Machine Learning (ML) 和人工智慧 (AI)

AWS 利用最全面的 ML 服務和專用基礎設施，在 ML 採用旅程的每個階段協助您。我們的預先訓練 AI 服務為您的應用程式和工作流程提供現成的智慧。

每個服務都會在圖表後面描述。為了協助您決定最符合您需求的服務，請參閱選擇 AWS 機器學習服務、選擇生成式 AI 服務，以及 Amazon Bedrock 或 Amazon SageMaker AI？。如需一般資訊，請參閱建置和擴展下一波的 AI 創新 AWS。

返回 AWS 服務。

Amazon 增強版 AI

Amazon Augmented AI (Amazon A2I) 是一種 ML 服務，可讓您輕鬆建置人工審核所需的工作流程。Amazon A2I 為所有開發人員提供人工審核，移除與建置人工審核系統或管理大量人工審核人員相關的未區分繁重工作，無論其 AWS 是否在 上執行。

Amazon Bedrock

Amazon Bedrock 是一項全受管服務，可讓 Amazon 的基礎模型 (FMs) 和主要 AI 新創公司透過 API 使用。透過 Amazon Bedrock 無伺服器體驗，您可以快速開始使用、試驗 FMs、使用您自己的資料私下自訂 FM，以及將 FMs 無縫整合和部署到您的 AWS 應用程式中。

您可以從領導性 AI 公司中選擇各種基礎模型，例如 AI21 實驗室、Anthropic、Cohere、Luma、Meta、Mistral AI 和穩定 AI。或者，您可以使用 Amazon Bedrock 中獨家提供的 Amazon Nova 基礎模型。

Amazon CodeGuru

Amazon CodeGuru 是一種開發人員工具，可提供智慧建議，以改善程式碼品質並識別應用程式最昂貴的程式碼行。將 CodeGuru 整合到您現有的軟體開發工作流程中，以在應用程式開發期間自動化程式碼檢閱，並持續監控應用程式在生產中的效能，並提供建議和視覺化線索，以了解如何改善程式碼品質、應用程式效能並降低整體成本。

Amazon CodeGuru Reviewer 使用 ML 和自動化推理，在應用程式開發期間識別關鍵問題、安全漏洞和hard-to-find錯誤，並提供改善程式碼品質的建議。

Amazon CodeGuru Profiler 可協助開發人員了解其應用程式的執行時間行為、識別和移除程式碼效率不佳、改善效能，以及大幅降低運算成本，藉此尋找應用程式最昂貴的程式碼。

Amazon Comprehend

Amazon Comprehend 使用 ML 和自然語言處理 (NLP)，協助您探索非結構化資料中的洞見和關係。服務可識別文字的語言；擷取關鍵片語、位置、人員、品牌或事件；了解文字的正面或負面程度；使用字符化和部分語音分析文字；並自動依主題組織文字檔案的集合。您也可以在 Amazon Comprehend 中使用 AutoML 功能，建置一組自訂的實體或文字分類模型，這些模型是專門針對您組織的需求量身打造。

若要從非結構化文字擷取複雜的醫療資訊，您可以使用 Amazon Comprehend Medical。該服務可以從各種來源識別醫療資訊，例如醫療情況、藥物、劑量、強度和頻率，例如醫生的筆記、臨床試驗報告和患者健康記錄。Amazon Comprehend Medical 也會識別擷取藥物與測試、治療和程序資訊之間的關係，以便於分析。例如，服務會從非結構化臨床備註中識別與特定藥品相關的特定劑量、強度和頻率。

Amazon DevOps Guru

Amazon DevOps Guru是一種採用 ML 的服務，可讓您輕鬆改善應用程式的營運效能和可用性。Amazon DevOpsGuru 會偵測偏離正常操作模式的行為，讓您可以在營運問題影響您的客戶之前，早就找出這些問題。

Amazon DevOpsGuru 使用 ML 模型，透過多年的 Amazon.com 和卓越 AWS 營運來了解異常的應用程式行為 （例如增加延遲、錯誤率、資源限制等），以及可能導致潛在中斷或服務中斷的表面關鍵問題。當 Amazon DevOpsGuru 識別關鍵問題時，它會自動傳送提醒，並提供相關異常的摘要、可能的根本原因，以及問題發生的時間和位置。如果可能，Amazon DevOpsGuru 也會提供如何修復問題的建議。

Amazon DevOpsGuru 會自動從您的 AWS 應用程式擷取操作資料，並提供單一儀表板來視覺化操作資料中的問題。您可以為 AWS 帳戶中的所有資源、堆疊中的資源或依 AWS 標籤分組的資源啟用 Amazon DevOpsGuru，而不需要手動設定或 ML AWS CloudFormation 專業知識。

Amazon Forecast

Amazon Forecast 是一項全受管服務，使用 ML 來提供高度準確的預測。

公司現在使用從簡單試算表到複雜財務規劃軟體的所有內容，嘗試準確預測未來的業務成果，例如產品需求、資源需求或財務績效。這些工具透過查看歷史資料系列來建置預測，稱為時間序列資料。例如，這類工具可能會嘗試透過僅查看先前的銷售資料，並假設未來是由過去決定，來預測雨衣的未來銷售。這種方法可能難以為具有不規則趨勢的大型資料集產生準確的預測。此外，它無法輕鬆地將隨時間變化的資料系列 （例如價格、折扣、Web 流量和員工人數） 與相關的獨立變數結合，例如產品功能和存放位置。

