用于机器学习的架构最佳实践

探索代理人工智能如何改变云原生应用程序架构，解锁更快的创新周期和全新的应用程序模式。了解新的 AWS 功能如何让建设者能够设计安全、以推理为导向的代理，以大规模协调数据、代码和工具，重点放在治理、可靠性和成本效益上。了解 AWS 客户当今如何部署生产就绪代理，并学习最佳实践，帮助您架构能够自主调整、优化和实时行动的代理应用程序。

将 AI 模型部署到边缘设备在平衡硬件需求、功耗和模型性能方面带来了独特的挑战。通过使用亚马逊 SageMaker 分布式训练和 AWS IoT Greengrass 的实际示例，探索跨边缘设备自动部署、验证和性能监控的方法。了解 Strands Agents 和 Amazon Bedrock 如何使用大型基础模型补充轻量级设备端模型。探索在基于 Jupyter 的仪表板中汇总结果以进行快速原型设计和优化的技术，以及将边缘设备模型与 Amazon Bedrock 基础模型协调以汇总数据和进行深入分析。本次会议提供了架构针对边缘部署进行了优化的可扩展 AI 管道的策略。

学习如何创建端到端管道以支持亚马逊 SageMaker 统一工作室中的数据和 AI 应用程序。我们将介绍如何实现批处理和流式管道以集成各种数据源，使用现代 ETL 技术优化数据移动。本课程将为您提供使用下一代 Amazon SageMaker 开发全面的数据和 AI 解决方案的知识，从初始数据处理到模型部署。