Amazon Bedrock oder Amazon SageMaker AI?

Amazon Bedrock wurde für Anwendungsfälle entwickelt, in denen Sie generative KI-Anwendungen erstellen möchten, ohne viel in die Entwicklung kundenspezifischer Modelle zu investieren. Beispielsweise könnte ein System zur Inhaltsmoderation für eine Social-Media-Plattform die vortrainierten Modelle von Amazon Bedrock verwenden, um unangemessene Texte oder Bilder automatisch zu identifizieren und zu kennzeichnen. In ähnlicher Weise könnte ein Kundensupport-Chatbot die Funktionen zur Verarbeitung natürlicher Sprache von Amazon Bedrock nutzen, um Benutzeranfragen zu verstehen und zu beantworten. Amazon Bedrock ist besonders nützlich, wenn Sie nur über begrenzte Fachkenntnisse oder Ressourcen im Bereich maschinelles Lernen verfügen, da es Ihnen hilft, von KI zu profitieren, ohne dass eine umfangreiche interne Entwicklung erforderlich ist.

SageMaker KI ist eine gute Wahl für einzigartige oder spezielle AI/ML Anforderungen, die maßgeschneiderte Modelle erfordern. Sie ist ideal für Szenarien, in denen off-the-shelf Lösungen nicht ausreichen und Sie eine genaue Kontrolle über die Modellarchitektur, den Trainingsprozess und die Bereitstellung benötigen. Ein Beispiel für ein Szenario, das vom Einsatz von SageMaker KI profitieren würde, wäre ein Gesundheitsunternehmen, das ein Modell zur Vorhersage von Behandlungsergebnissen auf der Grundlage bestimmter Biomarker entwickelt. Ein anderes Beispiel wäre ein Finanzinstitut, das ein Betrugserkennungssystem einrichtet, das auf seine individuellen Daten und Risikofaktoren zugeschnitten ist. Darüber hinaus eignet sich SageMaker KI für Forschungs- und Entwicklungszwecke, bei denen Datenwissenschaftler und Ingenieure für maschinelles Lernen mit verschiedenen Algorithmen, Hyperparametern und Modellarchitekturen experimentieren können.

Amazon Bedrock bietet eine zugänglichere und unkompliziertere Möglichkeit, KI-Funktionen in Ihre Projekte zu integrieren. Es ist für ein breites Publikum geeignet, zu dem Entwickler und Unternehmen gehören, die nur begrenzte Erfahrung in der Entwicklung und Schulung von Modellen für maschinelles Lernen haben, aber KI zur Verbesserung ihrer Anwendungen oder Workflows nutzen möchten.

SageMaker KI richtet sich in erster Linie an Datenwissenschaftler, Ingenieure für maschinelles Lernen und Entwickler, die über die erforderlichen Fähigkeiten und Kenntnisse verfügen, um benutzerdefinierte Modelle für maschinelles Lernen zu erstellen, zu trainieren und bereitzustellen. Verwenden Sie SageMaker KI, wenn Sie sich mit Konzepten der Datenwissenschaft und des maschinellen Lernens auskennen und eine Plattform benötigen, die Ihnen die Tools und die Flexibilität bietet, um Modelle zu erstellen, die auf Ihre spezifischen Bedürfnisse zugeschnitten sind.

Amazon Bedrock bietet Zugriff FMs auf Claude von Anthropic, Llama 3 von Meta, Nova und Titan von Amazon, Modelle von Stability AI für die Bilderzeugung und viele andere. Sehen Sie sich die Liste der verfügbaren Produkte an FMs, die regelmäßig aktualisiert wird.

Verwenden Sie den Amazon Bedrock Marketplace, um schnell über 100 öffentlich verfügbare und proprietäre FMs Produkte zu testen und zu integrieren.

Amazon Bedrock bietet Zugriff auf bestimmte proprietäre Modelle, darunter Claude und Jurassic, die bei Amazon nicht erhältlich sind. SageMaker JumpStart

Amazon SageMaker JumpStart bietet integrierte, öffentlich verfügbare und proprietäre Basismodelle zur Anpassung und Integration in Ihre generativen KI-Workflows, mit einer größeren Auswahl FMs als Amazon Bedrock, einschließlich Modellen, die für bestimmte Anwendungsfälle optimiert sind.

JumpStart öffentlich verfügbare Angebote FMs, darunter Modelle von Hugging Face, StabilityAI, Meta und Amazon, sowie proprietäre Modelle FMs von AI21 Labs, Cohere und. LightOn Sehen Sie sich die Liste der öffentlich verfügbaren und proprietären Produkte an FMs, die regelmäßig aktualisiert wird.