Amazon Forecast 採用與 Amazon.com 相同的技術，使用 ML 結合時間序列資料和其他變數來建置預測。Amazon Forecast 不需要 ML 經驗即可開始使用。您只需提供歷史資料，以及您認為可能會影響預測的任何其他資料。例如，對襯衫特定顏色的需求可能會隨季節和存放位置而改變。這種複雜的關係很難自行判斷，但 ML 非常適合識別它。提供資料後，Amazon Forecast 會自動檢查資料、識別有意義的內容，並產生預測模型，能夠進行比僅查看時間序列資料高出 50% 的預測。

Amazon Forecast 是一項全受管服務，因此無需佈建伺服器，也無需建置、訓練或部署 ML 模型。您只需支付使用量的費用，而且沒有最低費用，也沒有預付承諾。

Amazon Fraud Detector

Amazon Fraud Detector 是一項全受管服務，使用 ML 和來自 Amazon 超過 20 年的詐騙偵測專業知識，以識別潛在的詐騙活動，讓客戶可以更快地攔截更多線上詐騙。Amazon Fraud Detector 會自動執行耗時且昂貴的步驟，以建置、訓練和部署用於詐騙偵測的 ML 模型，讓客戶更容易利用這項技術。Amazon Fraud Detector 會根據客戶自己的資料集自訂每個模型，使模型的準確性高於目前的單一大小，適合所有 ML 解決方案。而且，由於您只需支付使用量的費用，因此您可以避免大量的預付費用。

Amazon Comprehend Medical

在過去十年中，AWS 見證了運作狀態的數位轉型，組織每天都會擷取大量的患者資訊。但這些資料通常是非結構化的，而擷取此資訊的程序需要耗費大量人力且容易出錯。Amazon Comprehend Medical 是一項符合 HIPAA 資格的自然語言處理 (NLP) 服務，使用機器學習，該機器學習已預先訓練，以從醫療文字中了解和擷取運作狀態資料，例如處方、程序或診斷。Amazon Comprehend Medical 可以透過 ICD-10-CM、RxNorm 和 SNOMED CT 等醫療拓撲，協助您準確快速地從非結構化醫療文字中擷取資訊，進而加速保險索賠處理、改善人口運作狀態，並加速藥物安全監視。

Amazon Kendra

Amazon Kendra 是採用 ML 技術的智慧型搜尋服務。Amazon Kendra 重新構想企業搜尋您的網站和應用程式，讓您的員工和客戶可以輕鬆找到他們正在尋找的內容，即使它分散在組織中的多個位置和內容儲存庫。

使用 Amazon Kendra，您可以停止搜尋非結構化資料的trove，並在需要時探索問題的正確答案。Amazon Kendra 是一項全受管服務，因此無需佈建伺服器，也無需建置、訓練或部署 ML 模型。

Amazon Lex

Amazon Lex 是一項全受管的人工智慧 (AI) 服務，可使用語音和文字設計、建置、測試和部署對話式介面到任何應用程式。Lex 提供將語音轉換為文字的進階深度學習功能 (ASR)，以及自然語言理解 (NLU) 來辨識文字的意圖，讓您能夠建置具有高度吸引力使用者體驗和逼真的對話互動的應用程式，並建立新的產品類別。透過 Amazon Lex，任何開發人員現在都可以使用與 Amazon Alexa 相同的深度學習技術，讓您能夠快速輕鬆地建置複雜的自然語言、對話式機器人 (「聊天機器人」) 和語音啟用互動式語音回應 (IVR) 系統。

Amazon Lex 可讓開發人員快速建置對話式聊天機器人。使用 Amazon Lex，不需要任何深度學習專業知識，若要建立機器人，您只需在 Amazon Lex 主控台中指定基本對話流程即可。Amazon Lex 會管理對話，並動態調整對話中的回應。利用主控台，您可以建置、測試和發佈您的文字或語音聊天機器人。而後，您可將對話式介面加入到行動裝置、Web 應用程式和聊天平台 (例如 Facebook Messenger) 上的機器人。使用 Amazon Lex 無需預付成本或最低費用 - 您只需支付所提出的文字或語音請求費用。依請求按用量付費的定價和低成本使本服務成為符合經濟效益建置對話式介面的方式。使用 Amazon Lex 免費方案，您可以輕鬆地試用 Amazon Lex，無需任何初始投資。

Amazon Lookout for Equipment

Amazon Lookout for Equipment 會分析設備上感應器的資料 （例如產生器中的壓力、壓縮器的流量、每分鐘風扇轉數），以根據您的資料自動訓練設備的 ML 模型，而不需要 ML 專業知識。Lookout for Equipment 使用您唯一的 ML 模型即時分析傳入的感應器資料，並準確識別可能導致機器故障的早期警告訊號。這表示您可以快速且精確地偵測設備異常、快速診斷問題、採取行動來減少昂貴的停機時間，以及減少錯誤警示。

