이 가이드는 Amazon Nova Forge SDK를 사용하여 Nova 모델을 미세 조정하는 모든 단계를 안내합니다. 데이터 준비부터 훈련, 평가까지 반복 가능한 방법을 제공합니다.

AWS는 Amazon SageMaker 통합 스튜디오와 Amazon S3의 통합을 발표했습니다. 이를 통해 팀은 Amazon S3에 저장된 비정형 데이터를 쉽게 활용하여 머신러닝 및 데이터 분석을 수행할 수 있습니다.

이 게시물은 Bedrock Messages API 형식을 네이티브로 지원하지 않는 SageMaker에 호스팅된 LLMs를 사용할 때 Strands 에이전트를 위한 사용자 정의 모델 파서를 구축하는 방법을 보여줍니다. 우리는 awslabs/ml-container-creator를 사용하여 SageMaker에 SGLang과 함께 Llama 3.1을 배포하고, 그런 다음 Strands 에이전트와 통합하기 위한 사용자 정의 파서를 구현하는 과정을 안내합니다.

이 글에서는 Amazon Nova Canvas에서 제공하는 가상 시착 기능을 탐구하며, 빠르게 시작할 수 있는 샘플 코드와 최상의 결과를 얻는 데 도움이 되는 팁을 제공합니다.

AWS China Applied Science팀이 어려운 VOC 분류 작업에 Nova Forge를 평가한 결과와 오픈 소스 모델과의 벤치마킹 결과를 공유합니다.

Amazon Bedrock AgentCore 구성 요소를 사용하여 생산 준비가 된 이벤트 어시스턴트를 빠르게 배포하는 방법을 소개합니다. 참석자 기호를 기억하고 시간이 지남에 따라 개인화된 경험을 구축하는 지능적인 동반자를 구축하고, Amazon Bedrock AgentCore가 제작 배포의 중요한 역할을 처리합니다.

이 게시물에서는 Amazon SageMaker 학습 작업에서 veRL과 Ray를 사용하여 경쟁 프로그래밍을 위한 특수화된 70억 개 파라미터 모델인 CodeFu-7B를 훈련하는 방법을 보여줍니다. 이를 통해 데이터 준비, 분산 훈련 설정 및 종합적인 관측성을 다루며, 이 통합된 방법이 복잡한 강화 학습 훈련 작업에 대해 계산 규모와 개발자 경험을 모두 제공하는 방법을 소개합니다.

손라이는 생명과학 AI 기업으로, 아마존과 협력하여 아마존 세이지메이커 AI를 활용한 견고한 MLOps 프레임워크를 구축하여 규제 환경에서 필요한 추적성과 재현성을 유지하면서 이러한 도전 과제를 해결하는 방법을 살펴봅니다.

Amazon Bedrock AgentCore 브라우저에서 프록시 구성, 브라우저 프로필 및 브라우저 확장 기능 세 가지 새로운 기능을 소개했습니다. 이러한 기능을 통해 AI 에이전트가 웹과 상호 작용하는 방식을 세밀하게 제어할 수 있습니다. 구성 예와 실용적인 사용 사례를 통해 각 기능을 살펴보고 시작하는 데 도움이 되는 내용입니다.

이베르돌라는 세계 최대 규모의 유틸리티 기업 중 하나로, AWS와 파트너십을 통해 아마존 베드락 에이전트코어를 활용하여 IT 운영을 혁신했다. 변화 요청 검증 최적화, 상황 지능을 활용한 사건 관리 향상, 대화형 AI를 이용한 변화 모델 선택 단순화를 통해 병목 현상을 줄이고 티켓 처리 속도를 향상시키며 조직 전반에 걸쳐 일관된 고품질 데이터 처리를 실현하고 있다.

기업 LLM fine-tuning을 효율적이고 확장 가능한 솔루션으로 변화시키는 방법을 소개하며, 도메인 특화 응용 프로그램에서 더 나은 모델 성능을 달성하기 위한 것.

이 게시물은 Amazon Bedrock에서의 에이전트 간 협업이 어떻게 실제로 작동하는지 살펴보며, 계획을 위해 Amazon Nova 2 Lite를 사용하고 브라우저 상호작용을 위해 Amazon Nova Act를 사용하여 취약한 단일 에이전트 설정을 예측 가능한 다중 에이전트 시스템으로 변환하는 방법을 안내합니다.