Amazon Bedrock bietet eine Reihe von Modellen führender Anbieter, mit denen Sie generative KI-Anwendungen mit begrenzter Anpassungsfähigkeit erstellen können. Sie haben Zugriff auf eine Reihe von API-Aufrufen, die Sie verwenden, um Daten einzugeben und Vorhersagen aus diesen vortrainierten Modellen zu erhalten. Dieser Ansatz vereinfacht zwar den Prozess der Integration von KI-Funktionen in Anwendungen drastisch, bedeutet aber auch, dass Sie weniger Kontrolle über die zugrunde liegenden Modelle haben, es sei denn, Sie passen ein Modell an oder importieren ein benutzerdefiniertes Modell. Die vortrainierten Modelle von Amazon Bedrock sind für allgemeine KI-Aufgaben optimiert und so konzipiert, dass sie für eine Vielzahl von Anwendungsfällen gut funktionieren. Sie eignen sich jedoch möglicherweise nicht für hochspezialisierte oder Nischenanforderungen.

Amazon Bedrock unterstützt die Feinabstimmung für Foundation-Modelle (FMs) wie Amazon Nova Micro, Lite und Pro, Cohere Command R, Meta Llama 2, Anthropic Claude 3 Haiku, Amazon Titan Text Lite, Amazon Titan Text Express, Amazon Titan Multimodal Embeddings und Amazon Titan Image Generator. Die Liste der unterstützten Produkte wird laufend aktualisiert. FMs

Passen Sie die Modelle an spezifische Aufgaben und Anwendungsfälle an, einschließlich FM-Feinabstimmung und Vorschulung. Bringen Sie Ihr eigenes maßgeschneidertes Modell mit dem Import benutzerdefinierter Modelle mit.

Amazon SageMaker AI bietet umfangreiche Anpassungsoptionen, sodass Sie die volle Kontrolle über den gesamten Workflow für maschinelles Lernen haben. Mit SageMaker KI können Sie jeden Aspekt Ihrer Modelle optimieren, von der Datenvorverarbeitung und Feature-Engineering bis hin zur Modellarchitektur und Hyperparameter-Optimierung. Durch diesen Grad der Anpassung können Sie hochspezialisierte Modelle erstellen, die auf Ihre individuellen Geschäftsanforderungen zugeschnitten sind. SageMaker KI unterstützt eine Vielzahl beliebter Frameworks für maschinelles Lernen wie TensorFlow, PyTorch und Apache MXNet, sodass Sie Ihre bevorzugten Tools und Bibliotheken für die Erstellung und das Training von Modellen verwenden können.

Verwenden Sie Amazon, SageMaker JumpStart um auf der FMs Grundlage vordefinierter Qualität und Verantwortung zu bewerten, zu vergleichen und auszuwählen.

Wählen Sie, welches FM mit Amazon SageMaker AI Clarify verwendet werden soll. Verwenden Sie SageMaker AI Clarify, um Modellevaluierungsjobs zu erstellen, anhand derer Sie Kennzahlen zur Modellqualität und -verantwortung für textbasierte Basismodelle bewerten und vergleichen können. JumpStart

Generieren Sie Prognosen mit Amazon SageMaker AI Canvas, ohne Code schreiben zu müssen. Verwenden Sie SageMaker AI Canvas in Zusammenarbeit mit Amazon Bedrock, um Sprachmodelle zu optimieren und bereitzustellen. In diesem Blogbeitrag wird beschrieben, wie Sie sie verwenden können, um die Kundeninteraktion zu optimieren, indem Sie mit Ihren eigenen Datensätzen, z. B. Ihrem Produkt FAQs, in Amazon Bedrock und Amazon arbeiten. SageMaker JumpStart

Amazon Bedrock verwendet ein einfaches Preismodell, das auf der Anzahl der API-Aufrufe für den Service basiert. Sie zahlen einen Festpreis pro API-Aufruf, der die Kosten für die Ausführung der vortrainierten Modelle und die damit verbundene Datenverarbeitung beinhaltet. Dank dieser unkomplizierten Preisstruktur können Sie Ihre Kosten effizienter abschätzen und kontrollieren, da Sie nur für die tatsächliche Nutzung des Dienstes zahlen. Das Preismodell von Amazon Bedrock eignet sich besonders für Anwendungen mit vorhersehbaren Workloads oder für Fälle, in denen Sie mehr Transparenz bei Ihren KI-bezogenen Ausgaben wünschen.

