Author: AWS Team

本文将重点探讨如何实现 GitLab（gitlab.com）与 CodeBuild 的集成，来打造一个完善的持续集成环境，帮助开发团队提升开发效率和代码质量。

本文介绍了在 Amazon SageMaker 上执行基于 TorchRec 的大规模推荐模型训练的最佳实践。

本文主要介绍 Amazon MSK 流量成本优化的最佳实践，通过 KIP-392 实现 consumer 对 MSK Broker 在同可用区内消息就近读取，可以降低跨可用区数据传输成本、提升 consumer 的消费效率。

我们希望用一个详细的案例来解读亚马逊云科技的 CUR（Cost and Usage Report，成本及用量报告）报告，并且分享一些 CUR 可视化的思路。

在现代物流行业中，数据的有效管理与分析对于提升业务效率和决策能力至关重要。其中，WMS（仓库管理系统）是实现高 […]

亚马逊云科技已于 2025 年 1 月上线 DeepSeek 系列大模型，用户可以通过以下几种方式在亚马逊云科 […]

本文介绍了在 AWS SageMaker 平台上训练 tensorflow 变长特征模型的技术方案和落地实践经验。通过本文，算法的小伙伴可以提高训练数据特征存储和处理的效率，优化计算资源利用率，确保分布式训练的扩展性。

本文介绍了一个使用 AWS Support 自助服务运行手册 (Support Automation Workflow，简称 SAW) 监控和自动分析 AWS Systems Manager 托管节点问题的示例架构。

Amazon Q Developer 是亚马逊推出的一款专为专业开发人员设计的人工智能助手，旨在提 升代码开发和管理的效率。其主要功能包括代码生成、调试、故障排除、安全漏洞扫描等，提 供一站式的代码服务。 本文接下来将以简单易懂的实际动手操作案例，来展示 Amazon Q 的具体使用。

通过与亚马逊云科技的紧密合作，斯曼森成功构建了一个专门针对法律行业的大型语言模型。该模型不仅能够高效处理用户输入的案情概述，还能分析案件、识别关键事实和证据，并输出问题列表，帮助法律咨询人员快速理解案件要点。