Amazon Bedrock atau Amazon SageMaker AI?

Amazon Bedrock dirancang untuk kasus penggunaan di mana Anda ingin membangun aplikasi AI generatif tanpa banyak berinvestasi dalam pengembangan model khusus. Misalnya, sistem moderasi konten untuk platform media sosial dapat menggunakan model Amazon Bedrock yang telah dilatih sebelumnya untuk secara otomatis mengidentifikasi dan menandai teks atau gambar yang tidak pantas. Demikian pula, chatbot dukungan pelanggan dapat menggunakan kemampuan pemrosesan bahasa alami Amazon Bedrock untuk memahami dan menanggapi pertanyaan pengguna. Amazon Bedrock sangat berguna jika Anda memiliki keahlian atau sumber daya pembelajaran mesin yang terbatas, karena membantu Anda mendapatkan keuntungan dari AI tanpa perlu pengembangan internal yang ekstensif.

SageMaker AI adalah pilihan yang baik untuk kebutuhan unik atau khusus yang AI/ML membutuhkan model yang dibuat khusus. Ini sangat ideal untuk skenario di mana off-the-shelf solusi tidak memadai, dan Anda memiliki kebutuhan untuk kontrol halus atas arsitektur model, proses pelatihan, dan penyebaran. Salah satu contoh skenario yang akan mendapat manfaat dari penggunaan SageMaker AI adalah perusahaan perawatan kesehatan yang mengembangkan model untuk memprediksi hasil pasien berdasarkan biomarker tertentu. Contoh lain adalah lembaga keuangan yang menciptakan sistem deteksi penipuan yang disesuaikan dengan data unik dan faktor risiko mereka. Selain itu, SageMaker AI cocok untuk tujuan penelitian dan pengembangan, di mana ilmuwan data dan insinyur pembelajaran mesin dapat bereksperimen dengan berbagai algoritma, hiperparameter, dan arsitektur model.

Amazon Bedrock menawarkan cara yang lebih mudah diakses dan mudah untuk mengintegrasikan fungsionalitas AI ke dalam proyek Anda. Ini cocok untuk khalayak luas, yang mencakup pengembang dan bisnis, yang memiliki pengalaman terbatas dalam membangun dan melatih model pembelajaran mesin, tetapi ingin menggunakan AI untuk meningkatkan aplikasi atau alur kerja mereka.

SageMaker AI terutama untuk ilmuwan data, insinyur pembelajaran mesin, dan pengembang yang memiliki keterampilan dan pengetahuan yang diperlukan untuk membangun, melatih, dan menerapkan model pembelajaran mesin khusus. Gunakan SageMaker AI jika Anda berpengalaman dalam ilmu data dan konsep pembelajaran mesin, dan memerlukan platform yang memberi Anda alat dan fleksibilitas untuk membuat model yang disesuaikan dengan kebutuhan spesifik Anda.

Amazon Bedrock menyediakan akses ke FMs seperti Claude Anthropic, Meta Llama 3, model Nova dan Titan Amazon, model Stability AI untuk pembuatan gambar, dan banyak lainnya. Lihat daftar yang tersedia FMs, yang sering diperbarui.

Gunakan Amazon Bedrock Marketplace untuk menguji dengan cepat dan menggabungkan lebih dari 100 yang tersedia untuk umum dan eksklusif. FMs

Amazon Bedrock menyediakan akses ke model kepemilikan tertentu, termasuk Claude dan Jurassic, yang tidak tersedia di Amazon. SageMaker JumpStart

Amazon SageMaker JumpStart menawarkan model fondasi bawaan yang tersedia untuk umum dan eksklusif untuk menyesuaikan dan mengintegrasikan ke dalam alur kerja AI generatif Anda, dengan pilihan yang lebih luas daripada FMs Amazon Bedrock, termasuk model yang dioptimalkan untuk kasus penggunaan tertentu.

JumpStart menawarkan tersedia untuk umum FMs, termasuk model dari Hugging Face, StabilityAI, Meta, dan Amazon, dan kepemilikan FMs dari Labs, Cohere, dan. AI21 LightOn Lihat daftar yang tersedia untuk umum dan eksklusif FMs, yang sering diperbarui.