SageMaker KI folgt einem pay-as-you-go Preismodell, das auf der Nutzung von Rechenressourcen, Speicher und anderen Diensten basiert, die während des maschinellen Lernprozesses verbraucht werden. Ihnen werden die Instanzen in Rechnung gestellt, die Sie zum Erstellen, Trainieren und Bereitstellen Ihrer Modelle verwenden, wobei die Preise je nach Instanztyp und -größe variieren. Darüber hinaus fallen Kosten für Datenspeicherung, Datenübertragung und andere damit verbundene Dienste wie Datenkennzeichnung und Modellüberwachung an. Dieses Preismodell bietet Flexibilität und ermöglicht es Ihnen, die Kosten auf der Grundlage Ihrer spezifischen Anforderungen zu optimieren. Es bedeutet jedoch auch, dass die Kosten variieren können und eine sorgfältige Verwaltung erfordern, insbesondere bei ressourcenintensiven Projekten.

Amazon Bedrock vereinfacht den Integrationsprozess, indem es vortrainierte Modelle bereitstellt, auf die Sie über API-Aufrufe direkt zugreifen können. Verwenden Sie das Amazon Bedrock SDK oder die REST-API, um Eingabedaten zu senden und Prognosen aus den Modellen zu empfangen, ohne die zugrunde liegende Infrastruktur verwalten zu müssen. Dieser Ansatz reduziert die Komplexität und den Zeitaufwand für die Integration von KI-Funktionen in Anwendungen erheblich und macht ihn für Entwickler mit begrenztem Fachwissen im Bereich maschinelles Lernen leichter zugänglich. Diese einfache Integration geht jedoch auf Kosten begrenzter Anpassungsmöglichkeiten, da Sie auf die von Amazon Bedrock APIs bereitgestellten, vortrainierten Modelle beschränkt sind.

SageMaker KI bietet eine umfassende Plattform für die Erstellung, Schulung und Bereitstellung von benutzerdefinierten Modellen für maschinelles Lernen. Die Integration dieser Modelle in Anwendungen erfordert jedoch im Vergleich zu Amazon Bedrock mehr Aufwand und technisches Fachwissen. Sie müssen das SageMaker KI-SDK oder die API verwenden, um auf die trainierten Modelle zuzugreifen und die erforderliche Infrastruktur aufzubauen, um sie als Endpunkte verfügbar zu machen. Dieser Prozess umfasst die Erstellung und Konfiguration von API Gateway, Lambda-Funktionen und anderen, AWS-Services um die Kommunikation zwischen der Anwendung und dem bereitgestellten Modell zu ermöglichen. SageMaker KI stellt zwar Tools und Vorlagen zur Verfügung, um diesen Prozess zu vereinfachen, erfordert aber dennoch ein tieferes Verständnis AWS-Services und die Implementierung von Modellen für maschinelles Lernen.

Amazon Bedrock ist für einen breiteren Anwenderkreis leichter zugänglich, darunter Entwickler und Unternehmen mit begrenzter Erfahrung im Bereich maschinelles Lernen. Durch die Bereitstellung vortrainierter Modelle, die einfach über API-Aufrufe in Anwendungen integriert werden können, abstrahiert Amazon Bedrock einen Großteil der Komplexität, die mit der Erstellung und Bereitstellung von Modellen für maschinelles Lernen verbunden ist. Sie müssen sich keine Gedanken über die Datenvorverarbeitung, die Modellauswahl oder das Infrastrukturmanagement machen, da diese Aspekte vom Amazon Bedrock-Service übernommen werden. Auf diese Weise können Sie sich auf die Integration von KI-Funktionen in Ihre Anwendungen konzentrieren, ohne viel Zeit und Ressourcen in den Erwerb fundierter Kenntnisse über maschinelles Lernen investieren zu müssen.

Wenn Sie über fundiertes Fachwissen in den Bereichen Datenwissenschaft und maschinelles Lernen verfügen, bietet SageMaker KI eine leistungsstarke und flexible Plattform für die Erstellung, Schulung und Bereitstellung benutzerdefinierter Modelle. SageMaker KI zielt zwar darauf ab, den Arbeitsablauf des maschinellen Lernens zu vereinfachen, erfordert aber dennoch ein erhebliches Maß an technischem Fachwissen, um ihre Fähigkeiten voll auszuschöpfen. Sie werden von Kenntnissen in Programmiersprachen wie Python sowie von einem tiefen Verständnis der Konzepte des maschinellen Lernens wie Datenvorverarbeitung, Modellauswahl und Hyperparameter-Tuning profitieren. Darüber hinaus sollten Sie in der Lage sein, mit verschiedenen Modellen zu arbeiten AWS-Services und die Infrastruktur zu verwalten, die für die Bereitstellung und Integration ihrer Modelle erforderlich ist. Infolgedessen kann SageMaker KI eine steilere Lernkurve haben, wenn Sie mit maschinellem Lernen noch nicht vertraut sind oder nur begrenzte Erfahrung damit AWS haben.

