亚马逊AWS官方博客

AWS Team

Author: AWS Team

在 SageMaker 临时实例上调度 Jupyter notebooks

一个星期五的下午五点,您花费了整整一个下午在编码处理一个复杂、繁琐的特征工程策略。这个策略在您的Amazon SageMaker Studio t3.medium notebook上已经开始工作,你想做的是插入这个策略到一个大型实例中,通过水平扩展将其覆盖剩余数据集,然后下班回家。虽然您可以直接升级notebook实例,但只要一关上您的电脑,这项作业马上就会停止。既然如此,为什么不直接从您的notebook调度作业?

Read More

用于 Kubeflow Pipelines 的 Amazon SageMaker Components 介绍

本文介绍了如何配置Kubeflow Pipelines以通过Amazon SageMaker运行机器学习作业。Kubeflow Pipelines是一套开源机器学习编排平台,在希望立足Kubernetes构建并管理自定义机器学习工作流的开发者群体中广受欢迎。但不少开发人员及MLOps团队在Kubeflow Pipelines的实际运营中遭遇挑战,发现自己难以管理Kubernetes集群的机器学习优化工作,无法获得良好的投资回报率或者承担极高的总体拥有成本。

Read More

在 StockX 上使用 Amazon Personalize 开创个性化用户体验

“为您推荐”成为我们团队乃至整个StockX公司的一次巨大胜利。我们开始迅速将机器学习技术整合至企业中的各个层面。而我们获得的成功,也使得企业决策者同意在更多StockX体验场景当中集成Amazon Personalize,并不断扩大我们在机器学习领域投入的精力。可以肯定地讲,个性化如今已经成为StockX内部的头等大事。

Read More

在 AWS 上实现无服务器视频字幕自动翻译架构

随着媒体行业的全球化发展,越来越多的用户(包括企业和个人)都会有视频字幕的自动化翻译的需求。本文使用Amazon S3作为视频和字幕文件的存储,使用 Amazon Translate 实现了字幕的机器翻译,并且使用Amazon Lambda来调用 Amazon Translate 构建了一套无服务器的视频字幕翻译架构。利用本文实现的方案,您只需要将视频和字幕文件上传至Amazon S3,就可以自动获得翻译后的视频和字幕文件。

Read More