Amazon Lookout for Metrics

Amazon Lookout for Metrics 使用 ML 自動偵測和診斷業務和營運資料中的異常 （異常值），例如銷售收入或客戶購買率突然下降。只需按幾下滑鼠，即可將 Amazon Lookout for Metrics 連接到熱門的資料存放區，例如 Amazon S3、Amazon Redshift 和 Amazon Relational Database Service (Amazon RDS)，以及第三方軟體即服務 (SaaS) 應用程式，例如 Salesforce、Servicenow、Zendesk 和 Marketo，並開始監控對您業務重要的指標。Amazon Lookout for Metrics 會自動檢查並準備來自這些來源的資料，以比用於異常偵測的傳統方法更快速且更準確地偵測異常。您也可以提供有關偵測到異常的意見回饋，以調校結果並隨著時間改善準確性。Amazon Lookout for Metrics 可透過將與相同事件相關的異常分組，並傳送包含潛在根本原因摘要的提醒，輕鬆診斷偵測到的異常。它也會依嚴重性排序異常情況，讓您可以優先考慮對業務最重要的事項。

Amazon Lookout for Vision

Amazon Lookout for Vision 是一項 ML 服務，使用電腦視覺 (CV) 在視覺呈現中找出瑕疵和異常。使用 Amazon Lookout for Vision，製造公司可以透過快速識別大規模物件影像的差異，來提高品質並降低營運成本。例如，Amazon Lookout for Vision 可用於識別產品中缺少的元件、車輛或結構損壞、生產線不規則、矽晶片中的微型瑕疵，以及其他類似問題。Amazon Lookout for Vision 使用 ML 以個人身分查看和了解任何攝影機的影像，但準確度更高，且規模更大。Amazon Lookout for Vision 可讓客戶消除對昂貴和不一致的手動檢查的需求，同時改善品質控制、瑕疵和損壞評估以及合規。在幾分鐘內，您就可以開始使用 Amazon Lookout for Vision 來自動檢查影像和物件，而不需要 ML 專業知識。

Amazon Monitron

Amazon Monitron 是一種end-to-end系統，使用 ML 來偵測工業機器中的異常行為，讓您能夠實作預測性維護並減少意外停機時間。

安裝感應器和必要的基礎設施以進行資料連線、儲存、分析和警示，是啟用預測性維護的基礎元素。不過，為了讓它發揮作用，公司擁有歷史上所需的技術技術人員和資料科學家，從頭開始拼湊出複雜的解決方案。這包括識別和取得適合其使用案例的正確感應器類型，並將其與 IoT 閘道 （彙總和傳輸資料的裝置） 連接。因此，很少公司能夠成功實作預測性維護。

Amazon Monitron 包含從設備擷取震動和溫度資料的感應器、安全地將資料的閘道裝置 AWS、使用 ML 分析資料異常機器模式的 Amazon Monitron 服務，以及用於設定裝置的配套行動應用程式，以及接收機器中操作行為和潛在故障提醒的報告。您可以在幾分鐘內開始監控設備運作狀態，而不需要任何開發工作或 ML 經驗，並使用與監控 Amazon Fulfillment Centers 中設備相同的技術來啟用預測性維護。

Amazon PartyRock

Amazon PartyRock 透過實作、無程式碼的應用程式建置器，讓學習生成式 AI 變得簡單。使用提示工程技術進行實驗、檢閱產生的回應，並在建立和探索有趣的應用程式時開發生成式 AI 的直覺。PartyRock 可透過全受管服務 Amazon Bedrock，從 Amazon 和領導 AI 公司存取基礎模型 (FMs)。

Amazon Personalize

Amazon Personalize 是一種 ML 服務，可讓開發人員輕鬆地使用其應用程式為客戶建立個人化建議。

ML 透過提供個人化產品和內容建議、量身訂做的搜尋結果和有針對性的行銷活動，來提高客戶參與度。不過，由於開發 ML 功能的複雜性，因此開發產生這些複雜建議系統所需的 ML 功能，現在已超過大多數組織觸手可及的範圍。Amazon Personalize 可讓沒有先前 ML 經驗的開發人員輕鬆在其應用程式中建置複雜的個人化功能，使用從 Amazon.com 上多年使用而完美的 ML 技術。

透過 Amazon Personalize，您可以從應用程式提供活動串流，例如頁面檢視、註冊、購買等，以及您想要建議的項目清單，例如文章、產品、影片或音樂。您也可以選擇向 Amazon Personalize 提供來自使用者的其他人口統計資訊，例如年齡或地理位置。Amazon Personalize 會處理和檢查資料、識別有意義的內容、選取正確的演算法，以及訓練和最佳化針對您的資料自訂的個人化模型。

Amazon Personalize 為零售和媒體和娛樂提供最佳化推薦，讓您更快速、更輕鬆地提供高效能的個人化使用者體驗。Amazon Personalize 也提供智慧型使用者區隔，因此您可以透過行銷管道執行更有效的物色搜尋行銷活動。使用我們兩個新的配方，您可以根據使用者對不同產品類別、品牌等的興趣來自動分割使用者。

Amazon Personalize 分析的所有資料都會保持私密和安全，且僅用於您的自訂建議。您可以從服務維護的虛擬私有雲端內，透過簡單的 API 呼叫開始提供個人化預測。您只需支付使用量的費用，而且沒有最低費用，也沒有預先承諾。

Amazon Personalize 就像 24 小時隨時擁有自己的 Amazon.com ML 個人化團隊。

Amazon Polly

Amazon Polly 是一種將文字轉換為逼真的語音的服務。Amazon Polly 可讓您建立可說話的應用程式，讓您建置全新的語音功能產品類別。Amazon Polly 是一種 Amazon 人工智慧 (AI) 服務，使用進階深度學習技術來合成聽起來像人類語音的語音。Amazon Polly 包含多種栩栩如生的語音，分佈在數十種語言中，因此您可以選擇理想的語音，並建置可在許多不同國家/地區運作的語音應用程式。

