AWS CDK를 사용하여 Amazon Rekognition을 통한 얼굴 및 물체 감지, Amazon Neptune을 통한 관계 매핑, 그리고 AI 기반 캡션 기능을 통합한 포괄적인 사진 검색 시스템을 구축하는 방법을 소개합니다.

본문에서는 에피소드를 구조화하고 저장하는 완벽한 아키텍처, 리플렉션 모듈에 대한 논의, 그리고 에이전트 작업 성공률이 크게 향상된 것을 보여주는 중요한 벤치마크를 소개합니다.

Amazon Bedrock cross-Region 추론 프로필 구현의 보안 고려사항과 모범 사례를 탐구합니다. Amazon Bedrock CRIS의 안전한 아키텍처를 이해하고 구현을 올바르게 구성하는 방법을 안내합니다.

Observe.ai는 SageMaker와 통합되는 OLAF를 개발하여 ML 서비스의 병목 현상과 성능 문제를 식별하고, 정적 및 동적 데이터 로드에서 지연 시간 및 처리량 측정을 제공합니다. 이 블로그 포스트에서는 OLAF 유틸리티를 사용하여 SageMaker 엔드포인트를 테스트하고 유효성을 검사하는 방법에 대해 알아볼 수 있습니다.

이 게시물에서는 양방향 스트리밍에 대해 알아보고 웹소켓 구현을 위한 전제조건에 대해 소개합니다. 또한 Strands Agents를 사용하여 음성 에이전트를 위한 양방향 스트리밍 솔루션을 구현하는 방법을 알아봅니다.

아마존 퀵 스위트를 사용하여 챗 에이전트를 구축하는 방법을 소개하고, 신원, 지침, 지식 세 가지 계층 구조를 통해 퀵 스위트 챗 에이전트를 지능적인 기업용 AI 어시스턴트로 변환하는 과정을 안내합니다. 예시를 통해 챗 어시스턴트가 기능 발견을 안내하고, 기업 데이터를 활용하여 추천을 제공하며, 영향 가능성과 팀의 채택 준비도에 따라 솔루션을 맞춤화하는 방법을 보여줍니다.

Amazon Bedrock AgentCore Runtime이나 다른 서비스에서 호스팅된 AI 에이전트의 구현 옵션과 옵저버빌리티를 포함한 개발 라이프사이클 전반에 걸친 모범 사례를 소개합니다.

Datadog LLM Observability와 Amazon Bedrock 에이전트 간의 새로운 통합을 소개합니다. 이 통합은 Amazon Bedrock에 구축된 에이전트 애플리케이션을 성공적으로 모니터링, 운영 및 디버깅하는 데 필요한 가시성과 제어를 제공합니다.

이 블로그 포스트는 Amazon Bedrock 데이터 자동화 및 기타 AWS 서비스를 이용한 종단 간 IDP 애플리케이션을 소개합니다. 이 애플리케이션은 IDP 파이프라인을 배포하고 문서를 구조화된 테이블로 변환하는 직관적인 UI를 제공하는 재사용 가능한 AWS 인프라를 제공합니다. 사용자는 입력 문서(계약서 또는 이메일 등)와 추출할 속성 목록만 제공하면 됩니다. 그럼 생성 AI를 사용하여 IDP를 수행합니다.

이 포스트에서는 Amazon Q를 QuickSight에 통합하여 “지난 6개월 동안 미국에서 반품된 상품 수를 보여줘”와 같은 자연어 요청을 의미 있는 데이터 시각화로 변환하는 방법에 대해 다룹니다. Amazon Bedrock 에이전트와 Amazon Q를 결합하여, 기업 전반에 걸쳐 데이터 액세스를 민주화하는 포괄적인 데이터 어시스턴트를 만드는 방법을 보여줍니다.

SageMaker HyperPod에서 Amazon Elastic Kubernetes Service (EKS) 애드온을 원 클릭 설치하여 NVIDIA DCGM, Kubernetes 노드 익스포터, EFA, 통합 파일 시스템, Kubernetes API, Kueue, SageMaker HyperPod 작업 연산자의 건강 및 성능 데이터를 통합할 수 있습니다. 이 기사에서는 SageMaker HyperPod의 기본 관측 기능의 통합 대시보드를 설치하고 사용하는 방법을 안내합니다.

아마존 베드락의 다중 모달 RAG 능력은 텍스트, 이미지, 그래프, 테이블 등을 포함하는 복잡한 의료 문서를 효율적으로 처리하여 의약품 데이터 분석을 혁신하고 있다.

아마존 베드락 에이전트와 Arize AI 간의 새로운 통합을 발표했다. 이는 AI 개발에서 가장 중요한 도전 중 하나인 관측성을 해결한다. 본문에서는 추적과 평가를 위한 Arize Phoenix 시스템을 소개한다.

Amazon Bedrock Guardrails를 사용하여 해로운 다중 모달 콘텐츠를 차단하는 방법을 소개하고, 의료 보험 콜 센터 시나리오를 활용하여 다양한 가드레일을 구성하고 테스트하는 과정을 안내합니다.

AWS CDK 및 AWS Step Functions, Amazon EventBridge, Amazon Personalize와 같은 서비스를 활용한 MLOps 솔루션을 소개하며, Amazon Personalize의 데이터 준비, 모델 학습, 배포 및 모니터링을 자동화하는 방법을 설명합니다.

OpenSearch는 다양한 제3자 머신러닝(ML) 커넥터를 제공하여 이를 지원합니다. 이 포스트에서는 Amazon Comprehend 커넥터와 Amazon Bedrock 커넥터 두 가지를 소개합니다. Amazon Comprehend 커넥터를 사용하여 LangDetect API를 호출해 문서의 언어를 감지하는 방법과 Amazon Bedrock 커넥터를 사용하여 Amazon Titan Text Embeddings v2 모델을 호출하여 문서로부터 임베딩을 생성하고 의미 검색을 수행하는 방법을 보여줍니다.

아마존 Q 비즈니스는 마이크로소프트 365 애플리케이션과의 통합을 통해 팀이 일상적으로 사용하는 도구 내에서 강력한 AI 지원을 제공합니다. 본문에서는 Outlook과 Word를 위한 이러한 통합이 업무 흐름을 어떻게 변화시킬 수 있는지 살펴봅니다.

이 글은 포트폴리오 작성, 기업 연구, 커뮤니케이션을 전문으로 하는 금융 어시스턴트 시스템에 대해 탐구합니다. 아마존 베드락 다중 에이전트 협업 능력 내에서 여러 전문화된 에이전트의 활용을 설명하며, 특히 금융 분석에 적용된 사례를 강조합니다.

이 글에서는 Amazon Bedrock를 통해 Amazon Titan Multimodal Embeddings G1 모델의 멀티모달 임베딩을 이용한 OpenSearch Service를 구축하는 방법을 안내합니다. 이 솔루션은 사용자가 텍스트와 이미지를 모두 쿼리로 제출하여 샘플 소매 이미지 데이터셋에서 관련 결과를 검색할 수 있는 방법을 보여줍니다.