使用 Amazon HealthLake 构建医疗数据分析平台 - FHIR 数据存储与 ML 分析
解析 HealthLake 的 FHIR 数据存储、自然语言处理的医疗文本分析，以及分析查询的执行方法。
机器学习
关于 SageMaker、Bedrock、Rekognition 等机器学习与 AI 服务的对比文章
通过 Amazon Forecast 实现需求预测 - 时间序列数据的导入与预测精度提升
介绍通过 Forecast 构建时间序列预测模型、利用相关数据以及导出预测结果的方法。
使用 Amazon Translate 实现多语言支持 - 实时翻译与自定义术语表
详解通过 Translate 实现实时翻译、使用自定义术语表提升翻译质量以及批量翻译的应用。
AWS Clean Rooms ML 隐私保护型机器学习 - 无需共享数据即可构建模型
详细介绍通过 Clean Rooms ML 构建相似人群模型、应用差分隐私以及在广告定向投放中的实际应用。
通过 Amazon Kendra 构建企业搜索 - 自然语言查询与 FAQ 自动提取
构建可用自然语言搜索内部文档的企业搜索平台。介绍数据源连接器配置、搜索精度调优和 RAG 集成。
使用 Amazon Comprehend 实现自然语言处理 - 情感分析与实体提取的活用
详解 Comprehend 的情感分析、实体提取以及自定义分类模型的构建。
Amazon SageMaker Canvas 无代码 ML - 通过可视化界面构建预测模型
无需编码即可构建 ML 模型的可视化工具。只需上传 CSV 并选择预测目标即可完成模型构建，还支持与 Studio 双向共享。
使用 AWS Panorama 实现边缘计算机视觉 - 向现有摄像头部署 ML 模型
在边缘设备上运行计算机视觉模型，实时分析摄像头画面。介绍 Panorama Appliance 的部署和模型管理。
使用 Amazon Transcribe 实现语音转文字 - 实时转换与自定义词汇表
提供批量和实时语音转文字功能，通过自定义词汇表提升行业专用术语的识别精度。同时介绍 Call Analytics 在联络中心质量管理中的应用。
在 Amazon Bedrock 中使用 Claude - 从模型选择到提示词设计与成本优化
介绍 Amazon Bedrock 中可用的 Anthropic Claude 模型特性对比、按使用场景的模型选择指南、提示词设计最佳实践以及成本优化方法。
使用 Amazon Bedrock Knowledge Bases 构建 RAG 应用 - 检索增强生成的实现
自动索引 S3 上的文档，通过 RetrieveAndGenerate API 整合检索与生成。介绍分块策略的选择以及通过 Guardrails 确保安全性的方法。
使用 Amazon Personalize 构建推荐引擎 - 个性化的实现模式
从用户行为数据生成个性化推荐。介绍配方选择和实时事件集成。
使用 Amazon Braket 入门量子计算 - 量子电路的设计与模拟
在本地模拟器上免费进行原型开发，在 IonQ、Rigetti 的真实硬件上执行量子电路。介绍通过混合作业实现 VQE 和 QAOA 的方法。
智能搜索 - 通过 Amazon Kendra 跨系统搜索企业知识
解析如何使用 Amazon Kendra 构建企业搜索。介绍自然语言查询、数据源连接器、RAG（检索增强生成）集成、与 OpenSearch 的选型对比。
文本转语音 - 使用 Amazon Polly 实现自然语音合成与多语言支持
解析使用 Amazon Polly 的文本转语音 (TTS) 实现，以及与 Amazon Lex 集成构建语音对话界面的方法。介绍神经网络语音引擎的自然语音合成和多语言支持的实践方法。
使用 Amazon Rekognition 实现图像与视频分析 - 从标签检测到自定义模型
使用预训练 API 实现标签检测、人脸分析和文字检测，通过 Custom Labels 构建领域特定的图像识别模型。
