Category: Artificial Intelligence

von Xin Huang, Rachna Chadha, Hemant Singh, Ashish Khetan, Manas Dadarkar und Kyle Ulrich, übersetzt von Luca Schumann Heute kündigen wir die Verfügbarkeit von Beispiel-Notebooks an, die Frage-Antwort Aufgaben mit einem Retrieval Augmented Generation (RAG)-basierten Ansatz unter Verwendung von Large Language Models (LLMs) in Amazon SageMaker JumpStart demonstrieren. Die Textgenerierung mit RAG und LLMs ermöglicht […]

von Steven Miller, Alec Jenab und Robert Clendenning, übersetzt durch Dirk Stahlecker Dieser Blogbeitrag beschreibt wie sich das Long Short Term Memory (LSTM) Machine Learning Modell verwenden lässt, um Ausfälle und Rückrufe von Automobilteilen vorherzusagen. Im Besonderen zeigen wir, wie durch die Vorhersagen eines LSTM-Modells Frühindikatoren entwickelt werden können, die im Allgemeinen zu besseren Ergebnissen […]

von Antje Barth, übersetzt von Tobias Nitzsche. Im April hat Swami Sivasubramanian, unser Vizepräsident für Daten und maschinelles Lernen, in seinem Post zu neuen Werkzeugen, welche für die Erstellung generativer Künstlicher Intelligenz auf AWS genutzt werden können, Amazon Bedrock und unsere Amazon Titan Modelle angekündigt. Amazon Bedrock ist derzeit als Vorschau verfügbar. Amazon Bedrock ist […]

Original von Ruba Borno, VP, WW Channels & Alliances – AWS Übersetzt durch Aaron Kaefer, Associate Solutions Architect Wir stehen am Beginn einer spannenden Transformation, angetrieben durch Innovationen in Machine-Learning (ML)-Technologien. Diese haben das Potenzial Kundenerfahrungen neu zu gestalten, nie zuvor gesehene Anwendungen zu schaffen und unsere Kunden zu neuen Produktivitätshöhen zu führen. Der Markteinfluss […]

von June Won, Ashish Khetan, Sundar Ranganathan, Kyle Ulrich und Vivek Madan. Übersetzt von Tobias Nitzsche Wir freuen uns, Ihnen heute mitteilen zu können, dass die von Meta entwickelten Llama 2 Grundmodelle (FMs) nun über Amazon SageMaker JumpStart für Kund:innen zur Verfügung stehen. Die Llama 2 Familie der Großsprachmodelle (LLMs) ist eine Sammlung von vortrainierten […]

Original von: Brian Granger, Sr. Principal Technologist Übersetzt von: Aaron Kaefer, Associate Solutions Architect Project Jupyter ist ein Open-Source-Projekt mit mehreren Interessenvertretern, das Anwendungen, offene Standards und Tools für Datenwissenschaft, maschinelles Lernen (ML) und Computerwissenschaft entwickelt. Jupyter Notebook, das 2011 erstmals veröffentlicht wurde, hat sich de facto zu einem Standardtool entwickelt, welches von Millionen von […]

von Danilo Poccia, übersetzt von Tobias Nitzsche. Im letzten AWS-Wochenrückblick erwähnte Danilo, dass es Sommer in London ist. Ich selbst bin in Singapur ansässig – hier ist es ja meistens Sommer. Aber der Juni ist auch hier ein besonderer Monat, da er den Beginn der Durian-Saison markiert. Ab nächster Woche werde ich nach Thailand, Malaysia […]

von Maurits de Groot und Elina Lesyk Einführung Machine Learning (ML) wird in der Finanzdienstleistungsbranche umfangreich für Aufgaben wie Personalisierung, Anomalie- oder Betrugserkennung eingesetzt. Wie bei anderen ML-Anwendungsfällen sind qualitativ hochwertige Eingabedaten der Schlüssel für eine gute Leistung eines Modells. Um dem Modell mehr Kontext zu geben und seine Leistung zu verbessern, ist es üblich, […]

von Donnie Prakoso, übersetzt von Tobias Nitzsche Dies ist die letzte Ausgabe des Wochenrückblicks für den Monat Mai. Zudem haben wir vor Kurzem alle in-person AWS Summits in der Asien-Pazifik-Region und in Japan abgeschlossen. Die Veranstaltungen begannen mit den AWS Summits Sydney und Tokyo im April und endeten mit den AWS Summits ASEAN, Seoul und […]

Autonome Fahrerassistenzsysteme (engl. «ADAS») haben sich in den letzten 10 Jahren von einfachen regelbasierten Systemen zu fortschrittlichen Fahrerassistenzsystemen entwickelt.

Diese fortschrittlichen Systeme verwenden tiefe neuronale Netzwerke (engl. «Deep Neural Networks») und sollen zukünftig vollständig autonomes Fahren ermöglichen. Um diese Systeme zu trainieren, werden Petabyte an Daten und Tausende von Recheneinheiten (vCPUs und GPUs) benötigt.
Dieser Blogbeitrag beschreibt Entwicklungsansätze und Herausforderungen beim Aufbau von Fahrerassistenzsystemen. Verschiedene Designansätze werden vorgestellt. Insbesondere werden die verschiedenen Funktionseinheiten beschrieben, die beim Aufbau eines modularen Trainings- oder Prozesses-Designs benötigt werden.