Praktik Terbaik Arsitektur untuk Machine Learning

Jelajahi bagaimana agentic AI mengubah arsitektur aplikasi cloud-native, membuka siklus inovasi yang lebih cepat dan pola aplikasi yang sama sekali baru. Pelajari bagaimana kemampuan AWS baru memberdayakan pembangun untuk merancang agen yang aman dan berbasis penalaran yang mengatur data, kode, dan alat dalam skala besar, dengan penekanan pada tata kelola, keandalan, dan efisiensi biaya. Temukan bagaimana pelanggan AWS menerapkan agen siap produksi hari ini, dan pelajari praktik terbaik untuk membantu Anda merancang aplikasi agen yang secara mandiri beradaptasi, mengoptimalkan, dan bertindak secara real-time.

Menyebarkan model AI ke perangkat edge menimbulkan tantangan unik dalam menyeimbangkan persyaratan perangkat keras, konsumsi daya, dan kinerja model. Melalui contoh praktis menggunakan pelatihan terdistribusi Amazon SageMaker dan AWS IoT Greengrass, temukan pendekatan untuk penerapan model otomatis, validasi, dan pemantauan kinerja di seluruh perangkat edge. Pelajari bagaimana Strands Agents dan Amazon Bedrock dapat melengkapi model ringan pada perangkat dengan model dasar yang besar. Jelajahi teknik untuk menggabungkan hasil dalam dasbor berbasis Jupiter untuk pembuatan prototipe dan pengoptimalan yang cepat, dan mengoordinasikan model perangkat tepi dengan model dasar Amazon Bedrock untuk mengumpulkan data dan analisis mendalam. Sesi ini memberikan strategi untuk merancang saluran AI terukur yang dioptimalkan untuk penerapan tepi.

Pelajari cara membuat pipeline end-to-end untuk mendukung data dan aplikasi AI di Amazon SageMaker Unified Studio. Kami akan membahas bagaimana menerapkan pipeline batch dan streaming untuk mengintegrasikan berbagai sumber data, mengoptimalkan pergerakan data dengan teknik ETL modern. Sesi ini akan membekali Anda dengan pengetahuan untuk mengembangkan solusi data dan AI yang komprehensif menggunakan Amazon SageMaker generasi berikutnya, mulai dari pemrosesan data awal hingga penerapan model.