Amazon Polly 提供支援即時互動式對話方塊所需的一致快速回應時間。您可以快取和儲存 Amazon Polly 語音音訊，以離線或重新分配重播。Amazon Polly 易於使用。您只需將要轉換為語音的文字傳送至 Amazon Polly API，Amazon Polly 便會立即將音訊串流傳回至您的應用程式，讓您的應用程式可以直接播放或將其存放為標準音訊檔案格式，例如 MP3。

除了標準 TTS 語音之外，Amazon Polly 還提供神經Text-to-Speech(NTTS) 語音，透過新的機器學習方法提供語音品質的進階改善。Polly 的神經 TTS 技術也支援新聞播報員發言風格，專為新聞敘述使用案例量身打造。最後，Amazon Polly Brand Voice 可以為您的組織建立自訂語音。這是自訂參與，您將與 Amazon Polly 團隊合作，建置 NTTS 語音，以供組織專用。

使用 Amazon Polly，您只需支付轉換為語音的字元數，而且您可以儲存和重播 Amazon Polly 產生的語音。Amazon Polly 每個角色的低成本轉換，以及缺乏儲存和重複使用語音輸出的限制，使其成為在任何地方啟用Text-to-Speech的成本效益方法。

Amazon Q

Amazon Q 是生成式 AI 輔助，用於加速軟體開發和利用您的內部資料。

Amazon Q Business

Amazon Q Business 可以根據企業系統中的資料和資訊回答問題、提供摘要、產生內容，以及安全地完成任務。它可讓員工更具創意、以資料為導向、更有效率、做好準備且更具生產力。

Amazon Q Developer

Amazon Q Developer （先前為 Amazon CodeWhisperer) 可協助開發人員和 IT 專業人員完成其任務，從編碼、測試和升級應用程式，到診斷錯誤、執行安全掃描和修正，以及最佳化 AWS 資源。Amazon Q 具有進階、多步驟規劃和推理功能，可轉換現有程式碼 （例如執行 Java 版本升級），並實作開發人員請求所產生的新功能。

Amazon Rekognition

Amazon Rekognition 可讓您使用經驗證、高度可擴展的深度學習技術，輕鬆地將映像和影片分析新增至應用程式，無需 ML 專業知識。透過 Amazon Rekognition，您可以識別影像和影片中的物件、人物、文字、場景和活動，以及偵測任何不適當的內容。Amazon Rekognition 也提供高度準確的臉部分析和臉部搜尋功能，可用於偵測、分析和比較各種使用者驗證、人員計數和公共安全使用案例的臉部。

使用 Amazon Rekognition 自訂標籤，您可以識別影像中特定於業務需求的物件和場景。例如，您可以建置模型來分類組裝線上的特定機器零件，或偵測運作狀態不佳的工廠。Amazon Rekognition Custom Labels 會為您處理模型開發的繁重工作，因此不需要 ML 體驗。您只需要提供要識別的物件或場景的影像，而服務會處理其餘項目。

Amazon SageMaker AI

使用 Amazon SageMaker AI，您可以使用完全受管的基礎設施、工具和工作流程，為任何使用案例建置、訓練和部署 ML 模型。SageMaker AI 會從 ML 程序的每個步驟中移除繁重的負載，以便更輕鬆地開發高品質的模型。SageMaker AI 在單一工具集中提供用於 ML 的所有元件，讓模型可以更快地進入生產環境，同時省去更多精力，而且成本更低。

Amazon SageMaker AI Autopilot

Amazon SageMaker AI Autopilot 會根據您的資料自動建置、訓練和調校最佳的 ML 模型，同時讓您維持完整的控制和可見性。使用 SageMaker AI Autopilot，您只需提供表格式資料集，然後選取要預測的目標欄，可以是數字 （例如房屋價格，稱為回歸） 或類別 （例如垃圾郵件，而非垃圾郵件，稱為分類）。SageMaker AI Autopilot 會自動探索不同的解決方案，以尋找最佳模型。然後，您只需按一下，即可將模型直接部署到生產環境，或使用 Amazon SageMaker AI Studio 反覆運算建議的解決方案，進一步改善模型品質。

Amazon SageMaker AI Canvas

Amazon SageMaker AI Canvas 為業務分析師提供視覺化point-and-click界面，讓他們能夠自行產生準確的 ML 預測，而不需要任何 ML 體驗或編寫單行程式碼，藉此擴展對 ML 的存取。

Amazon SageMaker AI Clarify

Amazon SageMaker AI Clarify 可讓機器學習開發人員更清楚地了解其訓練資料和模型，以便識別和限制偏差並解釋預測。Amazon SageMaker AI Clarify 透過檢查您指定的屬性，在資料準備期間、模型訓練之後，以及在部署的模型中偵測潛在的偏差。SageMaker AI Clarify 也包含功能重要性圖表，可協助您解釋模型預測，並產生報告，可用於支援內部簡報或識別模型的問題，而您可以採取步驟來更正。