Amazon Bedrock bietet eine Reihe von Funktionen, die Kunden bei der Entwicklung und Skalierung generativer KI-Anwendungen unterstützen, darunter Funktionen zur Modellauswahl (Evaluierung), Funktionen zur Kosten- und Latenzoptimierung (Prompt-Caching, intelligentes Prompt-Routing), Anpassungsfunktionen (Wissensdatenbanken, Modelldestillation), Schutzmaßnahmen (Guardrails) und Agentenfunktionen (Agenten). Amazon Bedrock bietet auch den Import benutzerdefinierter Modelle, mit dem Sie benutzerdefinierte Modelle importieren und mit vorhandenen Modellen FMs über eine einzige, serverlose, einheitliche API verwenden können.

Mit SageMaker KI können Sie Ihre Daten speichern und teilen, ohne Ihre eigenen Server aufbauen und verwalten zu müssen. So haben Sie mehr Zeit, Ihren ML-Workflow gemeinsam zu erstellen und zu entwickeln, und zwar früher. SageMaker KI bietet verwaltete ML-Algorithmen, mit denen extrem große Datenmengen in einer verteilten Umgebung effizient verarbeitet werden können. Mit integrierter Unterstützung für bring-your-own-algorithms und Frameworks bietet SageMaker KI flexible verteilte Schulungsoptionen, die sich an Ihre spezifischen Arbeitsabläufe anpassen. Innerhalb weniger Schritte können Sie ein Modell von der SageMaker KI-Konsole aus in einer sicheren und skalierbaren Umgebung bereitstellen.

Was ist Amazon Bedrock?

Verwenden Sie diesen vollständig verwalteten Service, um Ihnen Foundation Models (FMs) von Amazon und Drittanbietern über eine einheitliche API zur Verfügung zu stellen.

Den Leitfaden erkunden

Häufig gestellte Fragen zu Amazon Bedrock

Erhalten Sie Antworten auf die am häufigsten gestellten Fragen zu Amazon Bedrock. Dazu gehören die Verwendung von Agenten, Sicherheitsüberlegungen, Einzelheiten zu den Amazon Bedrock Software Development Kits (SDKs), die erweiterte Generierung zum Abrufen, die Verwendung der Modellevaluierung und die Abrechnung.

Lesen Sie den FAQs

Anleitung zur Generierung von Produktbeschreibungen mit Amazon Bedrock

Verwenden Sie Amazon Bedrock in Ihrer Lösung, um Ihren Produktprüfungs- und Genehmigungsprozess für einen E-Commerce-Marktplatz oder eine Einzelhandels-Website zu automatisieren.

Erkunden Sie die Lösung

Was ist Amazon Bedrock IDE?

Verwenden Sie Amazon Bedrock IDE, um Amazon Bedrock-Modelle zu entdecken und generative KI-Apps zu entwickeln, die Amazon Bedrock-Modelle und -Funktionen verwenden.

Den Leitfaden erkunden

Erstellen generativer KI-Anwendungen mit Amazon Bedrock IDE

In diesem Blogbeitrag wird beschrieben, wie Sie Anwendungen mit einer Vielzahl leistungsstarker Modelle erstellen können. Anschließend wird erklärt, wie Sie Ihre generativen KI-Apps mit Amazon Bedrock IDE evaluieren und teilen können.

Lesen Sie den Blog

Erstellen einer Chat-App mit Amazon Bedrock IDE

Erstellen Sie eine Amazon Bedrock IDE-Chat-Agent-App, mit der Benutzer über eine Konversationsoberfläche mit einem Amazon Bedrock-Modell chatten können.

Den Leitfaden erkunden

Was ist Amazon SageMaker AI?

Verwenden Sie diesen vollständig verwalteten Service für maschinelles Lernen (ML), um ML-Modelle zu erstellen, zu trainieren und in einer produktionsbereiten, gehosteten Umgebung bereitzustellen.

Den Leitfaden erkunden

Erste Schritte mit Amazon SageMaker AI

Richten Sie den Zugriff auf Amazon SageMaker AI ein, einschließlich schneller oder benutzerdefinierter Einrichtungsschritte.

Den Leitfaden erkunden

Erste Schritte mit Amazon SageMaker JumpStart

Entdecken Sie SageMaker JumpStart Amazon-Lösungsvorlagen, mit denen eine Infrastruktur für gängige Anwendungsfälle eingerichtet wird, und ausführbare Beispiel-Notebooks für maschinelles Lernen mit SageMaker KI.

Den Leitfaden erkunden