글로벌 교차 지역 추론을 통해 요청을 라우팅하고 데이터가 어디에 있는지 보여주며, 필요한 IAM 권한을 구성하고 전 세계 추론 프로필 ARN을 사용하여 Claude 4.5 모델을 호출하는 방법을 안내합니다. 업무량을 위한 할당량 증가 요청하는 방법도 다룹니다. af-south-1에서 글로벌 교차 지역 추론을 구현할 수 있게 됩니다.

푸시페이의 경험을 통해 아마존 베드락을 활용하여 AWS에서 지속적인 품질 보증을 위한 맞춤형 생성 AI 평가 프레임워크를 구축하는 방법을 살펴본다.

톰슨 로이터의 플랫폼 엔지니어링팀이 수동 시스템에서 자동화된 에이전틱 시스템으로 전환하여 운영 생산성을 향상시키는 방법에 대해 설명합니다.

Amazon Nova 다중 모달 임베딩을 사용하여 특정 비디오 세그먼트를 검색하는 방법과, 170개의 게임 창작 자산 라이브러리에 대한 테스트에서 96.7%의 검색 성공률과 73.3%의 고정밀 검색률을 달성한 실제 사례를 살펴봅니다. 이 모델은 최소한의 성능 하락으로 여러 언어 간 강력한 크로스-언어 기능을 보여줍니다.

TrueLook가 SageMaker AI를 활용해 AI-기반 안전 모니터링 시스템을 구축한 아키텍처 개요를 제공. 주요 기술 결정, 파이프라인 디자인 패턴, MLOps 최상의 실천 방법을 강조하며 AWS에서 확장 가능한 컴퓨터 비전 솔루션 설계에 대한 통찰력을 제공.

Amazon SageMaker AI에서 BentoML의 LLM-Optimizer를 사용하여 대형 언어 모델(Large Language Model, LLM) 추론을 최적화하는 방법을 소개하고, 워크로드에 최적화된 서빙 구성을 체계적으로 식별하는 방법을 보여줍니다.

Amazon의 다음 세대 추론 엔진인 Mantle이 제로 오퍼레이터 액세스(ZOA) 디자인을 구현하여 AWS 오퍼레이터들이 고객 데이터에 액세스할 수 있는 기술적 수단을 제거하는 방법을 탐색합니다.

Amazon Bedrock의 Foundation Models(FMs)와 Amazon Bedrock AgentCore를 사용하여 W&B Weave와 함께 기업용 AI 솔루션을 구축, 평가 및 모니터링하는 방법을 소개. 개별 FM 호출 추적부터 복잡한 에이전트 워크플로우 모니터링까지 전체 개발 주기 다룸.

AWS와 Visa가 협력하여 Visa Intelligent Commerce를 통해 에이전틱 상거래를 가능하게 하고, Amazon Bedrock AgentCore를 활용하는 방법을 탐구합니다. 자율 AI 에이전트가 자연어를 통해 이뤄지는 단순한 엔드투엔드 워크플로로 쇼핑 및 여행 경험을 변화시킬 수 있는 방법을 보여줍니다.

Strands 에이전트, Amazon Bedrock AgentCore 및 NVIDIA NeMo Agent Toolkit의 강력한 조합을 사용하여 AWS에서 AI 에이전트를 초기 개발부터 프로덕션 배포까지 구축, 평가, 최적화 및 배포하는 방법을 보여줍니다.

이 게시물에서는 Amazon S3 일반 버킷에서 직접 데이터를 읽는 ML 훈련 워크로드의 처리량을 최적화하기 위한 실용적인 기술과 권장 사항을 제시합니다.

Mobileye 팀은 AWS Graviton을 활용하여 REM™을 최적화하는 방법에 대해 설명합니다. 이를 통해 ML 추론과 Triton 통합에 초점을 맞추고 있습니다.

Warner Bros. Discovery가 AWS Graviton을 활용하여 ML 추론 워크로드에 대해 60%의 비용 절감과 다양한 모델에서 7%에서 60%의 지연 시간 개선을 달성했다.

이 포스트에서는 Amazon Bedrock를 사용하여 GPT-OSS-20B 모델을 배포하는 방법을 소개하며, 기존 응용 프로그램과 완전한 API 호환성을 유지합니다.