Amazon SageMaker AI 資料標籤

Amazon SageMaker AI 提供資料標籤服務，以識別原始資料，例如影像、文字檔案和影片，並新增資訊性標籤，為您的 ML 模型建立高品質的訓練資料集。

Amazon SageMaker AI Data Wrangler

Amazon SageMaker AI Data Wrangler 可將彙總和準備 ML 資料所需的時間從數週縮短為幾分鐘。使用 SageMaker AI Data Wrangler，您可以簡化資料準備和特徵工程的程序，並完成資料準備工作流程的每個步驟，包括從單一視覺化界面選擇、清除、探索和視覺化。

Amazon SageMaker AI Edge

Amazon SageMaker AI Edge 透過最佳化、保護和部署模型到邊緣，然後在智慧攝影機、機器人和其他智慧電子設備上監控這些模型，在邊緣裝置上進行機器學習，以降低持續的營運成本。SageMaker AI Edge Compiler 最佳化訓練模型，以便在邊緣裝置上執行。SageMaker AI Edge 包含over-the-air(OTA) 部署機制，可協助您在機群上部署模型，不受應用程式或裝置韌體影響。SageMaker AI Edge Agent 可讓您在相同裝置上執行多個模型。代理程式會根據您控制的邏輯收集預測資料，例如間隔，並將其上傳到雲端，以便您可以隨著時間定期重新訓練模型。

Amazon SageMaker AI 功能商店

Amazon SageMaker AI Feature Store 是專門建置的儲存庫，您可以在其中存放和存取功能，以便更輕鬆地命名、組織和在團隊間重複使用這些功能。SageMaker AI Feature Store 為訓練和即時推論期間的功能提供統一的存放區，而不需要撰寫額外的程式碼或建立手動程序來保持功能一致性。SageMaker AI Feature Store 會追蹤儲存功能的中繼資料 （例如功能名稱或版本編號），以便您可以批次或使用互動式查詢服務 Amazon Athena 即時查詢功能，以取得正確的屬性。SageMaker AI Feature Store 也會保持功能更新，因為在推論期間產生新資料時，會更新單一儲存庫，因此新功能一律可供模型在訓練和推論期間使用。

Amazon SageMaker AI 地理空間功能

Amazon SageMaker AI 地理空間功能可讓資料科學家和機器學習 (ML) 工程師更輕鬆地使用地理空間資料更快速地建置、訓練和部署 ML 模型。您可以存取資料 （開放原始碼和第三方）、處理和視覺化工具，讓準備 ML 的地理空間資料更有效率。您可以使用專門建置的演算法和預先訓練的機器學習 (ML) 模型來加速模型建立和訓練，並使用內建的視覺化工具在互動式地圖上探索預測輸出，然後跨團隊協作獲得深入分析和結果來提高生產力。

Amazon SageMaker AI HyperPod

Amazon SageMaker AI HyperPod 移除了針對大型語言模型 (LLMs)、擴散模型和基礎模型 (FMs) 建置和最佳化機器學習 (ML) 基礎設施所涉及的未區分的繁重工作。SageMaker AI HyperPod 已預先設定分散式訓練程式庫，可讓客戶自動將訓練工作負載分割至數千個加速器，例如 AWS Trainium NVIDIA A100 和 H100 圖形處理單元 GPUs)。

SageMaker AI HyperPod 也有助於確保您可以定期儲存檢查點，繼續不間斷地訓練。發生硬體故障時，自我修復叢集會自動偵測故障、修復或取代故障的執行個體，並從上次儲存的檢查點繼續訓練，讓您不再需要手動管理此程序，並協助您在分散式環境中訓練數週或數月，而不會中斷。您可以自訂您的運算環境，以最符合您的需求，並使用 Amazon SageMaker AI 分散式訓練程式庫進行設定，以獲得最佳效能 AWS。

Amazon SageMaker AI JumpStart

Amazon SageMaker AI JumpStart 可協助您快速輕鬆地開始使用 ML。為了讓您更輕鬆地開始使用，SageMaker AI JumpStart 提供一組解決方案，適用於最常見的使用案例，只需按幾下滑鼠即可輕鬆部署。這些解決方案可完全自訂，並展示 AWS CloudFormation 範本和參考架構的使用，讓您可以加速 ML 旅程。Amazon SageMaker AI JumpStart 也支援一鍵式部署和微調超過 150 種熱門的開放原始碼模型，例如自然語言處理、物件偵測和影像分類模型。

Amazon SageMaker AI 模型建置

Amazon SageMaker AI 提供建置 ML 模型所需的所有工具和程式庫、反覆嘗試不同演算法的程序，以及評估其準確性，以尋找最適合您的使用案例的工具和程式庫。在 Amazon SageMaker AI 中，您可以挑選不同的演算法，包括超過 15 個內建且針對 SageMaker AI 最佳化的演算法，以及使用來自熱門模型區域的超過 750 個預先建置模型，只需按幾下滑鼠即可使用。SageMaker AI 也提供各種模型建置工具，包括以 Code-OSS （虛擬 Studio Code Open Source) 為基礎的 Amazon SageMaker AI Studio Notebooks、JupyterLab、RStudio 和 Code Editor，您可以在其中以小規模執行 ML 模型，以查看其效能的結果和檢視報告，因此您可以提出高品質的工作原型。

