- Centro di architettura›
- Best practice sull'architettura per il machine learning
Best practice sull'architettura per il machine learning
AWS re:Invent 2025
Il CEO Matt Garman spiega come AWS sta plasmando il futuro della tecnologia cloud
Unisciti al CEO di AWS Matt Garman per scoprire come AWS sta innovando in ogni aspetto del cloud leader mondiale. Esplora come stiamo reinventando gli elementi costitutivi fondamentali e sviluppando esperienze nuove di zecca, il tutto per fornire a clienti e partner ciò di cui hanno bisogno per costruire un futuro migliore.
Agenti di intelligenza artificiale in azione: progettare il futuro delle applicazioni
Scopri come l'intelligenza artificiale agentica sta trasformando l'architettura applicativa nativa del cloud, sbloccando cicli di innovazione più rapidi e modelli applicativi completamente nuovi. Scopri come le nuove funzionalità di AWS consentono ai costruttori di progettare agenti sicuri e basati sul ragionamento che orchestrano dati, codice e strumenti su larga scala, con particolare attenzione alla governance, all'affidabilità e all'efficienza dei costi. Scopri come i clienti AWS stanno implementando agenti pronti per la produzione oggi e apprendi le best practice per aiutarti a progettare applicazioni agentiche che si adattano, ottimizzano e agiscono in modo autonomo in tempo reale.
Analisi comparativa dei modelli di intelligenza artificiale con Amazon SageMaker, Amazon Bedrock e AWS IoT Greengrass
L'implementazione di modelli di intelligenza artificiale su dispositivi edge pone sfide uniche nel bilanciamento dei requisiti hardware, del consumo energetico e delle prestazioni del modello. Attraverso esempi pratici che utilizzano la formazione distribuita di Amazon SageMaker e AWS IoT Greengrass, scopri gli approcci per la distribuzione automatizzata dei modelli, la convalida e il monitoraggio delle prestazioni su dispositivi edge. Scopri come Strands Agents e Amazon Bedrock possono integrare modelli leggeri su dispositivo con modelli di base di grandi dimensioni. Esplora le tecniche per aggregare i risultati in una dashboard basata su Jupyter per la prototipazione e l'ottimizzazione rapide e per coordinare i modelli di dispositivi edge con i modelli fondamentali di Amazon Bedrock per l'aggregazione dei dati e l'analisi approfondita. Questa sessione fornisce strategie per l'architettura di pipeline di intelligenza artificiale scalabili ottimizzate per le implementazioni edge.
Creazione di pipeline per analisi, ML e intelligenza artificiale in Amazon Sagemaker Unified Studio
Scopri come creare pipeline end-to-end per potenziare dati e applicazioni di intelligenza artificiale in Amazon SageMaker Unified Studio. Tratteremo come implementare pipeline batch e streaming per integrare varie fonti di dati, ottimizzando il movimento dei dati con le moderne tecniche ETL. Questa sessione ti fornirà le conoscenze necessarie per sviluppare soluzioni complete di dati e intelligenza artificiale utilizzando la nuova generazione di Amazon SageMaker, dall'elaborazione iniziale dei dati fino alla distribuzione del modello.