#AI/ML

该项目收录了可执行的Python笔记本、示例应用和资源，用于测试Elastic平台的各种功能。通过本项目，可以学习如何利用Elasticsearch作为向量数据库，支持混合和语义搜索，并构建检索增强生成、摘要和问答等应用场景。还可以测试Elastic的前沿功能，例如Elastic Learned Sparse Encoder和递归排序融合。项目还支持与OpenAI、Hugging Face等集成，为AI/ML驱动的应用提供基础，探索更多高级搜索体验。

此开源项目由Cloud Advocates与Microsoft Student Ambassadors合作创建，提供全面的定制化工作坊资源，涵盖AI/ML、数据分析和Web/App开发等多个领域。用户可以根据需求和语言轻松调整教程，并通过详细的视频和教程指导，从入门到高级全面提升技能，应用于实际项目中。

Chronon 是一个数据平台，专为 AI/ML 应用简化数据计算和服务的复杂性。主要功能包括批处理和流计算、可扩展的历史数据回填、低延迟服务、数据准确性和一致性保证，以及丰富的观察和监控工具。Chronon 能处理组织内的各种数据类型，支持在线和离线一致性，提升模型训练和评估效率。了解更多详情，请访问 chronon.ai。

Data on EKS是一个开源项目，提供全面的Terraform蓝图和最佳实践，帮助在Amazon EKS上扩展和优化数据与AI/ML工作负载。通过AWS Trainium、AWS Inferentia和NVIDIA GPUs等资源，用户可以部署多种解决方案，例如Apache Spark和TensorFlow。访问Data on EKS网站，了解如何创建强大集群，并探索AI/ML平台、数据分析和流处理工具的使用指南，有效管理数据工作负载。

本页面展示了如何使用Amazon SageMaker Studio Lab构建AI/ML学习环境的Jupyter笔记本示例，适用于个人数据科学家的ML学习之旅。包含计算机视觉、自然语言处理、地理空间数据科学和生成深度学习等领域的示例，以及详细的设置指南和AWS资源的连接方法。用户可以无需账户阅读或运行笔记本，并通过GitHub分享项目，是成为AI/ML实践者的有用参考资源。

AI on GKE项目提供在Google Kubernetes Engine上运行AI/ML工作负载的资产。项目包含基础设施编排、分布式计算和数据处理框架集成，支持多团队资源共享。通过Jupyter Hub和Ray集群部署模块，开发者可以快速搭建AI/ML环境。利用GKE功能，实现高效的大规模AI训练和服务部署。

envd是一款简化AI/ML开发环境配置的命令行工具。它支持快速创建基于容器的开发环境,提供简洁的CLI和配置语言。envd实现了环境隔离,兼容OCI镜像,可在本地和云端部署。通过远程构建和软件缓存提高效率,支持从Git仓库导入配置以便团队共享。这些特性使envd成为提升AI/ML开发效率的有力工具。

此项目是AWS AI/ML韩语学习资源库，包含多类示例代码，涵盖AI服务、应用AI、SageMaker、集成应用及生成式AI等领域。提供丰富学习材料和实践案例，适合不同水平的开发者深入了解AWS AI/ML服务。资源包括自学指南和实际应用示例，全面支持韩语用户学习和应用AWS人工智能技术。项目还包括AWS Neuron相关示例，涉及Inferentia和Tranium等技术，为开发者提供更广泛的AWS AI基础设施应用知识。资源库采用Apache 2.0许可证，鼓励社区贡献，但目前正在完善外部贡献机制。