이제 Qwen2, Qwen2_VL, Qwen2_5_VL 아키텍처의 사용자 정의 가중치를 가져올 수 있으며, Qwen 2, 2.5 Coder, Qwen 2.5 VL, QwQ 32B와 같은 모델을 포함합니다. 이 게시물에서는 Amazon Bedrock Custom Model Import를 사용하여 Qwen 2.5 모델을 배포하는 방법을 다루며, AWS 인프라 내에서 최신 AI 기능을 효율적인 비용으로 활용할 수 있습니다.

이 포스트에서는 Amazon Bedrock의 기능을 활용하여 Amazon Web Services (AWS)에서 생성적 AI 애플리케이션을 구축하는 방법을 소개합니다. Amazon Bedrock를 사용하여 생성적 AI 여정의 각 단계에서 어떻게 활용할 수 있는지 강조하며, 숙련된 AI 엔지니어와 새로운 생성적 AI 분야의 입문자 모두에게 가치 있는 가이드입니다.

NVIDIA의 최신 추론 모델인 Llama 3.3 Nemotron Super 49B V1 및 Llama 3.1 Nemotron Nano 8B V1이 Amazon Bedrock Marketplace 및 Amazon SageMaker JumpStart에서 사용 가능해졌습니다. AWS에서 NVIDIA의 새로운 추론 모델을 배포하여 생성적 AI 아이디어를 구축, 실험 및 확장할 수 있습니다.

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

Amazon Bedrock의 채택이 증가함에 따라, 비용 최적화는 필수적이며 조직의 예산과 일치시키고 관리 가능한 생성적 AI 애플리케이션의 배포 및 운영 비용을 돕는다. 이 글에서는 Amazon Bedrock을 사용하면서 전략적 비용 최적화 기술에 대해 배울 수 있다.

Pipecat과 Amazon Bedrock을 활용해 지능적인 AI 음성 에이전트를 구축하는 방법을 배울 수 있는 시리즈 포스트. Amazon Bedrock의 foundation 모델을 활용하는 이 프레임워크는 음성 및 멀티모달 대화형 AI 에이전트를 위한 오픈소스이며, 구현을 안내하기 위한 고수준 참조 아키텍처, 모범 사례 및 코드 샘플이 포함되어 있다.

이 포스트에서는 Amazon Bedrock Marketplace에서 제공되는 Open AI Whisper foundation model Whisper Large V3 Turbo를 사용하여 거의 실시간 트랜스크립션을 생성하는 방법을 보여줍니다. 이 트랜스크립션은 Amazon Bedrock에 의해 처리되어 요약 및 민감한 정보의 마스킹이 이루어집니다.

이 게시물에서는 생성 모델 AI를 사용하여 데이터를 쿼리하는 주요 옵션을 평가하고, 그 강점과 한계를 논의하며, Text-to-SQL이 결정론적이고 스키마별 작업에 가장 적합한 선택인 이유를 설명합니다. Amazon Nova를 사용하여 Text-to-SQL을 효과적으로 활용하는 방법을 보여줍니다.

맥락적 검색은 각 청크에 설명적 맥락을 추가하여 임베딩을 생성함으로써 전통적인 RAG를 향상시킨다. 이 접근 방식은 관련 맥락 정보로 벡터 표현을 보강하여 사용자 쿼리에 응답할 때 의미적으로 관련된 콘텐츠를 더 정확하게 검색할 수 있게 한다.

Anthropic에서 출시된 코딩 에이전트인 Claude Code와 Amazon Bedrock 프롬프트 캐싱을 결합하여 개발 워크플로우를 개선하는 방법을 살펴볼 것이다. 이 강력한 조합은 추론 응답 대기 시간을 줄이고 입력 토큰 비용을 절감함으로써 빠른 응답을 제공하게 된다.

Bevar Ukraine은 우크라이나 난민들을 위한 AI 어시스턴트 Victor를 개발했다. 이는 AWS 서비스를 활용하여 다국어 지원, 자동화된 지원 및 데이터 보안 및 GDPR 준수를 유지하면서 난민들의 요구를 해결하는데 중점을 둔다.