Amazon Bedrock menawarkan serangkaian model dari penyedia terkemuka yang dapat Anda gunakan untuk membangun aplikasi AI generatif, dengan penyesuaian terbatas. Anda memiliki akses ke serangkaian panggilan API yang Anda gunakan untuk memasukkan data dan menerima prediksi dari model yang telah dilatih sebelumnya. Meskipun pendekatan ini secara drastis menyederhanakan proses menggabungkan kemampuan AI ke dalam aplikasi, itu juga berarti bahwa Anda memiliki lebih sedikit kontrol atas model yang mendasarinya, kecuali jika Anda menyesuaikan model, atau mengimpor model khusus. Model pra-pelatihan Amazon Bedrock dioptimalkan untuk tugas-tugas AI umum dan dirancang untuk bekerja dengan baik untuk berbagai kasus penggunaan, tetapi mereka mungkin tidak cocok untuk persyaratan yang sangat khusus atau khusus.

Amazon Bedrock mendukung fine-tuning untuk model foundation (FMs), seperti Amazon Nova Micro, Lite, dan Pro, Cohere Command R, Meta Llama 2, Anthropic Claude 3 Haiku, Amazon Titan Text Lite, Amazon Titan Text Express, Amazon Titan Multimodal Embeddings, dan Amazon Titan Image Generator. Daftar yang FMs didukung diperbarui secara berkelanjutan.

Sesuaikan model untuk tugas dan kasus penggunaan tertentu, termasuk penyetelan FM dan pra-pelatihan. Bawa model khusus Anda sendiri dengan impor model khusus.

Amazon SageMaker AI menyediakan opsi penyesuaian ekstensif, memberi Anda kontrol penuh atas seluruh alur kerja pembelajaran mesin. Dengan SageMaker AI, Anda dapat menyempurnakan setiap aspek model Anda, mulai dari preprocessing data dan rekayasa fitur hingga arsitektur model dan optimasi hyperparameter. Dengan menggunakan tingkat penyesuaian ini, Anda dapat membuat model yang sangat khusus yang disesuaikan dengan kebutuhan bisnis unik Anda. SageMaker AI mendukung berbagai kerangka kerja pembelajaran mesin populer, seperti TensorFlow,, dan Apache PyTorch MXNet, memungkinkan Anda menggunakan alat dan perpustakaan pilihan Anda untuk membangun dan melatih model.

Gunakan Amazon SageMaker JumpStart untuk mengevaluasi, membandingkan, dan memilih FMs berdasarkan kualitas dan tanggung jawab yang telah ditentukan sebelumnya.

Pilih FM mana yang akan digunakan dengan Amazon SageMaker AI Clarify. Gunakan SageMaker AI Clarify untuk membuat pekerjaan evaluasi model, yang Anda gunakan untuk mengevaluasi dan membandingkan metrik kualitas model dan tanggung jawab untuk model fondasi berbasis teks. JumpStart

Hasilkan prediksi menggunakan Amazon SageMaker AI Canvas, tanpa perlu menulis kode apa pun. Gunakan SageMaker AI Canvas bekerja sama dengan Amazon Bedrock untuk menyempurnakan dan menerapkan model bahasa. Posting blog ini menjelaskan bagaimana Anda dapat menggunakannya untuk mengoptimalkan interaksi pelanggan dengan bekerja dengan kumpulan data Anda sendiri, seperti produk Anda FAQs, di Amazon Bedrock dan Amazon. SageMaker JumpStart

Amazon Bedrock menggunakan model penetapan harga sederhana berdasarkan jumlah panggilan API yang dilakukan ke layanan. Anda membayar harga tetap per panggilan API, yang mencakup biaya menjalankan model yang telah dilatih sebelumnya dan pemrosesan data terkait apa pun. Struktur harga sederhana ini membuatnya lebih efisien bagi Anda untuk memperkirakan dan mengontrol biaya Anda, karena Anda hanya membayar untuk penggunaan layanan yang sebenarnya. Model penetapan harga Amazon Bedrock sangat cocok untuk aplikasi dengan beban kerja yang dapat diprediksi, atau untuk kasus di mana Anda menginginkan lebih banyak transparansi dalam pengeluaran terkait AI Anda.