RoboTic-Tac-Toe는 두 대의 로봇이 틱택토 보드를 움직이는 대화형 게임으로, LLMs가 게임 플레이와 로봇 움직임을 조율합니다. 자연어 명령을 사용해 로봇을 제어하고, 플레이어는 자신의 표시를 게임 보드에 놓을 수 있습니다. 이 게시물에서는 틱택토 게임을 이해하고 현재 플레이어를 위한 최적의 게임 전략과 움직임 계획을 결정하기 위해 사용된 구조와 프롬프트 엔지니어링 기술을 탐구합니다.

플랫폼 엔지니어링 원칙을 생성 AI에 적용하여 가치 실현 시간 단축, 비용 통제, 확장 가능한 혁신을 어떻게 가능케 하는지에 대해 설명합니다.

Biomni의 전문 도구를 Amazon Bedrock AgentCore Gateway와 통합하여 생산 준비가 완료된 바이오의료 연구 에이전트를 구축하는 방법을 소개합니다. 이를 통해 연구자들은 안전하고 확장 가능한 인프라를 통해 30개 이상의 생체 의학 데이터베이스에 액세스할 수 있습니다. 이 구현은 연구 프로토 타입을 기업급 시스템으로 변환하는 방법을 보여주며, 과학적 재현 가능성을 위해 지속적인 메모리, 의미론적 도구 발견 및 포괄적인 관측 가능성을 갖추고 있습니다.

Amazon Bedrock에서 Cohere Embed 4 다중 모달 임베딩 모델을 완전히 관리되는 서버리스 옵션으로 제공한다. 기업 검색용 Embed 4의 이점과 독특한 기능에 대해 살펴보며 Strands Agents, S3 Vectors, Amazon Bedrock AgentCore와의 통합을 통해 강력한 agentic retrieval-augmented generation (RAG) 워크플로우를 구축하는 방법을 안내한다.

GxP 규정 준수를 위한 규제 환경이 AI의 고유한 특성을 고려하도록 발전하고 있습니다. 본문에서는 위험 기반 구현, 다양한 위험 수준에 따른 실용적 구현 고려 사항, AWS의 규정 준수를 위한 공유 책임 모델, 위험 완화 전략의 구체적 예시 등을 다룹니다.

클라리오는 아마존 베드락과 기타 AWS 서비스를 활용하여 AI 솔루션을 구축하여 COA 인터뷰의 분석을 자동화하고 개선하는 방법을 소개합니다.

Amazon Bedrock AgentCore Gateway는 MCP 도구 서버를 중앙 집중식으로 제공하여 에이전트가 도구를 발견, 액세스 및 호출할 수 있는 통합 인터페이스를 제공합니다. 새로운 기능으로 기존 MCP 서버를 AgentCore Gateway의 새로운 대상 유형으로 지원하여 여러 작업별 MCP 서버를 단일 관리 가능한 MCP 게이트웨이 인터페이스 뒤에 그룹화할 수 있습니다.

Amazon Bedrock AgentCore Runtime은 안전하게 대규모로 효과적인 에이전트를 구축, 배포 및 운영할 수 있는 플랫폼이다. 에이전트 및 도구를 배포할 수 있는 저지연 서버리스 환경을 제공하며, 세션 격리를 제공하고 인기 있는 오픈소스 프레임워크를 지원한다.

Clario는 아마존 베드락을 활용한 AI 솔루션을 개발하여 임상시험을 가속화했고, 소프트웨어 구성 및 아티팩트 생성을 단순화하는 혁신적인 솔루션에 집중하며 고품질의 임상 증거를 제공하고 있다.

AI 에이전트가 웹을 탐색할 때 CAPTCHA, 속도 제한, 차단 등을 만날 때가 있다. AWS가 이를 해결하기 위한 솔루션인 Amazon Bedrock AgentCore 브라우저의 Web Bot Auth 기능을 소개하고 있다.

Amazon Bedrock 모델인 Amazon Nova Pro를 사용하여 자연어를 Gremlin 쿼리로 변환하는 혁신적인 방법을 탐색합니다. 비즈니스 분석가와 데이터 과학자들이 깊은 기술 지식이 필요하지 않고 그래프 데이터베이스에 접근할 수 있게 도와줍니다. 이 방법론은 그래프 지식 추출, 텍스트를 SQL처럼 그래프 구조화, 반복적인 개선 과정을 통해 실행 가능한 Gremlin 쿼리 생성으로 이루어져 테스트에서 전체적으로 74.17%의 정확도를 달성했습니다.