Noodoe가 AI와 Amazon Bedrock을 활용하여 전기차 충전 운영을 최적화하는 방법을 탐색합니다. LLM 통합을 통해 Noodoe는 역동적인 가격 책정과 다국어 지원을 가능하게 하며, 이러한 혁신은 다운타임을 줄이고 효율성을 극대화하며 지속가능성을 향상시킵니다.

이 글에서는 Amazon Bedrock 지식 베이스 내에서 GraphRAG를 활용하여 지식 기반 애플리케이션을 구축하는 방법을 탐구합니다. 기존의 벡터 검색과는 달리, 지식 그래프는 엔티티 간의 관계를 인코딩하여 대규모 언어 모델이 문맥을 고려한 추론을 통해 정보를 검색할 수 있습니다.

FDA와 같은 규제기관이 규정을 변경하면 조직은 내부 SOP를 검토해야 합니다. 이를 위해 Amazon Bedrock를 활용하여 규정 변경과 SOP 간의 관계를 파악하는 다양한 방법을 소개합니다.

ZURU가 AWS Generative AI Innovation Center와 AWS Professional Services와 협력하여 생성 모델 AI를 활용한 더 정확한 텍스트-바닥 도면 생성기를 구현했다. 이 글에서는 대형 언어 모델 (LLM)을 활용한 해결책이 선택된 이유와 모델 선택, 프롬프트 엔지니어링, 파인튜닝을 통해 결과를 개선하는 방법을 살펴본다.

실시간 사용자 피드백과 감독을 통해 이점을 얻는 대화형 응용 프로그램과 달리, 비대화형 응용 프로그램은 더 강력한 가드레일과 철저한 품질 보증이 필요하며 Amazon.com의 네 가지 생성 AI 응용 사례를 살펴봅니다.

Amazon Bedrock의 Model Copy 및 Model Share 기능은 AI 애플리케이션의 라이프사이클을 개발부터 프로덕션까지 효과적으로 관리하는 강력한 옵션을 제공한다. 본문에서는 Model Share와 Model Copy 기능에 대해 심층적으로 살펴보고, 전형적인 개발부터 프로덕션 시나리오에서의 기능, 장점, 실용적인 적용을 탐구한다.

LlamaIndex 프레임워크를 활용하여 에이전틱 RAG 애플리케이션을 구축하는 예시를 소개합니다. 이 애플리케이션은 Mistral Large 2 FM을 활용해 에이전트 플로우에 대한 응답을 생성하여 연구 도구로 활용됩니다.

Amazon Bedrock의 다중 에이전트 협업 능력을 활용하여 다중 에이전트 투자 연구 보조 도구를 구축하는 방법을 안내합니다. 특화된 AI 에이전트 팀이 함께 작업하여 금융 뉴스를 분석하고 주식 성과를 평가하며 포트폴리오 할당을 최적화하고 종합적인 투자 통찰을 제공하는 솔루션을 소개합니다.

이 블로그는 생성 모델 AI 및 아마존 베드락을 사용하여 유전체 데이터베이스에 자연어 질문을 하는 텍스트-SQL 파이프라인을 배포하는 것을 탐구합니다. AWS Amplify를 사용하여 AI 어시스턴트 웹 인터페이스를 구현하는 방법과 SQL 쿼리를 생성하는 데 채택된 프롬프트 엔지니어링 전략을 설명합니다. 마지막으로, 서비스를 자체 AWS 계정에 배포하는 방법을 안내합니다.

Gemma 3 27B 모델이 Amazon Bedrock Marketplace와 SageMaker JumpStart를 통해 이용 가능하다. 어떻게 시작하고 강력한 지시 지향 기능을 활용하는지 안내.

이 글에서는 Amazon Bedrock 데이터 자동화를 사용하여 멀티모달 콘텐츠를 처리하고 추출된 정보를 Amazon Bedrock 지식 베이스에 저장한 다음 RAG 기반 Q&A 인터페이스를 통해 자연어 질의를 가능하게 하는 풀 스택 애플리케이션을 구축하는 방법에 대해 안내합니다.

이 포스트에서는 비즈니스 요구에 맞게 Foundation 모델을 맞춤화하는 세 가지 강력한 기술인 RAG, 세밀 조정, 그리고 두 가지 방법을 결합한 하이브리드 접근 방법을 구현하고 평가하는 방법을 안내합니다. 이러한 접근 방법들을 실험하고 특정 사용 사례와 데이터셋을 기반으로 현명한 결정을 내리는 데 도움이 되도록 준비된 코드를 제공합니다.

