本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# AI 和機器學習
<a name="machinelearning-pattern-list"></a>

**Topics**
+ [將儲存 AWS CodeCommit 庫與另一個帳戶中 AWS 帳戶 的 Amazon SageMaker AI Studio Classic 建立關聯](associate-an-aws-codecommit-repository-in-one-aws-account-with-sagemaker-studio-in-another-account.md)
+ [使用 Amazon Textract 從 PDF 檔案自動擷取內容](automatically-extract-content-from-pdf-files-using-amazon-textract.md)
+ [在 Amazon SageMaker AI Studio Lab 中將 DeepAR 用於時間序列，以建置冷啟動預測模型](build-a-cold-start-forecasting-model-by-using-deepar.md)
+ [使用 Amazon SageMaker AI 和 Azure DevOps 建置 MLOps 工作流程](build-an-mlops-workflow-by-using-amazon-sagemaker-and-azure-devops.md)
+ [使用 在 Amazon Bedrock 中設定模型調用記錄 AWS CloudFormation](configure-bedrock-invocation-logging-cloudformation.md)
+ [為 SageMaker 建立自訂 Docker 容器映像，並將其用於 AWS Step Functions 中的模型訓練](create-a-custom-docker-container-image-for-sagemaker-and-use-it-for-model-training-in-aws-step-functions.md)
+ [使用 Amazon Bedrock 代理程式，透過文字型提示在 Amazon EKS 中自動建立存取項目控制項](using-amazon-bedrock-agents-to-automate-creation-of-access-entry-controls-in-amazon-eks.md)
+ [AWS 使用 Terraform 和 Amazon Bedrock 在 上部署 RAG 使用案例](deploy-rag-use-case-on-aws.md)
+ [使用 Amazon SageMaker 中的推論管道，將預先處理邏輯部署到單一端點中的 ML 模型](deploy-preprocessing-logic-into-an-ml-model-in-a-single-endpoint-using-an-inference-pipeline-in-amazon-sagemaker.md)
+ [搭配 Kiro 和其他編碼助理使用 MCP 伺服器部署即時編碼安全驗證](deploy-real-time-coding-security-validation-by-using-an-mcp-server-with-kiro-and-other-coding-assistants.md)
+ [使用 RAG 和 ReAct 提示，開發進階生成式 AI 聊天式助理](develop-advanced-generative-ai-chat-based-assistants-by-using-rag-and-react-prompting.md)
+ [使用 Amazon Bedrock 代理程式和知識庫開發全自動聊天式助理](develop-a-fully-automated-chat-based-assistant-by-using-amazon-bedrock-agents-and-knowledge-bases.md)
+ [使用 Amazon Bedrock 和 Amazon Transcribe 從語音輸入記錄機構知識](document-institutional-knowledge-from-voice-inputs-by-using-amazon-bedrock-and-amazon-transcribe.md)
+ [使用 Amazon Personalize 產生個人化和重新排名的建議](generate-personalized-and-re-ranked-recommendations-using-amazon-personalize.md)
+ [使用 SageMaker AI 和 hydra 簡化從本機開發到可擴展實驗的機器學習工作流程](streamline-machine-learning-workflows-by-using-amazon-sagemaker.md)
+ [將自然語言轉換為查詢 DSL for OpenSearch 和 Elasticsearch 查詢](translate-natural-language-query-dsl-opensearch-elasticsearch.md)
+ [使用 Amazon Q Developer 作為編碼助理，以提高您的生產力](use-q-developer-as-coding-assistant-to-increase-productivity.md)
+ [使用 SageMaker Processing 對 TB 級 ML 資料集進行分散式特徵工程](use-sagemaker-processing-for-distributed-feature-engineering-of-terabyte-scale-ml-datasets.md)
+ [使用 Flask 和 視覺化 AI/ML 模型結果 AWS Elastic Beanstalk](visualize-ai-ml-model-results-using-flask-and-aws-elastic-beanstalk.md)
+ [更多模式](machinelearning-more-patterns-pattern-list.md)