이 게시물에서는 제품 팀이 Amazon Bedrock과 AWS 서비스를 활용하여 창의적인 AI를 통해 창작적인 워크플로우를 변화시킬 수 있는 방법을 탐구하며, 브랜드 일관성과 규정 준수를 유지하면서 여러 형식에 걸쳐 빠른 콘텐츠 반복을 가능케 합니다.

Amazon Nova Sonic의 음성 대 음성 기능과 Amazon Bedrock AgentCore를 결합하여 복잡한 작업을 전문화된 관리 가능한 구성 요소로 분할하는 정교한 다중 에이전트 음성 보조 프로그램을 만드는 방법을 탐구합니다. 이 접근 방식은 전문화된 인증, 은행 문의 및 모기지 서비스를 위한 전용 하위 에이전트를 사용하는 은행 보조 프로그램 예제를 통해 모노리딕 음성 보조 프로그램 설계에 대안을 제공합니다.

Amazon EKS에서 분산 학습 시 발생할 수 있는 구성 오류를 방지하기 위해 필요한 구성 요소를 시작하고 적절한 구성을 확인하는 체계적 접근 방법을 소개합니다. 이 게시물에서는 DLC를 사용하여 대규모 모델을 학습하기 위한 EKS 클러스터를 설정하고 확인하는 단계를 안내합니다.

Hapag-Lloyd가 ML을 활용한 선박 도착 및 출발 시간 예측 어시스턴트를 개발하고 산업에서의 주요 성과 지표인 일정 신뢰성을 향상시켰다. Amazon SageMaker AI를 사용하고 견고한 MLOps 실천을 통해 고객에게 품질을 약속하고 있다.

Rox는 Amazon Bedrock으로 구동되는 AI 에이전트에 의해 영업 생산성을 가속화하며 웹, Slack, macOS 및 iOS를 통해 제공됩니다.

Amazon Bedrock AgentCore, LangGraph 및 MCP를 사용하여 멀티 에이전트 SRE 어시스턴트를 구축하는 방법을 소개합니다. 이 시스템은 특화된 AI 에이전트를 배치하여 현대 SRE 팀이 효과적인 사고 대응과 인프라 관리를 위해 필요로 하는 깊이 있는 문맥적 지능을 제공합니다.

Stability AI의 Alex Gnibus와 함께 작성된 이 게시물에서 Stability AI 이미지 서비스가 Amazon Bedrock에서 이용 가능하며, Amazon Bedrock API를 통해 제공되는 사용 준비가 완료된 미디어 편집 기능을 제공합니다. 이 이미지 편집 도구는 Stability AI의 Stable Diffusion 3.5 모델(SD3.5) 및 Stable Image Core 및 Ultra 모델의 기능을 확장합니다.

Amazon Bedrock 일괄 추론 작업을 Amazon CloudWatch 메트릭, 알람 및 대시보드를 사용하여 모니터링하고 관리하여 성능, 비용 및 운영 효율성을 최적화하는 방법을 탐색합니다.

AWS Deep Learning Containers를 MLflow와 통합하여 인프라 제어와 강력한 ML 거버넌스를 균형있게 유지하는 솔루션을 생성하는 방법을 보여줍니다. 특화된 요구 사항을 충족시키는 데 팀이 사용할 수 있는 기능적인 설정을 소개하며, ML 라이프사이클 관리에 필요한 시간과 자원을 크게 줄일 수 있습니다.

이 포스트에서는 CloudFront를 사용하여 Amazon Bedrock AgentCore Runtime 에이전트 엔드포인트를 위한 사용자 정의 도메인 이름을 생성하는 방법을 안내합니다. 이 솔루션은 개발팀에 대한 통합을 간소화하고 조직과 일치하는 사용자 정의 도메인, 더 깔끔한 인프라 추상화, 엔드포인트 업데이트 시 간편한 유지 관리를 제공합니다.

