Author: AWS Team

本博客介绍了如何使用此参考架构构建自动驾驶数据湖。我们讨论的工作流范围从如何提取数据、为机器学习准备数据、将 ADAS 系统和车辆传感器的输出进行编目、对其进行标注、自动检测场景，到管理那些将其移动到有组织的数据湖构造所需的各种工作流。开发 AWS 自动驾驶和 ADAS 数据湖参考架构之前，我们曾与众多客户合作应对实现这一目标所面临的挑战。

Amazon Personalize提供的全新aws-user-personalization recipe能够在推荐结果中引入交互量较少的新项目，并在重新训练期间通过用户反馈学习项目属性，有效地缓解了项目冷启动问题。关于使用Amazon Personalize优化用户体验的更多详细信息，请参阅Amazon Personalize文档。

利用SageMaker Operator可以实现从本地的，自建的Kubernetes集群中，对AWS SageMaker 进行训练任务的提交和管理。

在本文中，我们将详细描述疾病传播模拟的工作原理，如何通过监督学习以寻找模拟参数，并根据干预措施评分对疾病的传播率做出预测。

当您使用IaC在AWS云平台上创建成百上千个资源时，如何知道代码按预期方式部署了这些资源？这些资源是否遵守合规性和安全性措施？我们并不确定，因此需要基础设施测试程序。

Twitch 是当今面向开发人员、玩家和艺术家的领先社区流媒体视频平台之一。每天有数百万人在访问 Twitch […]

我每个月都会多次在西雅图的执行简报中心与 AWS 客户畅谈。我会介绍我们的创新过程，并讨论如何根据客户的要求和 […]