边缘计算机视觉 - 使用 AWS Panorama 在现场对摄像头视频进行 AI 分析
将计算机视觉模型部署到 Panorama 设备，实时分析现有 IP 摄像头视频。解析边缘推理降低延迟和节省带宽的设计模式。
医疗数据湖 - 使用 Amazon HealthLake 管理和分析 FHIR 合规的医疗数据
解析如何使用 Amazon HealthLake 进行 FHIR 合规的医疗数据管理。介绍结构化与非结构化医疗数据的整合、NLP 自动提取、分析查询、HIPAA 合规。
使用 Amazon Rekognition 构建视频内容审核 - 确保 UGC 平台安全
自动审核 UGC 平台视频，通过人脸搜索和片段检测自动化媒体工作流。介绍 S3/Lambda 事件驱动管道。
使用 Amazon Textract 从文档中自动提取数据 - OCR、表格解析与表单识别
解析 Textract 的文档文本提取、表格结构解析以及表单键值对提取。
使用 Amazon Lex 构建对话式聊天机器人 - 意图设计与 Lambda 集成
通过自然语言理解（NLU）引擎定义意图和槽位，结合 Lambda 执行后端处理，构建交互式机器人。解析多语言支持和流式对话 API 的活用方法。
使用 Amazon Polly 实现文本朗读 - 神经网络语音与 SSML 语音控制
通过神经网络 TTS 引擎生成自然语音，使用 SSML 标签控制语速、音调和停顿。解析通过实时流和 S3 异步合成构建多样化语音内容的方法。
使用 Amazon Textract 自动化文档处理 - 从 OCR 到表单与表格提取
通过超越 OCR 的表单和表格结构识别，从发票、收据和身份证件中自动提取数据。同时介绍通过 A2I 集成人工审核。
使用 AWS Batch 执行基于 GPU 的机器学习训练 - 高性价比的大规模训练方案
利用现有 Docker 容器执行 GPU 训练，通过 Spot 实例与检查点机制将成本最高降低 90%。同时介绍与 SageMaker 的使用场景区分。
用 Amazon SageMaker 构建 ML 平台 - 从模型构建到部署
介绍从 Studio 开发到托管 Spot 训练、Pipelines 实现 MLOps、Model Monitor 数据漂移检测，整合 ML 全生命周期的方法。
文档文本提取 - 通过 Amazon Textract 和 Comprehend 实现智能文档处理
解说通过 Amazon Textract 从文档中自动提取文本、表格和表单数据，以及与 Comprehend 联动实现的自然语言处理集成。介绍从发票处理到合同分析的实践用例。
生成式 AI 平台 - 通过 Amazon Bedrock 构建企业级 AI 基础设施
介绍利用 Amazon Bedrock 构建生成式 AI 应用程序的方法，包括基础模型选择、RAG 模式实现、通过 Guardrails 确保安全性以及与 SageMaker 的集成等企业级 AI 基础设施设计。
推荐与个性化 - 使用 Amazon Personalize 实现个性化体验
解析使用 Amazon Personalize 构建基于机器学习的推荐引擎，以及与 SageMaker 联动的高级个性化策略。介绍电商、媒体分发和营销中的实践应用模式。
文本分析与自然语言处理 - 使用 Amazon Comprehend 构建智能文本解析平台
解析利用 Amazon Comprehend 的文本分析与自然语言处理实践方法。介绍情感分析、实体提取、主题建模等功能，以及与 SageMaker 集成构建自定义模型。
对话式机器人构建 - 使用 Amazon Lex 和 Polly 实现自然的会话界面
详解使用 Amazon Lex 和 Amazon Polly 构建对话式机器人的方法。
语音转文本 - 使用 Amazon Transcribe 实现高精度自动语音转录
讲解 Amazon Transcribe 的语音转文本 (STT) 功能，以及与 Amazon Polly 结合构建双向语音处理管道的方法。介绍实时转录、说话人识别和自定义词汇提升精度的实践技巧。