Amazon SageMaker AI 模型訓練

Amazon SageMaker AI 可減少訓練和調整大規模 ML 模型所需的時間和成本，而不需要管理基礎設施。您可以利用目前可用的最高效能 ML 運算基礎設施，而 SageMaker AI 可以自動將基礎設施從一到數千個 GPUs 向上或向下擴展。由於您只需支付使用的費用，因此您可以更有效地管理訓練成本。若要更快速地訓練深度學習模型，您可以使用 Amazon SageMaker AI 分散式訓練程式庫來提升效能，或使用第三方程式庫，例如 DeepSpeed、Horovod 或 Megatron。

Amazon SageMaker AI 模型部署

Amazon SageMaker AI 可讓您輕鬆地部署 ML 模型，以針對任何使用案例以最佳價格進行預測 （也稱為推論）。它提供廣泛的 ML 基礎設施和模型部署選項，以協助滿足您的所有 ML 推論需求。這是一項全受管服務，並與 MLOps 工具整合，因此您可以擴展模型部署、降低推論成本、更有效地管理生產中的模型，並減輕操作負擔。

Amazon SageMaker AI 管道

Amazon SageMaker AI Pipelines 是第一個專為 ML 打造、easy-to-use持續整合和持續交付 (CI/CD) 服務。透過 SageMaker AI Pipelines，您可以大規模建立、自動化和管理end-to-end工作流程。

Amazon SageMaker AI Studio Lab

Amazon SageMaker AI Studio Lab 是免費的 ML 開發環境，提供運算、儲存 （最高 15GB) 和安全性，而且任何人都可以免費學習和實驗 ML。您只需要一個有效的電子郵件地址，您便不需要設定基礎設施、管理身分、存取，甚至註冊 AWS 帳戶。SageMaker AI Studio Lab 透過 GitHub 整合加速模型建置，並預先設定了最受歡迎的 ML 工具、架構和程式庫，讓您立即開始使用。SageMaker AI Studio Lab 會自動儲存您的工作，因此您不需要在工作階段之間重新啟動。這就像關閉您的筆記型電腦並稍後再回來一樣簡單。

上的 Apache MXNet AWS

Apache MXNet 是快速且可擴展的訓練和推論架構，具有easy-to-use簡潔 ML API。MXNet 包含 Gluon 介面，可讓所有技能層級的開發人員開始使用雲端、邊緣裝置和行動應用程式上的深度學習。在幾行 Gluon 程式碼中，您可以建置線性迴歸、卷積網路和週期性 LSTMs，以進行物件偵測、語音辨識、建議和個人化。您可以在 上開始使用 MxNet， AWS 並使用 Amazon SageMaker AI 獲得完全受管的體驗，Amazon SageMaker AI 是大規模建置、訓練和部署 ML 模型的平台。或者，您可以使用 AWS 深度學習 AMIs來使用 MxNet 建置自訂環境和工作流程，以及其他框架，包括 TensorFlow、PyTorch、Cheaner、Keras、Caffe、Caffe2 和 Microsoft Cognitive Toolkit。

AWS 深度學習 AMIs

為機器學習從業人員和研究人員AWS 深度學習 AMIs提供基礎設施和工具，以加速任何規模的雲端深度學習。您可以快速啟動預先安裝熱門深度學習架構和界面的 Amazon EC2 執行個體，例如 TensorFlow、PyTorch、Apache MXNet、Chaner、Gluon、Horovod 和 Keras，以訓練複雜的自訂 AI 模型、實驗新的演算法，或學習新的技能和技術。無論您需要 Amazon EC2 GPU 或 CPU 執行個體，深度學習 AMIs 都無需額外付費，您只需支付存放和執行應用程式所需的 AWS 資源。

AWS 深度學習容器

AWS Deep Learning Containers (AWS DL Containers) 是預先安裝深度學習架構的 Docker 映像，可讓您從頭開始略過建置和最佳化環境的複雜程序，以快速部署自訂機器學習 (ML) 環境。 AWS DL Containers 支援 TensorFlow、PyTorch、Apache MXNet。您可以在 Amazon SageMaker AI、Amazon Elastic Kubernetes Service (Amazon EKS)、Amazon EC2 AWS 上的自我管理 Kubernetes、Amazon Elastic Container Service (Amazon ECS) 上部署 DL Containers。這些容器可透過 Amazon Elastic Container Registry (Amazon ECR) AWS Marketplace 取得，而且無需付費，您只需為所使用的資源付費。

使用 Amazon SageMaker AI 的地理空間 ML

Amazon SageMaker AI 地理空間功能可讓資料科學家和 ML 工程師使用地理空間資料更快速且大規模地建置、訓練和部署 ML 模型。您可以存取隨時可用的地理空間資料來源、使用專用操作有效率地轉換或擴充大規模地理空間資料集，以及選取預先訓練的 ML 模型來加速模型建置。您也可以分析地理空間資料，並使用內建視覺化工具的 3D 加速圖形探索互動式地圖上的模型預測。SageMaker Runtime 地理空間功能可用於各種使用案例，例如最大化收成量和食物安全、評估風險和保險宣告、支援永續城市開發，以及預測零售據點使用率。

上的擁抱人臉 AWS

使用 Amazon SageMaker AI 上的 Hugging Face，您可以從 Hugging Face 部署和微調預先訓練的模型，Hugging Face 是自然語言處理 (NLP) 模型的開放原始碼供應商，稱為轉換器，將設定和使用這些 NLP 模型所需的時間從數週縮短到幾分鐘。NLP 是指 ML 演算法，可協助電腦了解人類語言。它們有助於翻譯、智慧型搜尋、文字分析等。不過，NLP 模型可能很大且複雜 （有時由數億個模型參數組成），而訓練和最佳化這些模型需要時間、資源和技能。AWS 與 Hugging Face 合作建立 Hugging Face AWS 深度學習容器 (DLCs)，為資料科學家和 ML 開發人員提供在 Amazon SageMaker AI 上建置、訓練和部署state-of-the-art NLP 模型的完整受管體驗。