Infosys는 석유 및 가스 부문을 위해 맞춤형 Amazon Bedrock을 활용한 고급 RAG 솔루션을 구축했다. 이 솔루션은 다중 모달 데이터 원본을 처리하며 텍스트, 다이어그램, 숫자 데이터를 매끄럽게 처리하고 다른 데이터 요소 간의 맥락과 관계를 유지한다. 이 글에서는 해당 솔루션에 대한 통찰과 다양한 접근 방식 및 아키텍처 패턴(다른 청킹, 다중 벡터 검색, 개발 중 하이브리드 검색)을 안내한다.

Asana AI Studio와 Amazon Q index가 통합되어 기업 효율성을 높이는 지능적인 워크플로우 자동화와 데이터 접근성을 향상시키는 방법을 살펴봅니다.

Amazon Bedrock AgentCore 브라우저 도구를 소개합니다. 기업이 클라우드 기반 브라우저 자동화를 필요로 하는 이유와 실시간 데이터 접근을 요구하는 FMs에게 해결책을 제공합니다. 핵심 사용 사례와 도구의 핵심 기능에 대해 다루며, 도구 사용 방법을 안내합니다.

아마존 베드락의 에이전트코어 코드 해석기는 AI 에이전트가 격리된 샌드박스 환경에서 안전하게 코드를 실행할 수 있게 해주는 완전히 관리되는 서비스입니다. 보안, 확장성, 인프라 관리와 관련된 도전 과제를 해결하는 방법에 대해 설명합니다.

Amazon Strands Agents SDK는 AWS 환경과 통합되어 안전하고 확장 가능한 배포를 제공하며, 생산 환경에서 풍부한 관측 가능성을 제공합니다. 실용적인 사용 사례를 살펴보고 Strands를 활용한 단계별 예시를 제시합니다.

니뽘 라이프 인도 자산관리가 채택한 솔루션은 사용자 쿼리를 재작성하고 응답을 집계 및 재랭킹하여 일반적인 RAG 방법보다 정확도를 향상시킴. 개선된 RAG 방법을 사용해 응답의 전반적인 정확도를 향상시키는 방법을 살펴봄.

Crypto.com은 사용자 및 시스템 피드백을 활용하여 지시 프롬프트를 지속적으로 개선하고 최적화하는 방법을 탐색합니다. 이 피드백 중심적 접근법은 다양한 서브시스템에 적응하면서 다양한 사용 사례에서 높은 성능을 유지하면서 더 효과적인 프롬프트를 만들 수 있게 했습니다.

MT-Bench와 Arena-Hard의 저장소는 OpenAI의 GPT API를 사용하여 개발되었으며, 주로 GPT-4를 심사관으로 활용했습니다. 우리 팀은 Amazon Bedrock API와 통합하여 Amazon의 심사관으로 Anthropic의 Claude Sonnet을 사용할 수 있도록 기능을 확장했습니다. 이 게시물에서는 MT-Bench와 Arena-Hard를 사용하여 Amazon Nova 모델을 벤치마킹하고, Amazon Bedrock를 통해 사용 가능한 다른 주요 LLM과 비교합니다.

2024년, 일본 경제산업성이 Generative AI 가속기 도전을 시작했고, AWS는 GENIAC의 두 번째 사이클을 위해 클라우드 제공업체로 선정되어 12개 기관에 기반 모델 개발을 위한 인프라와 기술 지원을 제공했다.

Amazon Bedrock와 Amazon Transcribe의 고급 기능을 활용하여 음성 녹음을 간결하고 구조화된 요약으로 변환하는 서버리스 회의 요약 시스템을 소개합니다. 이 프로세스를 자동화함으로써 조직은 핵심 통찰력, 업무 항목 및 결정 사항이 체계적으로 기록되고 이해관계자에게 접근 가능하게 됩니다.

이 포스트에서는 Amazon S3 벡터를 Amazon Bedrock 지식베이스와 통합하여 RAG 애플리케이션에 활용하는 방법을 소개합니다. 수백만 문서를 처리하면서도 검색 품질을 유지하고 S3 벡터를 사용하여 비용을 절감하는 실용적인 방법을 배울 수 있습니다.

Rapid7은 CVSS 벡터를 예측하는 ML 모델의 교육, 유효성 검사 및 배포를 자동화하여 고객이 위험을 정확히 이해하고 복구 조치를 우선 순위로 정할 수 있도록 지원하고 있다.

