AWS ML Blog
使用 Snowflake、Amazon SageMaker Canvas 和 Amazon QuickSight 构建无代码 ML 工作流——第 3 部分：使用 Amazon QuickSight 可视化洞察
情报摘要
新闻解读
事件要点与影响
搜索问答
常见问题
常见问题
无代码 ML 系列第 3 部分涵盖哪些内容？
使用了哪种类型的预测作为示例？
在此工作流中，生成式 BI 用于什么？
继续追踪
相关新闻
AWS 向量解决方案：在您的数据所在地构建智能体 AI
AWS 向量解决方案：在您的数据所在地构建智能体 AI
AWS 将向量搜索内置于现有数据库和存储服务中，无需独立向量数据库或数据迁移。涵盖六项服务、决策框架及客户案例。
智能体数据操作平台（ADOP）：数据工程缩短至数小时
智能体数据操作平台（ADOP）：数据工程缩短至数小时
AWS 推出 ADOP，这是基于 Amazon Bedrock 的智能体参考架构，可自动化青铜级到白银级到黄金级的数据流水线，通过内联治理将新数据源接入时间从数周缩短至数小时。
使用Snowflake、Amazon SageMaker Canvas和Amazon Quick——第2部分：使用Amazon SageMaker Canvas进行数据准备和模型构建
使用Snowflake、Amazon SageMaker Canvas和Amazon Quick——第2部分：使用Amazon SageMaker Canvas进行数据准备和模型构建
AWS发布了其无代码ML系列的第2部分，展示了如何将SageMaker Canvas连接到Snowflake，使用Data Wrangler准备交易数据，并无需编写代码即可训练XGBoost欺诈检测模型。
使用查询感知压缩降低 Amazon Bedrock 上的 RAG 成本
使用查询感知压缩降低 Amazon Bedrock 上的 RAG 成本
AWS 在 Amazon Bedrock 上推出了一种查询感知的上下文压缩模式，该模式使用较小的模型根据查询过滤检索到的文本块，在保持回答质量的同时减少输入 token 和 RAG 成本。
我们如何构建 MCP 桥接，为 AgentCore 托管的 AI 代理提供本地 MCP 工具访问能力
我们如何构建 MCP 桥接，为 AgentCore 托管的 AI 代理提供本地 MCP 工具访问能力
AWS 发布了一篇博客文章，详细介绍了他们如何构建 MCP 桥接，使 Amazon Bedrock AgentCore 云托管 AI 代理能够通过浏览器扩展和 Chrome 原生消息传递，经由 WebSocket 隧道安全调用用户笔记本电脑上的本地 MCP 服务器。
在 Amazon Bedrock AgentCore 中通过自然语言编写 Dogwood 策略
在 Amazon Bedrock AgentCore 中通过自然语言编写 Dogwood 策略
AWS 在 Amazon Bedrock AgentCore 中推出策略编写功能，将自然语言策略文档转换为具有时间约束的 Dogwood 策略，以在 AI 代理中强制执行组织控制。
站内探索
继续探索 AI 生态
看完这条新闻后，可以继续查看相关工具、模型和榜单，快速判断这件事对你的选择有没有影响。