SageMaker AI mengikuti model pay-as-you-go penetapan harga berdasarkan penggunaan sumber daya komputasi, penyimpanan, dan layanan lain yang dikonsumsi selama proses pembelajaran mesin. Anda dikenakan biaya untuk instans yang Anda gunakan untuk membangun, melatih, dan menerapkan model Anda, dengan harga bervariasi tergantung pada jenis dan ukuran instans. Selain itu, Anda dikenakan biaya untuk penyimpanan data, transfer data, dan layanan terkait lainnya seperti pelabelan data dan pemantauan model. Model penetapan harga ini memberikan fleksibilitas dan memungkinkan Anda mengoptimalkan biaya berdasarkan kebutuhan spesifik Anda. Namun, ini juga berarti bahwa biaya dapat bervariasi dan mungkin memerlukan manajemen yang cermat, terutama untuk proyek intensif sumber daya.

Amazon Bedrock menyederhanakan proses integrasi dengan menyediakan model pra-terlatih yang dapat Anda akses langsung melalui panggilan API. Gunakan Amazon Bedrock SDK atau REST API untuk mengirim data input dan menerima prediksi dari model tanpa perlu mengelola infrastruktur yang mendasarinya. Pendekatan ini secara signifikan mengurangi kompleksitas dan waktu yang dibutuhkan untuk mengintegrasikan kemampuan AI ke dalam aplikasi, membuatnya lebih mudah diakses oleh pengembang dengan keahlian pembelajaran mesin yang terbatas. Namun, kemudahan integrasi ini datang dengan biaya opsi penyesuaian terbatas, karena Anda dibatasi pada model yang telah dilatih sebelumnya dan APIs disediakan oleh Amazon Bedrock.

SageMaker AI menyediakan platform komprehensif untuk membangun, melatih, dan menerapkan model pembelajaran mesin khusus. Namun, mengintegrasikan model ini ke dalam aplikasi membutuhkan lebih banyak usaha dan keahlian teknis dibandingkan dengan Amazon Bedrock. Anda perlu menggunakan SageMaker AI SDK atau API untuk mengakses model terlatih dan membangun infrastruktur yang diperlukan untuk mengeksposnya sebagai titik akhir. Proses ini melibatkan pembuatan dan konfigurasi API Gateway, fungsi Lambda, dan Layanan AWS lainnya untuk memungkinkan komunikasi antara aplikasi dan model yang digunakan. Sementara SageMaker AI menyediakan alat dan template untuk menyederhanakan proses ini, masih membutuhkan pemahaman yang lebih dalam Layanan AWS dan penerapan model pembelajaran mesin.

Amazon Bedrock lebih mudah diakses oleh pengguna yang lebih luas, termasuk pengembang dan bisnis dengan keahlian pembelajaran mesin terbatas. Dengan menyediakan model pra-terlatih yang dapat dengan mudah diintegrasikan ke dalam aplikasi melalui panggilan API, Amazon Bedrock mengabstraksikan banyak kompleksitas yang terkait dengan pembuatan dan penerapan model pembelajaran mesin. Anda tidak perlu khawatir tentang preprocessing data, pemilihan model, atau manajemen infrastruktur, karena aspek-aspek ini ditangani oleh layanan Amazon Bedrock. Ini memungkinkan Anda untuk fokus pada mengintegrasikan kemampuan AI ke dalam aplikasi Anda tanpa perlu menginvestasikan waktu dan sumber daya yang signifikan dalam memperoleh pengetahuan pembelajaran mesin yang mendalam.

Jika Anda memiliki keahlian yang lebih dalam dalam ilmu data dan pembelajaran mesin, SageMaker AI menyediakan platform yang kuat dan fleksibel untuk membangun, melatih, dan menerapkan model khusus. Sementara SageMaker AI bertujuan untuk menyederhanakan alur kerja pembelajaran mesin, masih membutuhkan tingkat keahlian teknis yang signifikan untuk memanfaatkan sepenuhnya kemampuannya. Anda akan mendapat manfaat dari menjadi mahir dalam bahasa pemrograman seperti Python, bersama dengan pemahaman mendalam tentang konsep pembelajaran mesin, seperti preprocessing data, pemilihan model, dan tuning hyperparameter. Selain itu, Anda harus merasa nyaman bekerja dengan berbagai Layanan AWS dan mengelola infrastruktur yang diperlukan untuk menyebarkan dan mengintegrasikan model mereka. Akibatnya, SageMaker AI mungkin memiliki kurva belajar yang lebih curam jika Anda baru mengenal pembelajaran mesin atau memiliki pengalaman AWS terbatas.