아마존 베드락 데이터 자동화는 조직이 개발을 간소화하고 효율성을 향상시키는데 도움이 됩니다. 비디오 또는 오디오에 대한 구조화되지 않은 콘텐츠 처리를 대규모로 간소화하며, 새로운 기능을 통해 비디오와 오디오에서 장면 요약, 주요 주제, 고객 의도 등을 더 빠르게 추출할 수 있게 해줍니다. 이는 영상과 오디오의 가치를 끌어내어 판매 생산성 향상 및 고객 경험 향상과 같은 사용 사례에 활용할 수 있습니다.

GuardianGamer는 Amazon Nova와 Amazon Bedrock을 활용하여 확장 가능하고 효율적인 감독 플랫폼을 제공합니다. 부모에게 의미 있는 인사이트를 제공하면서도 게임 활동과 소셜 상호작용을 감시하는 비침입적인 방법을 유지합니다.

이 게시물은 Amazon Bedrock, 사용자 피드백 데이터셋 및 퓨-샷 프롬프팅을 결합하여 응답을 미세조정하여 사용자 만족도를 높일 수 있는 방법을 보여줍니다. Amazon Titan Text Embeddings v2를 사용하여 응답 품질을 통계적으로 유의미하게 향상시켰으며, 정확하고 개인화된 응답을 원하는 애플리케이션에 유용한 도구로 나타냈습니다.

이 블로그 포스트에서는 Amazon Bedrock를 활용하여 보험 데이터를 처리하는 다중 에이전트 협업 파이프라인을 소개하며, 분류, 변환 및 메타데이터 추출을 위한 전문 에이전트를 특징으로 합니다. 이 도메인에 대한 인식 접근 방식이 청구 문서, 비디오 및 오디오 파일과 같은 다양한 데이터 형식을 메타데이터로 변환하여 사기 탐지, 고객 360도 전망 및 고급 분석을 가능하게 하는 방법을 보여줍니다.

Onity Group은 Amazon Bedrock 및 기타 AWS 서비스를 활용하여 문서 처리 능력을 혁신하였습니다. 새로운 솔루션 덕분에 이전 OCR 및 AI/ML 솔루션 대비 20%의 정확도 향상과 50%의 문서 추출 비용 절감 효과를 거뒀습니다.

HERE 기술은 GenAIIC와 협력하여 사용자의 자연어 질의에 대한 설명과 실행 가능한 코드 솔루션을 제공하는 지능형 AI 코딩 어시스턴트를 만들었습니다. 사용자의 질문을 자연어로 HTML 코드로 번역하고 JavaScript를 삽입하여 즉시 상호작용 지도로 렌더링할 수 있는 확장 가능한 시스템을 구축하는 것이 요구되었습니다.

본 포스트는 RAG 기반 응용 프로그램을 위한 기본 환각 탐지 시스템을 만드는 방법을 안내하며, 정확도, 정밀도, 재현율 및 비용 측면에서 다른 방법의 장단점을 고려합니다.

AWS는 Vxceed와 협력하여 LimoConnect Q를 개발했는데, 이는 차별화된 지상 교통 관리 솔루션이다. Amazon Bedrock 및 Lambda를 활용해 안전한 AI 솔루션을 구축하여 여행 예약 및 문서 처리를 간소화했다.

Amazon Bedrock 에이전트는 간접 프롬프트 삽입에 대비하여 AI 상호작용을 안전하게 보호하는 보안 조치와 전략을 제공합니다.

본 포스트에서는 Amazon Elastic Kubernetes Service (EKS)와 Amazon Bedrock을 사용하여 AWS에서 생성형 AI 애플리케이션을 위한 확장 가능하고 컨테이너화된 RAG 솔루션을 구축하는 방법을 소개하며, 비정형 사용자 파일 데이터를 Amazon Bedrock으로 안전하고 신속하게 가져오는 방법을 제시합니다.

