ข้ามไปที่เนื้อหาหลัก
  • Architecture Center
  • แนวทางปฏิบัติที่ดีที่สุดด้านสถาปัตยกรรมสำหรับแมชชีนเลิร์นนิง

แนวทางปฏิบัติที่ดีที่สุดด้านสถาปัตยกรรมสำหรับแมชชีนเลิร์นนิง

สำรวจ Re:INVENT 2024

ประเด็นสำคัญของ CEO กับ Matt Garman

​Matt Garman CEO ของ AWS พูดคุยเกี่ยวกับวิธีที่ AWS กำลังสร้างนวัตกรรมในทุกแง่มุมของระบบคลาวด์ชั้นนำของโลก สำรวจว่า AWS กำลังคิดค้นองค์ประกอบพื้นฐานใหม่และพัฒนาประสบการณ์ใหม่เอี่ยม ทั้งหมดนี้เพื่อเพิ่มศักยภาพให้กับลูกค้าและพันธมิตรด้วยสิ่งที่พวกเขาต้องการเพื่อสร้างอนาคตที่ดีขึ้น (2:45:54)

วิธีการทางสถาปัตยกรรมและความก้าวหน้าสำหรับแอปนวัตกรรมบนคลาวด์

บทสนทนานี้สำรวจว่าความก้าวหน้าทางสถาปัตยกรรมขั้นสูงและ AI แบบสร้างสรรค์กำลังปฏิวัติการออกแบบแอปพลิเคชันอย่างไร เรียนรู้วิธีปรับปรุงแอปพลิเคชันให้ทันสมัยโดยใช้เครื่องมือและเทคนิคที่ล้ำสมัย พัฒนากลยุทธ์ข้อมูลที่ทันสมัย และนำทางภูมิทัศน์ระบบคลาวด์ที่พัฒนาอย่างรวดเร็ว สำรวจวิธีที่เป็นนวัตกรรมใหม่ๆ ที่ลูกค้า AWS กำลังสร้างแอปพลิเคชันในระบบคลาวด์ และค้นพบแนวทางปฏิบัติที่ดีที่สุดเพื่อช่วยให้คุณนำทางภูมิทัศน์สถาปัตยกรรมที่เปลี่ยนแปลงได้อย่างรวดเร็ว (1:01:02)

แนวทางปฏิบัติที่ดีที่สุดด้านสถาปัตยกรรมตลอดวงจรชีวิต

ในเซสชันนี้ เรียนรู้วิธีบูรณาการแนวทางปฏิบัติที่ดีที่สุดในด้านสถาปัตยกรรมในทุกขั้นตอนของวงจรชีวิตเวิร์กโหลดของคุณ สำรวจ AWS Well-Architected Framework รวมถึงเครื่องมือ AWS Well-Architected ซึ่งช่วยให้ลูกค้าค้นพบและนำแนวทางปฏิบัติที่ดีที่สุดมาใช้เกี่ยวกับความเป็นเลิศในการดำเนินงาน ความปลอดภัย ความน่าเชื่อถือ ประสิทธิภาพ การเพิ่มประสิทธิภาพต้นทุน และความยั่งยืน นอกจากนี้ โปรดเรียนรู้วิธีผสานรวม AWS Trusted Advisor เพื่อตรวจสอบปริมาณงานของคุณอย่างต่อเนื่องเพื่อปฏิบัติตามแนวทางปฏิบัติที่ดีที่สุด สุดท้าย เรียนรู้วิธีผสานรวมกับ AWS Health เพื่อปรับปรุงเวลาในการตรวจจับเหตุการณ์และความยืดหยุ่นของแอปพลิเคชันของคุณ (54:42)

เร่งสร้างนวัตกรรมด้วย AI ช่วยสร้างแลแมชชีนเลิร์นนิงแบบไม่ต้องเขียนโค้ด

เรียนรู้วิธีส่งเสริมให้ใครก็ตามในองค์กรของคุณปลดล็อกข้อมูลเชิงลึกอันมีค่าจากข้อมูลของคุณด้วย Amazon SageMaker Canvas ด้วย SageMaker Canvas คุณสามารถสร้างแบบจำลองการเรียนรู้ของเครื่องที่แม่นยำสูงสำหรับการถดถอย การจำแนก และการพยากรณ์อนุกรมเวลา และปรับแต่งโมเดลพื้นฐานที่เลือกได้อย่างละเอียดโดยไม่ต้องเขียนโค้ดหรือต้องการประสบการณ์การเรียนรู้ของเครื่อง ในเซสชันนี้ ให้สำรวจวิธีปรับขนาดการดำเนินงาน ML ผ่านระบบอัตโนมัติที่ขับเคลื่อนด้วย API ค้นพบว่า Gosoft ใช้ความสามารถของ SageMaker Canvas AutoML ไทม์ซีรีส์ในการพยากรณ์ความต้องการของผลิตภัณฑ์หลายพันรายการในร้าน 7-Eleven 15,000 แห่งในประเทศไทยได้อย่างไร (49:46)

สำรวจศูนย์สถาปัตยกรรม

กำลังโหลด
กำลังโหลด
กำลังโหลด
กำลังโหลด
กำลังโหลด

บล็อกโพสต์เกี่ยวกับแมชชีนเลิร์นนิง

กำลังโหลด
กำลังโหลด
กำลังโหลด
กำลังโหลด
กำลังโหลด