기업을 위한 아마존 세이지메이커 AI와 컴펫을 활용한 신속한 ML 실험

본문에서는 SageMaker와 Comet을 함께 사용하여 완전히 관리되는 ML 환경을 구축하고 재현성과 실험 추적 기능을 갖춘 방법을 소개했다.

LLM 정확도 향상을 위한 Amazon Bedrock에서 Coveo Passage 검색 활용

Coveo의 Passage 검색 API를 Amazon Bedrock 에이전트 액션 그룹으로 배포하여 응답 정확도를 향상시키는 방법 소개. Coveo 사용자는 현재의 색인을 활용하여 조직 전반에 새로운 생성 경험을 신속하게 배포할 수 있음.

인포시스 토파즈가 아마존 베드락을 활용하여 기술 도움데스크 운영을 변혁하는 방법

대규모 에너지 공급업체의 기술 도움데스크 요원들이 고객 전화를 받고 현장 요원을 지원하는 사례를 살펴봅니다. 아마존 베드락과 인포시스 토파즈™ 기능을 활용하여, 콜 처리 시간을 단축하고 작업 자동화, 기술 지원의 전반적인 품질 향상을 이끌어내는 생성적 AI 애플리케이션을 구축합니다.

Amazon Bedrock 에이전트에서 Datadog LLM Observability로 에이전트 모니터링하기

Datadog LLM Observability와 Amazon Bedrock 에이전트 간의 새로운 통합을 소개합니다. 이 통합은 Amazon Bedrock에 구축된 에이전트 애플리케이션을 성공적으로 모니터링, 운영 및 디버깅하는 데 필요한 가시성과 제어를 제공합니다.