Category: Artificial Intelligence

von June Won, Ashish Khetan, Sundar Ranganathan, Kyle Ulrich und Vivek Madan. Übersetzt von Tobias Nitzsche Wir freuen uns, Ihnen heute mitteilen zu können, dass die von Meta entwickelten Llama 2 Grundmodelle (FMs) nun über Amazon SageMaker JumpStart für Kund:innen zur Verfügung stehen. Die Llama 2 Familie der Großsprachmodelle (LLMs) ist eine Sammlung von vortrainierten […]

Original von: Brian Granger, Sr. Principal Technologist Übersetzt von: Aaron Kaefer, Associate Solutions Architect Project Jupyter ist ein Open-Source-Projekt mit mehreren Interessenvertretern, das Anwendungen, offene Standards und Tools für Datenwissenschaft, maschinelles Lernen (ML) und Computerwissenschaft entwickelt. Jupyter Notebook, das 2011 erstmals veröffentlicht wurde, hat sich de facto zu einem Standardtool entwickelt, welches von Millionen von […]

von Danilo Poccia, übersetzt von Tobias Nitzsche. Im letzten AWS-Wochenrückblick erwähnte Danilo, dass es Sommer in London ist. Ich selbst bin in Singapur ansässig – hier ist es ja meistens Sommer. Aber der Juni ist auch hier ein besonderer Monat, da er den Beginn der Durian-Saison markiert. Ab nächster Woche werde ich nach Thailand, Malaysia […]

von Maurits de Groot und Elina Lesyk Einführung Machine Learning (ML) wird in der Finanzdienstleistungsbranche umfangreich für Aufgaben wie Personalisierung, Anomalie- oder Betrugserkennung eingesetzt. Wie bei anderen ML-Anwendungsfällen sind qualitativ hochwertige Eingabedaten der Schlüssel für eine gute Leistung eines Modells. Um dem Modell mehr Kontext zu geben und seine Leistung zu verbessern, ist es üblich, […]

von Donnie Prakoso, übersetzt von Tobias Nitzsche Dies ist die letzte Ausgabe des Wochenrückblicks für den Monat Mai. Zudem haben wir vor Kurzem alle in-person AWS Summits in der Asien-Pazifik-Region und in Japan abgeschlossen. Die Veranstaltungen begannen mit den AWS Summits Sydney und Tokyo im April und endeten mit den AWS Summits ASEAN, Seoul und […]

Autonome Fahrerassistenzsysteme (engl. «ADAS») haben sich in den letzten 10 Jahren von einfachen regelbasierten Systemen zu fortschrittlichen Fahrerassistenzsystemen entwickelt.

Diese fortschrittlichen Systeme verwenden tiefe neuronale Netzwerke (engl. «Deep Neural Networks») und sollen zukünftig vollständig autonomes Fahren ermöglichen. Um diese Systeme zu trainieren, werden Petabyte an Daten und Tausende von Recheneinheiten (vCPUs und GPUs) benötigt.
Dieser Blogbeitrag beschreibt Entwicklungsansätze und Herausforderungen beim Aufbau von Fahrerassistenzsystemen. Verschiedene Designansätze werden vorgestellt. Insbesondere werden die verschiedenen Funktionseinheiten beschrieben, die beim Aufbau eines modularen Trainings- oder Prozesses-Designs benötigt werden.

von Swami Sivasubramanian, übersetzt von Tobias Nitzsche Die Grundlagen für einen Paradigmenwechsel im Maschinenlernen (ML) existieren seit Jahrzehnten, doch erst mit der heutigen Verfügbarkeit skalierbaren Rechenkapazität, einer anhaltenden Datenexplosion und der rasanten Fortschritte im Bereich ML beginnen Kund:innen verschiedener Branchen, ihre Geschäfte zu transformieren. Neulich erst haben generative KI-Anwendungen wie ChatGPT weitreichend Aufmerksamkeit und Vorstellungskraft […]

von Stefan Schneider und Christophe Renard Motivation Die AWS Cloud bietet deutschen Mittelständlern reichhaltige Möglichkeiten ihre Fertigung zu optimieren. Die AWS Referenzarchitektur für die Fertigungsindustrie zeigt hierzu vielfältige Lösungsideen. In diesem Blog zeigen wir, wie ein Maschinenführer für etwa 20€ im Monat eine Maschine von jeder Stelle der Welt aus überwachen kann. Überwachen bedeutet in […]