上的 PyTorch AWS

PyTorch 是一種開放原始碼深度學習架構，可讓您輕鬆地開發機器學習模型並將其部署到生產環境。使用 TorchServe，PyTorch 的模型提供與 Facebook AWS 合作建置和維護的程式庫，PyTorch 開發人員可以快速輕鬆地將模型部署到生產環境。PyTorch 也為分散式訓練提供動態運算圖形和程式庫，這些訓練會針對高效能進行調校 AWS。您可以開始使用 PyTorch 以 AWS 使用 Amazon SageMaker，這是一種全受管 ML 服務，可讓您輕鬆且符合成本效益地大規模建置、訓練和部署 PyTorch 模型。如果您偏好自行管理基礎設施，則可以使用 AWS 深度學習 AMIs或AWS 深度學習容器，這些容器從來源建置，並使用最新版本的 PyTorch 最佳化效能，以快速部署自訂機器學習環境。

上的 TensorFlow AWS

TensorFlow 是可供研究人員和開發人員使用的許多深度學習架構之一，可透過機器學習來增強其應用程式。 AWS 提供 TensorFlow 的廣泛支援，讓客戶能夠開發和提供電腦視覺、自然語言處理、語音翻譯等方面的自有模型。您可以開始使用 TensorFlow 來 AWS 使用 Amazon SageMaker AI，這是一種全受管 ML 服務，可讓您輕鬆且符合成本效益地大規模建置、訓練和部署 TensorFlow 模型。如果您偏好自行管理基礎設施，則可以使用 AWS 深度學習 AMIs或AWS 深度學習容器，這些容器從來源建置，並使用最新版本的 TensorFlow 最佳化效能，以快速部署自訂 ML 環境。

Amazon Textract

Amazon Textract 是一種服務，可自動從掃描的文件擷取文字和資料。Amazon Textract 超越簡易光學字元辨識 (OCR)，也能識別表格和資料表中存放資訊中的欄位內容。

今天，許多公司手動從掃描的文件擷取資料，例如 PDFs、影像、資料表和表單，或透過需要手動組態的簡易 OCR 軟體 （通常必須在表單變更時更新）。為了克服這些手動和昂貴的程序，Amazon Textract 使用 ML 來讀取和處理任何類型的文件，準確擷取文字、手寫、資料表和其他資料，而無需手動操作。Amazon Textract 可讓您靈活地指定使用查詢從文件擷取所需的資料。您可以用自然語言問題的形式 （例如「什麼是客戶名稱」) 指定所需的資訊。您不需要知道文件中的資料結構 （資料表、表單、隱含欄位、巢狀資料），也不必擔心文件版本和格式的差異。Amazon Textract 查詢會針對各種文件進行預先訓練，包括薪資單、銀行對帳單、W-2s、貸款申請表、抵押貸款備註、索賠文件和保險卡。

使用 Amazon Textract，您可以快速自動化文件處理，並對擷取的資訊採取行動，無論您是自動化貸款處理，還是從發票和收據擷取資訊。Amazon Textract 可以在幾分鐘內擷取資料，而不是數小時或數天。此外，您可以使用 Amazon 增強版 AI 新增人工審核，以監督模型並檢查敏感資料。

Amazon Transcribe

Amazon Transcribe 是一種自動語音辨識 (ASR) 服務，可讓客戶輕鬆自動將語音轉換為文字。服務可以轉錄以 WAV 和 MP3 等常見格式存放的音訊檔案，並加上每個單字的時間戳記，以便您可以搜尋文字，輕鬆在原始來源中找到音訊。您也可以將即時音訊串流傳送至 Amazon Transcribe，並即時接收文字記錄串流。Amazon Transcribe 旨在處理各種語音和聲音特性，包括音量、音調和說話速率的變化。音訊訊號的品質和內容 （包括但不限於背景噪音、重疊發言者、重音語音或單一音訊檔案中語言之間的切換等因素） 可能會影響服務輸出的準確性。客戶可以選擇將 Amazon Transcribe 用於各種商業應用程式，包括以語音為基礎的客戶服務呼叫轉錄、在音訊/視訊內容上產生字幕，以及對音訊/視訊內容進行 （文字型） 內容分析。

從 Amazon Transcribe 衍生的兩項非常重要的服務包括 Amazon Transcribe Medical 和 Amazon Transcribe Call Analytics。

Amazon Transcribe Medical 使用進階 ML 模型，將醫學語音準確轉錄為文字。Amazon Transcribe Medical 可以產生文字文字記錄，用於支援各種使用案例，範圍涵蓋臨床文件工作流程和藥物安全監控 （藥物安全監視），以替代醫療保健和生命科學領域中的遠端醫療，甚至是聯絡中心分析。

Amazon Transcribe Call Analytics 是採用 AI 的 API，可提供豐富的通話文字記錄和可行的對話洞見，您可以將其新增至其通話應用程式，以改善客戶體驗和客服人員生產力。它結合了功能強大的speech-to-text和自訂自然語言處理 (NLP) 模型，這些模型經過專門訓練，可了解客戶服務和對外銷售呼叫。作為 AWS Contact Center Intelligence (CCI) 解決方案的一部分，此 API 與聯絡中心無關，可讓客戶和 ISVs 輕鬆地將通話分析功能新增至其應用程式。