본문에서는 서버리스 데이터 호수 아키텍처를 활용하여 안전한 RAG 애플리케이션을 구축하는 방법을 탐구합니다. Amazon S3, Amazon DynamoDB, AWS Lambda, Amazon Bedrock Knowledge Bases 등 AWS 서비스를 사용하여 비정형 데이터 자산을 지원하고 구조화된 데이터로 확장할 수 있는 종합 솔루션을 만드는 방법을 다룹니다. 기업 데이터에 대한 세밀한 액세스 제어를 구현하고 보안 경계를 준수하는 메타데이터 기반 검색 시스템을 설계하는 방법을 다루며, 이러한 접근법은 조직의 데이터 가치를 극대화하고 견고한 보안 및 규정 준수를 유지하는 데 도움이 됩니다.

이 포스트는 K8sGPT를 AWS의 Amazon Bedrock에서 K8sGPT CLI 및 K8sGPT Operator 두 가지 모드로 실행하는 최상의 방법을 보여준다. 이 솔루션이 어떻게 SRE들이 지속적인 모니터링과 운영 지능을 통해 Kubernetes 클러스터 관리를 간편화하는 데 도움이 되는지를 보여준다.

SageMaker 통합 스튜디오와 AWS IAM을 사용하여 Amazon Bedrock 모델을 위한 견고한 권한 프레임워크를 설정하는 방법을 소개하며, 어드민이 안전하고 협업 가능한 환경 내에서 특정 모델에 누가 접근할 수 있는지 정확히 관리하는 방법을 안내합니다. 기업의 관리 시나리오에 대한 코드 예시와 함께 모델 접근을 제어하기 위한 세밀한 권한을 생성하는 방법을 안내합니다.

Amazon Bedrock의 개발자 경험을 향상시키는 중요한 업데이트로 API 키가 도입되었다. API 키는 Amazon Bedrock API에 빠르게 액세스할 수 있도록 제공되어, 개발자들이 설정보다는 개발에 집중할 수 있게 인증 프로세스를 간소화한다.

이 블로그에서는 Anthropic의 Claude Haiku 모델을 활용하여 텍스트 분류를 위한 종단간 솔루션을 구축하는 방법을 소개합니다. 여행사 콜센터 대화를 범주로 분류하는 과정을 안내하며 합성 훈련 데이터 생성, 대량 텍스트 데이터 처리, AWS 서비스를 활용한 전체 워크플로우 자동화 방법을 보여줍니다.

Swisscom이 어떻게 네트워크 어시스턴트를 개발했는지, 초기 어려움과 해결책 구현 방법, 측정 가능한 혜택을 제공하는 솔루션에 대해 탐구합니다. 기술 아키텍처를 살펴보고 핵심 교훈을 논의하며 네트워크 작업을 더욱 변형할 수 있는 미래 개선 사항을 살펴봅니다.

이 포스트에서는 Amazon Q Business 애플리케이션 내의 사용자 정의 문서 보강 (CDE) 기능을 사용하여 독립적인 이미지 파일을 처리하는 단계별 구현을 살펴봅니다. AWS Lambda 함수를 CDE 내에서 구성하여 여러 이미지 파일 유형을 처리하고, 이 통합이 Amazon Q Business의 포괄적인 통찰력 제공 능력을 향상시키는 예시 시나리오를 소개합니다.

자연어 처리(NLP) 및 데이터베이스 관리 분야에서 견고한 텍스트-SQL 능력을 개발하는 것은 중요한 도전이다. 이 글에서는 Amazon Bedrock와 Converse API를 활용한 사용자 정의 에이전트 구현을 통해 간단하면서도 강력한 텍스트-SQL 솔루션을 소개한다.

Anomalo는 AWS AI 및 머신러닝과 함께 사용되어 비정형 데이터를 프로파일링, 유효성 검사, 정리하여 데이터 레이크를 신뢰할 수 있는 소스로 변환시켜 생산 준비된 AI 프로젝트를 위한 자산으로 제공하는 방법을 탐구합니다.

NVIDIA의 최신 추론 모델인 Llama 3.3 Nemotron Super 49B V1 및 Llama 3.1 Nemotron Nano 8B V1이 Amazon Bedrock Marketplace 및 Amazon SageMaker JumpStart에서 사용 가능해졌습니다. AWS에서 NVIDIA의 새로운 추론 모델을 배포하여 생성적 AI 아이디어를 구축, 실험 및 확장할 수 있습니다.

