亚马逊AWS官方博客
基于 Amazon SageMaker Canvas 无代码构建分类模型
在本篇文章中,我们将介绍如何无需写代码即可构建机器学习应用,Amazon SageMaker Canvas提供无代码、可视化的工作环境,即使没有机器学习背景知识,也可以基于自己业务需要构建机器学习模型。
如何在数据库里面使用SQL语句直接调用Amazon机器学习服务进行推理
本文主要讲解了如何在Amazon Aurora数据库里面使用SQL语句直接调用Amazon Comprehend 和Amazon SageMaker机器学习服务进行推理,让业务后端开发人员即使没有机器学习知识,也可以快速使用最熟悉的SQL语句调用机器学习服务,为业务提升价值。
LightGBM 算法框架运行在Amazon Sagemaker
本文将介绍如何使用lightgbm以及如何借助Amazon Sagemaker来提高使用lightgbm的机器学习效率
使用可视化工具加载 Amazon Redshift 数仓数据完成机器学习数据准备和模型快速验证
在本篇文章中,我们将会为您展示一个简单的 2 分类预测的机器学习场景,通过加载存放于数据仓库Amazon Redshift 中的银行客户画像和业务行为特征,来完成建模前特征的快速准备和预测是否办理存款业务模型的快速验证。
在EKS中使用Apache Skywalking实现应用性能监控
微服务架构和容器服务越来越受欢迎,但分布式结构对系统运维带来了巨大挑战,运维人员很难发现应用系统性能瓶颈的发生点和出现故障的位置。本文中介绍的Apache Skywalking是一款开源软件,用来收集、分析、统计和可视化分布式系统的调用链信息,应用比较广泛,性能比较突出。下面将介绍在EKS上部署Skywalking OAP和UI应用,部署基于Skywalking Java Agent的Springboot示例应用,并进行端到端的演示和功能介绍。
Amazon DeepRacer 多种策略模型实战应用分析
本篇blog基于DeepRacer的一次基于re:Invent2018赛道的备赛经历,阐述强化学习完成竞速类自动驾驶任务的算法调优与现实部署经验。
开发软件定义车辆平台 —— 大陆汽车CAEdge
CAEdge 构建的新型变革性车辆架构和软件。这些将为未来的汽车制造商、原始设备制造商 (OEM) 和合作伙伴提供用于软件密集型汽车架构的多租户开发环境, 可以更有效地开发和测试车辆软件,然后安全地直接部署到车辆上,该框架已经在汽车制造商的系列开发中进行测试。
借助 Amazon Redshift 为具有强大抗风险能力的使用案例提供支持
Amazon Redshift 是最受欢迎、最快的云数据仓库,提供与您的数据湖和其他数据源的无缝集成,性能出色,本文探讨了将 Amazon Redshift 作为核心数据仓库平台来最大限度地提高数据可用性的不同架构和使用案例。
构建现代化数据架构-使用 Amazon AppFlow、AmazonLake Formation 和 Amazon Redshift
这篇博文中的步骤可帮助您计划使用托管服务构建类似的现代数据策略,以便从 Salesforce 等来源提取数据,自动创建元数据目录并在数据湖和数据仓库之间无缝共享数据,以及在出现编排数据工作流程失败时创建警报。
新使用体验 — Amazon SageMaker Studio 创建和管理 EMR 集群与 Spark 作业
Amazon SageMaker Studio 的用户可以直接创建、终止、管理Amazon EMR 集群