Eind deze maand vindt in Las Vegas AWS re:Invent 2023 plaats, een jaarlijks terugkerend event gefocust op de nieuwste ontwikkelingen in de tech-sector. Niet geheel verrassend zal de keynote van CEO Adam Selipskyin het teken staan van de impact van Generative AI, Machine Learning, Deep Learning en de bijbehorende technologieën, zoals Large Language Models.
AWS
-
-
Amazon Web Services (AWS) heeft een reeks nieuwe generatieve AI-oplossingen gelanceerd. Deze diensten zijn volgens AWS bedoeld om de ontwikkeling van generatieve AI-toepassingen te versnellen, terwijl privacy en beveiliging behouden blijven.
-
Digitaal entertainment- en mediaplatform Azerion gaat Amazon Web Services (AWS) inzetten als cloudprovider. Op dit platform moet onder meer een machine learning-oplossing gaan draaien voor het voorspellen van de kans op een advertentieverkoop voor uitgaande advertentiebiedingsverzoeken.
-
Bots & BusinessPeople in Robotics
Vier manieren waarop bedrijven machine learning gebruiken om industriële processen opnieuw uit te vinden
door Gastauteurdoor GastauteurElke dag genereren bedrijven enorme hoeveelheden data, slaan ze die informatie op in de cloud en gebruiken ze die middelen om vrijwel al hun processen te heroverwegen. Om meer inzichten uit hun data te halen en uiteindelijk snellere en beter geïnformeerde beslissingen te nemen, maken bedrijven in de productie, energie, mijnbouw, transport en landbouw gebruik van nieuwe soorten machinetechnologie om industriële workloads te verbeteren.
-
Bots & Business
AWS kondigt reeks uitbreidingen aan in machine learning
door Marco van der Hoevendoor Marco van der HoevenTijdens de machine learning-keynote bij re:Invent heeft Amazon Web Services een reeks nieuwe functionaliteiten aangekondigd voor zijn machine learning dienst, Amazon SageMaker. De nieuwe mogelijkheden zijn onder meer snellere gegevensvoorbereiding, een speciaal gebouwde opslag voor voorbereide gegevens, workflowautomatisering, grotere transparantie in trainingsgegevens om bias te verminderen en voorspellingen uit te leggen, gedistribueerde trainingsmogelijkheden om grote modellen tot twee keer sneller te trainen, en modellen-monitoring op apparatuur in de edge.