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。
前言 我們今天探討的狀況為另一個應用場景，在實際狀態，我們會面臨不同推理的需求，有些需要及時回應用戶請求今天探討的主題為即時推理 Real-time Infer...
前言 今天我們要專注於監控和 log 分析相關，前陣子我們幾乎都只是針對 aws bedrock 和Sagemaker 提到關於監控相關的執行和實作，今天我們以...
前言 今天我們要探討安全性和合規性的部分，如何讓 AWS Bedrock 和 AWS Sagemaker在企業內部實施安全控制措施，確保符合各項 AI 規範需求...
前言 今天我們將探討如何在AWS上實現Auto Scaling和高可用性設計,確保我們的AI應用能夠穩定可靠地服務用戶。通常確保我們系統用量比較高的時候確實會考...
前言 今天第 25 天 大致上 ai 相關的討論差不多了，在現代應用當中，通常要自動化處理這件事所以整合 CI/CI 去完成部署是相對重要的事情，今天探討的主題...
前言 目前探討相關的東西核心知識已經差不多了，今天 26 天，可以探討一些比較細節的部分今天探討的部分是 『多語言支援』，相信我們的 ai 應用不只有『台灣用戶...
前言 經過前26天的學習，我們已經掌握了AWS Bedrock和SageMaker的核心技術。今天我們要將所學的知識整合起來，打造一個實用的智慧文檔分析系統。這...
前言 經過27天的開發與測試，我們的智慧文檔分析系統已經具備完整功能。但要真正為使用者提供服務，我們還需要將應用部署到生產環境。今天我們將學習如何使用AWS的各...
前言 經過 28 天的學習旅程，我們從 AWS AI 服務的基礎概念，一路實作到複雜的應用場景。今天，我想整理這段時間累積的經驗，分享在使用 Amazon Be...
前言 從基礎的Bedrock到進階的SageMaker，從簡單的應用到複雜的系統架構。今天，讓我們一起展望未來，規劃接下來的學習路徑。今天已經是最後一天了基本上...