- Centre d’architecture›
- Bonnes pratiques d'architecture pour le machine learning
Bonnes pratiques d'architecture pour le machine learning
AWS re:Invent 2025
Le PDG Matt Garman explique comment AWS façonne l'avenir de la technologie cloud
Rejoignez Matt Garman, PDG d'AWS, pour découvrir comment AWS innove dans tous les aspects du principal cloud mondial. Il explore la manière dont nous réinventons les éléments de base et développons de nouvelles expériences, le tout dans le but de donner aux clients et aux partenaires ce dont ils ont besoin pour construire un avenir meilleur.
Les agents d'IA en action : concevoir l'avenir des applications
Découvrez comment l'IA agentic transforme l'architecture des applications natives du cloud, en accélérant les cycles d'innovation et en proposant des modèles d'application entièrement nouveaux. Découvrez comment les nouvelles fonctionnalités AWS permettent aux développeurs de concevoir des agents sécurisés et raisonnés qui orchestrent les données, le code et les outils à grande échelle, en mettant l'accent sur la gouvernance, la fiabilité et la rentabilité. Découvrez comment les clients AWS déploient aujourd'hui des agents prêts pour la production et découvrez les meilleures pratiques pour vous aider à concevoir des applications agentiques qui s'adaptent, optimisent et agissent en temps réel de manière autonome.
Analyse comparative des modèles d'IA avec Amazon SageMaker, Amazon Bedrock et AWS IoT Greengrass
Le déploiement de modèles d'IA sur des appareils de périphérie pose des défis uniques en termes d'équilibre entre les exigences matérielles, la consommation d'énergie et les performances des modèles. À l'aide d'exemples pratiques utilisant la formation distribuée Amazon SageMaker et AWS IoT Greengrass, découvrez des approches pour le déploiement, la validation et la surveillance des performances automatisés des modèles sur les appareils périphériques. Découvrez comment Strands Agents et Amazon Bedrock peuvent compléter les modèles légers intégrés aux appareils par des modèles de base de grande taille. Explorez les techniques permettant d'agréger les résultats dans un tableau de bord basé sur Jupyter pour un prototypage et une optimisation rapides, et de coordonner les modèles d'appareils périphériques avec les modèles fondamentaux d'Amazon Bedrock pour agréger les données et effectuer des analyses approfondies. Cette session propose des stratégies pour concevoir des pipelines d'IA évolutifs optimisés pour les déploiements en périphérie.
Création de pipelines pour l'analyse, le machine learning et l'IA dans Amazon Sagemaker Unified Studio
Découvrez comment créer des pipelines de bout en bout pour alimenter les applications de données et d'IA dans Amazon SageMaker Unified Studio. Nous verrons comment implémenter des pipelines par lots et en streaming pour intégrer diverses sources de données, en optimisant le mouvement des données grâce à des techniques ETL modernes. Cette session vous permettra d'acquérir les connaissances nécessaires pour développer des solutions complètes de données et d'IA à l'aide de la prochaine génération d'Amazon SageMaker, du traitement initial des données au déploiement du modèle.