Hexagon은 AWS와 협력하여 HxGN Alix라는 AI 기반 디지털 워커를 개발했는데, 기업을 위한 생성 AI의 혁신적인 혜택을 인식하고 사용자가 기업 자산 관리 제품과 상호 작용하는 방식을 개선하고자 했다. 특화된 AI 솔루션이 효율성을 증대시키고 사용자 만족도를 향상시키는 방법을 보여준다.

Chronos는 시계열 데이터를 모델링할 언어로 취급하고 사전 훈련된 FM을 사용하여 예측을 생성함. Deutsche Bahn은 Chronos 모델을 활용하여 예측을 재정의하고, 사용 사례를 제공함.

Amazon Bedrock을 통해 모델 및 RAG 평가를 위한 사용자 정의 평가 지표를 개발할 수 있게 되었다. 특정 비즈니스 요구 사항과 평가 기준에 따라 생성형 AI 애플리케이션의 성능을 측정하고 향상시키는 방법을 소개하고 있다.

WordFinder는 AWS의 생성 적 AI 기술을 활용하여 실어증을 가진 개인들이 독립성을 증가시키는 데 도움을 주는 모바일 클라우드 솔루션입니다. QARC의 Kori Ramajoo 박사, Sonia Brownsett 박사, David Copland 교수, 그리고 실어증을 가진 Scott Harding이 AWS 서비스를 사용하여 이 앱을 개발했습니다.

Amazon Bedrock에서 Meta Llama 3.2 다중 모달 모델을 파인튜닝하는 포괄적인 최상의 방법과 과학적 통찰을 공유합니다. 이 가이드라인을 따르면 작고 비용 효율적인 모델을 파인튜닝하여 더 큰 모델과 어느 정도 견줄 만한 성능을 달성할 수 있으며, 추론 비용과 지연 시간을 줄이면서도 특정 사용 사례에 대한 높은 정확도를 유지할 수 있습니다.

Amazon Web Services(AWS)를 사용하여 문서 번역을 자동화하는 방법을 소개합니다. Amazon Bedrock와 AWS 서버리스 기술을 활용하여 코드 실행, 데이터 관리, 애플리케이션 통합을 서버 관리 없이 수행할 수 있습니다.

이 글에서는 Amazon Bedrock 에이전트와 Amazon Bedrock Data Automation으로 구동되는 자율 AI 에이전트를 활용한 차세대 샘플 솔루션인 에이전트 중심의 자동 주택담보대출 승인을 소개합니다. 이러한 에이전트는 문서를 지능적으로 검증하고 위험을 평가하며 최소한의 인간 개입으로 데이터 주도적인 결정을 내립니다.

Amazon Bedrock Model Distillation은 Meta의 Llama 모델 패밀리와 고급 데이터 증강 기술 및 성능 향상을 강조합니다. 이 기술은 더 크고 능력 있는 Foundation 모델(FM)에서 더 작고 효율적인 모델(student)로 지식을 전이시켜 특정 작업에 뛰어난 특화 모델을 만듭니다.

FloQast가 Anthropics의 Claude 3를 아마존 베드락에서 활용해 AI 기반 회계 변환 솔루션을 구축하는 방법을 소개합니다.

AWS 서비스와 오픈 소스 도구를 통합하여 조직 내 강력한 레드 팀 매커니즘을 구축하는 방법에 대해 탐구합니다. 구체적으로 Data Reply의 레드 팀 솔루션을 소개하며 AI 안전 및 책임 있는 AI 실천을 강화하는 포괄적인 청사진을 논의합니다.

이 게시물에서는 LLM 마이그레이션 패러다임과 아키텍처를 소개하며, Amazon Bedrock를 사용하여 모델 평가, 프롬프트 생성 및 데이터 인식 최적화를 거친 지속적인 프로세스를 제시합니다.

이 포스트에서는 Amazon Nova를 사용하여 도구 사용을 위한 모델 맞춤화(미세 조정)를 보여줍니다. 도구 사용 사례를 소개하고 데이터셋에 대한 세부 정보를 제공한 후, Amazon Nova 특정 데이터 형식 지정에 대해 안내하고 Amazon Bedrock의 Converse 및 Invoke API를 통해 도구 호출하는 방법을 보여줍니다. Amazon Nova 모델에서 기준선 결과를 얻은 후, 미세 조정 프로세스, 예비 처리량으로 호스팅된 미세 조정된 모델, 그리고 추론에 사용되는 미세 조정된 Amazon Nova 모델을 자세히 설명합니다.

