Author: AWS Team

本文向大家介绍了如何使用Amazon AppFlow将Google Analytics数据传输至Amazon S3，并使用Amazon Athena对数据进行分析。利用这套架构，大家无需自主构建专门面向Google Analytics或者其他SaaS应用的数据提取应用程序。Amazon AppFlow使您能够一次性建立起全自动数据传输与转换工作流，以及与之配套的集成查询环境。

在加入AWS之前，我曾领导过一支开发团队，负责使用Elasticsearch构建移动广告解决方案。Elasticsearch是一款高人气开源搜索与分析引擎，适用于日志分析、实时应用程序监控、点击流分析以及搜索等多种场景。我负责的这套平台在推动公司业务中，发挥着至关重要的作用。

1989年，小心翼翼之下我启动了一台IBM-PC XT 计算机，这应该就是我的代码生涯的开端。那时候曾以为这是一条通往工程师的职业通途，不曾想现在却被嘲笑为“码农”。我不喜欢这个称呼，因为我觉得这已经超出了幽默的范畴，带上了那么一点自黑和无奈的味道。大约外界对于程序员木讷不善言辞、宅家不修边幅以及格子衫等的刻板印象已经成为了这个群体的标准的符号。

Amazon SageMaker与Kubeflow Pipelines能够轻松被集成在统一的混合管道当中。Amazon SageMaker还提供完善的博客与教程集合，可帮助大家轻松通过Amazon SageMaker components for Kubeflow Pipelines创建起混合管道。其API亦非常丰富，涵盖了我们需要使用的所有关键组件，并允许您开发自定义算法并与Cisco Kubeflow入门包进行集成。

AWS提供的安全性与合规性功能，将帮助大家充分配合SEC OCIE提出的观察见解与问题，进而采取有效措施保护组织存储在AWS云环境中的数据。要了解并增强您的云数据存储安全性，请认真了解本文介绍的13款AWS工具与功能。以此为基础，您将拥有丰富的监控、审计、安全分析与变更管理选项，借此纠正安全设定与当前配置中存在的潜在错误。此外，也有无数客户已经使用AWS专业服务帮助其定义并实施安全性、风险与合规性战略、治理结构、运营控制、责任分担模型、控制映射表以及最佳实践。

在AWS Organizations面世之前，Amazon的信息安全团队不得不实施自定义的响应式规则，借此管理成千上万个AWS账户的安全控制任务，并保证所有员工都严格遵循企业制定的AWS资源管理策略。AWS Organizations极大简化了这类任务，帮助信息安全团队更轻松地控制Amazon员工能够在其AWS账户中执行的实际操作类型。我们在本文中分享了一部分相关信息与SCP示例，希望帮助大家建立起类似的控制机制。

本文展示了两种控制用户及组对外部schema及表执行访问的方法。在使用Grant usage语句的第一种方法当中，无论表指向哪一条Amazon S3数据湖路径，被授权的组都可以访问schema中的所有表。这种方法灵活性更强，可以轻松实现访问授权，但无法允许或拒绝访问该schema中的某一或某些特定表。

到这里，大家已经了解如何使用Ground Truth以构建NER训练数据集，以及如何将生成的增强manifest文件自动转换为Amazon Comprehend能够直接处理的格式。

在本文中，我们介绍了如何使用Amazon SageMaker与Amazon ES KNN索引创建基于机器学习的视觉搜索应用程序。我们还使用到在ImageNet数据集上经过预训练的ResNet50模型。当然，大家也可以使用其他预训练模型，例如VGG、Inception以及MobileNet等，并使用自己的数据集进行调优。

本文展示了如何使用Angular与Ground Truth构建自定义的数据标注UI界面。该解决方案能够在标记作业创建过程中，处理各自定义模板中不同范围之间的通信活动。充分使用Angular等自定义前端框架的功能，帮助大家轻松创建现代Web应用程序，从而在公共、内部或者来自供应商的标记工作人员的配合下切实满足您的数据标注需求。