開始使用 Amazon Transcribe 的最簡單方法是使用主控台提交任務來轉錄音訊檔案。您也可以直接從 呼叫 服務 AWS Command Line Interface，或使用您選擇的其中一個支援 SDKs 與您的應用程式整合。

Amazon Translate

Amazon Translate 是一種神經機器翻譯服務，可提供快速、高品質且經濟實惠的語言翻譯。神經機器翻譯是一種語言翻譯自動化形式，相較於傳統的統計和規則型翻譯演算法，它使用深度學習模型來提供更準確和更自然的聽起來翻譯。Amazon Translate 可讓您為不同使用者將網站和應用程式等內容當地語系化、輕鬆翻譯大量文字進行分析，以及有效啟用使用者之間的跨語言通訊。

AWS DeepComposer

AWS DeepComposer 是全球首款採用 ML 技術的音樂鍵盤，可讓所有技能水準的開發人員學習生成式 AI，同時建立原始音樂輸出。DeepComposer 包含連接至開發人員電腦的 USB 鍵盤，以及透過 存取的 DeepComposer 服務 AWS Management Console。DeepComposer 包含教學課程、範例程式碼和訓練資料，可用於開始建置生成模型。

AWS DeepRacer

AWS DeepRacer 是^第 1/18 級賽車，提供您一種有趣又有趣的方法來開始使用強化學習 (RL)。RL 是一種進階 ML 技術，與其他 ML 方法相比，訓練模型的方法非常不同。它的超能力是它學習非常複雜的行為，而無需任何標記的訓練資料，並且可以在最佳化長期目標的同時做出短期決策。

使用 AWS DeepRacer，您現在可以透過自動駕駛來實作 RL、實驗和學習。您可以開始使用雲端 3D 競賽模擬器中的虛擬汽車和賽道，而對於真實世界體驗，您可以將訓練過的模型部署到好友 AWS DeepRacer 上並與其競賽，或參加全球 AWS DeepRacer 聯盟。開發人員，競賽已開啟。

AWS HealthLake

AWS HealthLake 是一項符合 HIPAA 資格的服務，醫療提供者、健康保險公司和製藥公司可以用來存放、轉換、查詢和分析大規模的運作狀態資料。

運作狀態資料經常不完整和不一致。它通常非結構化，其中包含臨床備註、實驗室報告、保險索賠、醫療影像、記錄對話和時間序列資料 （例如，心臟心電圖或大腦 EEG 追蹤） 中的資訊。

醫療保健供應商可以使用 HealthLake 在 中存放、轉換、查詢和分析資料 AWS 雲端。使用 HealthLake 整合醫療自然語言處理 (NLP) 功能，您可以從各種來源分析非結構化臨床文字。HealthLake 使用自然語言處理模型轉換非結構化資料，並提供強大的查詢和搜尋功能。您可以使用 HealthLake，以安全、合規且可稽核的方式組織、編製索引和建構患者資訊。

AWS HealthScribe

AWS HealthScribe 是一項符合 HIPAA 資格的服務，可讓醫療軟體供應商透過分析患者與臨床醫師對話來自動產生臨床備註。 AWS HealthScribe 結合語音辨識與生成式 AI，透過轉錄對話和快速產生臨床備註來減輕臨床文件的負擔。對話會進行分割，以識別患者和臨床醫生的發言者角色、擷取醫學術語，並產生初步臨床備註。為了保護敏感病患資料，已內建安全性和隱私權，以確保輸入音訊和輸出文字不會保留在 AWS HealthScribe 中。

AWS Panorama

AWS Panorama 是 ML 裝置和軟體開發套件 (SDK) 的集合，可將電腦視覺 (CV) 帶入內部部署網際網路通訊協定 (IP) 攝影機。使用 AWS Panorama，您可以自動化傳統上需要人工檢查的任務，以改善潛在問題的可見性。

電腦視覺可以自動進行視覺化檢查，例如追蹤資產以最佳化供應鏈操作、監控流量通道以最佳化流量管理，或偵測異常狀況以評估製造品質。不過，在網路頻寬有限的環境中，或是對於具有資料控管規則的公司，需要現場部署處理和儲存視訊，雲端中的電腦視覺可能難以實作或無法實作。 AWS Panorama 是一種 ML 服務，可讓組織將電腦視覺帶入現場部署攝影機，以高準確度和低延遲在本機進行預測。

AWS Panorama 設備是一種硬體裝置，可將電腦視覺新增至現有的 IP 攝影機，並從單一管理界面分析多個攝影機的影片摘要。它會在邊緣以毫秒為單位產生預測，這表示您可以收到潛在問題的通知，例如在快速移動的生產線上偵測到損壞的產品，或車輛偏離倉庫中的危險偏離限制區域。此外，第三方製造商正在建置新的 AWS Panorama啟用攝影機和裝置，以為您的獨特使用案例提供更多的規格尺寸。透過 AWS Panorama ，您可以使用 的 ML 模型 AWS 來建置自己的電腦視覺應用程式，或搭配 的合作夥伴 AWS Partner Network 快速建置 CV 應用程式。

返回 AWS 服務。