AWS와 Cisco 팀이 기업급 SQL 생성의 과제를 해결하기 위한 새로운 방법론을 소개했다. NL2SQL 프로세스의 복잡성을 줄이면서 더 높은 정확성과 성능을 제공했다.

AFX 팀은 Nova Lite 모델로 제품 이전하여 매출 업무 프로세스를 향상시켰습니다. 이전으로 비용 절감과 저지연을 달성하며 판매자에게 지능적이고 신뢰할 수 있는 솔루션을 제공했습니다.

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.

이 게시물에서는 Amazon Bedrock를 사용하여 RAG 애플리케이션에서 민감한 데이터를 보호하기 위한 두 가지 접근 방식을 탐구합니다. 첫 번째 접근 방식은 Amazon Bedrock 지식 베이스로의 데이터 삽입 전 민감한 데이터를 식별하고 마스킹하는 데 초점을 맞추었으며, 두 번째는 민감한 정보에 대한 접근을 관리하기 위한 세밀한 RBAC 패턴을 시연했습니다. 이러한 솔루션은 생성 모델 AI 애플리케이션에서 민감한 데이터를 보호하기 위한 다양한 접근 방식 중 두 가지에 불과합니다.

Amazon Bedrock Intelligent Prompt Routing의 일반 공개를 발표했다. 내부 테스트 결과, 시작 방법, 주의사항 및 모베스트 프랙티스에 대해 안내하며, Amazon Bedrock Intelligent Prompt Routing을 새로운 및 기존 생성형 AI 애플리케이션에 통합할 것을 권장한다.

이 포스트에서는 인포시스가 이벤트 및 회의에서 생성된 통찰력을 개방하기 위해 Infosys 이벤트 AI를 개발한 방법을 탐구합니다. 실시간 전사, 지능적인 요약 및 대화형 챗봇 어시스턴트를 포함한 기능 세트를 통해 Infosys 이벤트 AI는 이벤트 지식에 접근 가능하게 하고 참석자들을 위한 몰입형 참여 솔루션을 제공합니다.

이 글에서는 생성 AI 애플리케이션의 맥락에서 LLM(Large Language Models)을 평가하는 중요성을 탐구하며, 환상과 편향과 같은 문제가 일으키는 도전에 주목합니다. AWS 서비스를 활용해 평가 프로세스를 자동화하는 포괄적인 솔루션을 소개하며, FMeval 라이브러리, Ragas, LLMeter, Step Functions과 같은 도구를 사용하여 유연성과 확장성을 제공하여 LLM 소비자들의 변화하는 요구를 충족시킵니다.

본 포스트에서는 Amazon Bedrock의 다중 에이전트 기능을 활용하여 AWS 비용 관리에 혁신적인 접근 방법을 보여줍니다. Amazon Nova FMs의 고급 기능을 사용하여 AI 기반 에이전트가 기관이 AWS 비용을 분석, 최적화 및 관리하는 방식을 혁신하는 솔루션을 개발했습니다.

이 글에서는 사용자가 주식 가격 트렌드를 이해하기 위해 Amazon MSK로 구축된 토픽과 커스텀 커넥터를 사용하여 Amazon Bedrock Knowledge Bases와 함께 RAG 아키텍처를 구현한다.

QyrusAI와 Amazon Bedrock이 왼쪽으로 이동하는 테스팅을 혁신하여 팀이 더 나은 소프트웨어를 빠르게 제공할 수 있게 돕는 방법을 탐구합니다. Amazon Bedrock은 선행 AI 제공 업체의 기반 모델(FMs)을 사용하여 생성적 AI 애플리케이션을 구축하고 확장할 수 있는 완전 관리형 서비스입니다.

Amazon Bedrock Data Automation (BDA)는 Amazon Bedrock의 FMs를 기반으로 한 새로운 관리 기능이다. BDA는 복잡한 사용자 정의 워크플로우를 필요로 하지 않으면서 비구조화된 콘텐츠에서 구조화된 출력을 추출한다. 본문에서는 BDA가 비디오의 장면 및 오디오 세그먼트, 장면 내 텍스트 감지, IAB 분류 등을 자동으로 추출하고 이를 활용하여 콘텍스트 광고 효과를 향상시키는 비선형 광고 솔루션을 구축하는 방법을 보여준다.