Amazon Bedrock menawarkan serangkaian fitur untuk membantu pelanggan membangun dan menskalakan aplikasi AI generatif, termasuk fitur pilihan model (evaluasi), fitur pengoptimalan biaya dan latensi (caching cepat, perutean prompt cerdas), fitur penyesuaian (basis pengetahuan, distilasi model), perlindungan (pagar pembatas), dan fitur agen (agen). Amazon Bedrock juga menawarkan impor model khusus, yang memungkinkan Anda untuk mengimpor dan menggunakan model yang disesuaikan dengan yang ada FMs melalui API tunggal, tanpa server, terpadu.

Dengan SageMaker AI, Anda dapat menyimpan dan membagikan data Anda tanpa harus membangun dan mengelola server Anda sendiri. Ini memberi Anda lebih banyak waktu untuk membangun dan mengembangkan alur kerja ML Anda secara kolaboratif, dan melakukannya lebih cepat. SageMaker AI menyediakan algoritma ML terkelola untuk berjalan secara efisien terhadap data yang sangat besar dalam lingkungan terdistribusi. Dengan dukungan bring-your-own-algorithms dan kerangka kerja bawaan, SageMaker AI menawarkan opsi pelatihan terdistribusi fleksibel yang menyesuaikan dengan alur kerja spesifik Anda. Dalam beberapa langkah, Anda dapat menerapkan model ke lingkungan yang aman dan dapat diskalakan dari konsol SageMaker AI.

Apa itu Amazon Bedrock?

Gunakan layanan yang dikelola sepenuhnya ini untuk membuat foundation models (FMs) dari Amazon dan pihak ketiga tersedia untuk Anda gunakan melalui API terpadu.

Jelajahi panduan

Pertanyaan yang sering diajukan tentang Amazon Bedrock

Dapatkan jawaban atas pertanyaan yang paling sering diajukan tentang Amazon Bedrock. Ini termasuk cara menggunakan agen, pertimbangan keamanan, detail tentang kit pengembangan perangkat lunak Amazon Bedrock (SDKs), pengambilan augmented generation, cara menggunakan evaluasi model, dan penagihan.

Baca FAQs

Panduan menghasilkan deskripsi produk dengan Amazon Bedrock

Gunakan Amazon Bedrock dalam solusi Anda untuk mengotomatiskan peninjauan produk dan proses persetujuan Anda untuk pasar e-commerce atau situs web ritel.

Jelajahi solusinya

Apa itu Amazon Bedrock IDE?

Gunakan Amazon Bedrock IDE untuk menemukan model Amazon Bedrock, dan buat aplikasi AI generatif yang menggunakan model dan fitur Amazon Bedrock.

Jelajahi panduan

Membangun aplikasi AI generatif dengan Amazon Bedrock IDE

Postingan blog ini menjelaskan cara membangun aplikasi menggunakan beragam model dengan kinerja terbaik. Ini kemudian menjelaskan cara mengevaluasi dan berbagi aplikasi AI generatif Anda dengan Amazon Bedrock IDE.

Baca blognya

Membangun aplikasi obrolan dengan Amazon Bedrock IDE

Buat aplikasi agen obrolan Amazon Bedrock IDE yang memungkinkan pengguna mengobrol dengan model Amazon Bedrock melalui antarmuka percakapan.

Jelajahi panduan

Apa itu Amazon SageMaker AI?

Gunakan layanan machine learning (ML) yang dikelola sepenuhnya ini untuk membangun, melatih, dan menerapkan model ML ke dalam lingkungan host yang siap produksi.

Jelajahi panduan

Memulai dengan Amazon SageMaker AI

Siapkan akses ke Amazon SageMaker AI, termasuk langkah penyiapan cepat atau khusus.

Jelajahi panduan

Memulai dengan Amazon SageMaker JumpStart

Jelajahi template SageMaker JumpStart solusi Amazon yang menyiapkan infrastruktur untuk kasus penggunaan umum, dan contoh notebook yang dapat dieksekusi untuk pembelajaran mesin dengan AI. SageMaker

Jelajahi panduan