อเมซอน เอไอ

ภายใน AWS Amazon Bedrock และ Amazon SageMaker AI ตอบสนองความต้องการที่แตกต่างกันระบุบริการเฉพาะ ผู้ให้บริการโมเดล และการกําหนดค่าการติดตั้งก่อนเปรียบเทียบความสามารถหรือความรับผิดชอบ

ประเด็นสำคัญ

• แยกบทบาท AI ของ Bedrock และ SageMaker ออกจากกัน
• ตรวจสอบรุ่นและภูมิภาคจริง
• ประเมินการควบคุมข้อมูลและต้นทุนการดําเนินงานทั้งหมด

Amazon Bedrock ให้การเข้าถึงแบบจําลองพื้นฐานและความสามารถที่เกี่ยวข้องของแอปพลิเคชันอย่างมีการจัดการ Amazon SageMaker AI สนับสนุนการสร้าง ฝึกอบรม และปรับใช้โมเดลการเรียนรู้ของเครื่องบริการเหล่านี้อาจทับซ้อนกันในบางเวิร์กโฟลว์ ดังนั้นควรใช้คู่มือการตัดสินใจ AWS และเอกสารบริการปัจจุบันสําหรับงานที่ตั้งใจไว้ความพร้อมใช้งานของโมเดล ฟีเจอร์ที่รองรับ ภูมิภาค และข้อกําหนดการเข้าถึงอาจแตกต่างกันโมเดลที่นําเสนอผ่านแพลตฟอร์มที่มีการจัดการอาจมีรายละเอียดการผสานรวมที่แตกต่างจาก API โดยตรงของผู้ให้บริการโมเดลบันทึกจุดปลายทาง เวอร์ชันโมเดล และการกําหนดค่าที่ใช้ในการประเมินผลวางแผนสิทธิ์และการไหลของข้อมูลผ่านบริการ AWS ที่เกี่ยวข้องการจัดเก็บข้อมูล การดึงข้อมูล การบันทึก และการเรียกโมเดลแต่ละประเภทสามารถมีการควบคุมของตนเองบริการที่มีการจัดการช่วยลดงานโครงสร้างพื้นฐานบางส่วน แต่ไม่ได้ลดความรับผิดชอบของเจ้าของแอปพลิเคชันในการเข้าถึงที่ได้รับอนุญาตและการใช้ข้อมูลที่เหมาะสม ประเมินต้นทุนและพฤติกรรมการดําเนินงานทั้งหมด รวมถึงคําขอที่ล้มเหลว ความต้องการอัตราการส่งข้อมูล พื้นที่จัดเก็บ และการโอนย้ายทดสอบงานตัวแทนและการจัดการความล้มเหลวก่อนใช้งานในระบบผลิตหลีกเลี่ยงการมองว่ารายการฟีเจอร์บนแพลตฟอร์มคลาวด์ที่กว้างเป็นหลักฐานว่าฟีเจอร์ทุกอย่างเปิดใช้งานสําหรับบัญชีหรือภูมิภาคใดพื้นที่หนึ่ง

1. ลองจินตนาการว่าทีมหนึ่งต้องเรียกใช้โมเดลพื้นฐานที่มีอยู่แล้ว ในขณะที่อีกทีมหนึ่งต้องฝึกและติดตั้งตัวจําแนกแบบกําหนดเอง
2. ระบุข้อกําหนดการฝึกอบรม การให้บริการ ข้อมูล และการปฏิบัติงานของแต่ละทีมก่อนเลือกบริการ
3. สร้างต้นแบบเส้นทางที่ต้องการและตรวจสอบความพร้อมใช้งานในปัจจุบัน แทนที่จะสมมติว่าชื่อผลิตภัณฑ์ AWS เดียวตอบโจทย์ทั้งสองอย่าง

สถานการณ์ที่สร้างขึ้นจะจัดระเบียบการเปรียบเทียบบริการโดยไม่แนะนําให้ซื้อหรืออ้างสิทธิ์ความพร้อมใช้งานเฉพาะบัญชี