본 포스트에서는 여러 개의 Amazon Bedrock 에이전트를 조율하여 정교한 Amazon EKS 문제 해결 시스템을 만드는 방법을 소개합니다. K8sGPT에서 통찰을 얻고 ArgoCD 프레임워크를 통해 작업을 수행함으로써 전문 에이전트 간의 협업을 가능케 하여 최소한의 인간 개입으로 클러스터 문제를 식별, 분석 및 해결하는 포괄적인 자동화를 구축할 수 있습니다.

이 솔루션은 생성적 AI와 대형 언어 모델을 사용하여 컴퓨터 비전 애플리케이션을 구축하는 데 필요한 시간 소모적이고 노동 집약적인 작업을 완화하는 방법을 제시하며, AWS 서비스를 사용하여 자산 라벨을 즉시 촬영하고 필요한 정보를 추출하여 인벤토리를 업데이트할 수 있게 합니다.

Clario와 AWS의 협업은 AWS AI 및 머신러닝 서비스, Anthropic의 Claude와 같은 생성 모델을 통해 생명 과학 산업의 문서 생성 프로세스를 간소화하고 특히 복잡한 임상 시험 프로세스에 도움이 되었다.

이 포스트는 오픈소스 다중 에이전트 프레임워크인 LangGraph를 Amazon Bedrock과 통합하는 방법을 보여준다. LangGraph와 Amazon Bedrock을 사용하여 그래프 기반 오케스트레이션을 활용하는 강력하고 대화형 다중 에이전트 응용 프로그램을 구축하는 방법을 설명한다.

이 기사는 Amazon Bedrock 에이전트를 활용하여 기업이 고급 오류 처리 도구와 자동 스키마 탐지를 통해 데이터베이스 쿼리 효율성을 향상시키는 확장 가능한 텍스트-SQL 솔루션을 구현하는 방법을 보여줍니다.

AWS 고객 채널 기술 – 로컬라이제이션 팀이 TransPerfect와 협력하여 Amazon Bedrock을 GlobalLink 번역 관리 시스템에 통합하는 과정을 설명하고, 이를 통해 기업이 다국어 콘텐츠와 번역 작업을 관리하는 데 도움을 주는 클라우드 기반 솔루션을 활용하는 방법을 소개합니다. TransPerfect의 솔루션을 통해 조직은 AI를 활용하여 다국어로 대규모 콘텐츠를 신속하게 작성하고 배포합니다.

Amazon Nova 모델의 소개는 AI 분야에서의 중요한 발전을 나타내며, 대형 언어 모델(LLM) 최적화에 새로운 기회를 제공한다. 본 포스트에서는 Amazon Nova 모델을 기준으로 모델 맞춤화와 RAG를 효과적으로 수행하는 방법을 보여준다. 최신 Amazon Nova 모델을 활용한 모델 맞춤화와 RAG 사이의 포괄적인 비교 연구를 실시하고 이러한 소중한 통찰을 공유한다.

이 포스트에서는 동영상 온디맨드 사례를 활용해 개별 사용자를 위한 맞춤형 아웃리치 이메일을 생성하는 방법을 Amazon Personalize 및 Amazon Bedrock을 사용하여 보여줍니다. 이 개념은 전자 상거래 및 디지털 마케팅 사례와 같은 다른 영역에도 적용할 수 있습니다.

이 포스트에서는 Amazon Bedrock과 CrewAI를 활용하여 AI 에이전트가 금융 기관의 규정 준수를 간소화하고 이행하는 방법을 탐구합니다. 새 규정을 요약하고 영향을 평가하며 기술적 가이드를 제공하는 다중 에이전트 시스템을 구축하는 방법을 소개합니다.

Pixtral Large 모델을 Amazon Bedrock에서 시작하는 방법을 소개합니다. 이 모델은 문서 이해, 논리 추론, 필기 인식, 이미지 비교, 엔티티 추출, 스캔된 이미지에서 구조화된 데이터 추출, 캡션 생성과 같은 다양한 용도에 활용할 수 있습니다.