是大公司...
前言 今天這篇我們探討 prompt engineer 相關的知識，不同模型有可能根據提示詞(Prompt)會給不同的結果(Claude、Llama、Titan...
前言 今天我們要深入探討三個模型上的差異，可以針對其應用場景選擇自己適合的這樣在未來開發上以及使用上比較不會因為這樣對模型有錯誤的理解 model Claude...