맥락적 검색은 각 청크에 설명적 맥락을 추가하여 임베딩을 생성함으로써 전통적인 RAG를 향상시킨다. 이 접근 방식은 관련 맥락 정보로 벡터 표현을 보강하여 사용자 쿼리에 응답할 때 의미적으로 관련된 콘텐츠를 더 정확하게 검색할 수 있게 한다.

실시간 사용자 피드백과 감독을 통해 이점을 얻는 대화형 응용 프로그램과 달리, 비대화형 응용 프로그램은 더 강력한 가드레일과 철저한 품질 보증이 필요하며 Amazon.com의 네 가지 생성 AI 응용 사례를 살펴봅니다.

스쿠데리아 페라리 HP가 머신러닝을 활용해 정확한 피트스톱 분석 기술을 개발하는 방법을 소개하는 글.

AWS는 Vxceed와 협력하여 LimoConnect Q를 개발했는데, 이는 차별화된 지상 교통 관리 솔루션이다. Amazon Bedrock 및 Lambda를 활용해 안전한 AI 솔루션을 구축하여 여행 예약 및 문서 처리를 간소화했다.

Anthropic의 MCP는 데이터 소스에 FMs를 연결하는 표준화된 방법을 제공하며, SageMaker AI와 함께 이 기능을 사용할 수 있게 되었다. 글에서는 SageMaker AI와 MCP의 힘을 결합하여 특화된 역할과 자동화된 워크플로를 통해 대출 심사에 새로운 시각을 제공하는 응용 프로그램을 구축하는 예시를 소개했다.

AWS 서비스와 오픈 소스 도구를 통합하여 조직 내 강력한 레드 팀 매커니즘을 구축하는 방법에 대해 탐구합니다. 구체적으로 Data Reply의 레드 팀 솔루션을 소개하며 AI 안전 및 책임 있는 AI 실천을 강화하는 포괄적인 청사진을 논의합니다.

AWS LLM League의 게임화된 지원이 파트너들의 AI 개발 역량을 향상시키는 방법을 소개하며, 작은 언어 모델의 세밀한 조정이 특정 산업의 필요에 맞는 비용 효율적인 전문 솔루션을 제공하는 방법을 보여줍니다.

이 글에서는 Amazon SageMaker에서 오픈 소스 NER 및 LLM을 활용하여 AI 기반 문서 처리 플랫폼을 구축하는 방법에 대해 소개합니다.

이 게시물에서는 Amazon Bedrock를 사용하여 RAG 애플리케이션에서 민감한 데이터를 보호하기 위한 두 가지 접근 방식을 탐구합니다. 첫 번째 접근 방식은 Amazon Bedrock 지식 베이스로의 데이터 삽입 전 민감한 데이터를 식별하고 마스킹하는 데 초점을 맞추었으며, 두 번째는 민감한 정보에 대한 접근을 관리하기 위한 세밀한 RBAC 패턴을 시연했습니다. 이러한 솔루션은 생성 모델 AI 애플리케이션에서 민감한 데이터를 보호하기 위한 다양한 접근 방식 중 두 가지에 불과합니다.

본 포스트에서는 Amazon Bedrock의 다중 에이전트 기능을 활용하여 AWS 비용 관리에 혁신적인 접근 방법을 보여줍니다. Amazon Nova FMs의 고급 기능을 사용하여 AI 기반 에이전트가 기관이 AWS 비용을 분석, 최적화 및 관리하는 방식을 혁신하는 솔루션을 개발했습니다.

Amazon Nova 모델의 소개는 AI 분야에서의 중요한 발전을 나타내며, 대형 언어 모델(LLM) 최적화에 새로운 기회를 제공한다. 본 포스트에서는 Amazon Nova 모델을 기준으로 모델 맞춤화와 RAG를 효과적으로 수행하는 방법을 보여준다. 최신 Amazon Nova 모델을 활용한 모델 맞춤화와 RAG 사이의 포괄적인 비교 연구를 실시하고 이러한 소중한 통찰을 공유한다.

이 포스트에서는 Amazon Bedrock과 CrewAI를 활용하여 AI 에이전트가 금융 기관의 규정 준수를 간소화하고 이행하는 방법을 탐구합니다. 새 규정을 요약하고 영향을 평가하며 기술적 가이드를 제공하는 다중 에이전트 시스템을 구축하는 방법을 소개합니다.