亚马逊AWS官方博客
Thomson Reuters 如何利用 Amazon SageMaker 加快自然语言处理解决方案的研究和开发
在这篇博文中,我们讨论了 TR 如何使用 Amazon SageMaker 加快研发工作,以及如何在实现这一目标时显著节省成本和提高灵活性。我们说明了该团队如何尝试使用 BERT 的多种变体来产生强大的问答能力。最后,我们介绍了 TR 的安全内容工作区 (SCW),它使团队能够轻松安全地访问 Amazon SageMaker 资源和 TR 专有数据。
通过个性化在线体育内容提高参与度
这是 Pulselive 的 Mark Wood 的客座博文。用他们自己的话说,“总部位于英国的 Pulselive 是体育界一些知名品牌引以为豪的数字合作伙伴。”
使用 Amazon SageMaker 为新用户提供实时音乐推荐
这是一篇由来自 iHeartRadio 的 Matt Fielder 和 Jordan Rosenblum 撰写的客座博文。用他们自己的话说,“iHeartRadio 是一个流媒体音频服务,每个月的用户达数千万,每天的注册人数累计上万。”
Kabbage 如何通过 Amazon Textract 改善 PPP 贷款体验
这是一篇由 Kabbage 数据科学主管 Anthony Sabelli 撰写的客座博文,Kabbage 是一家提供小型企业现金流解决方案的数据和技术公司。
加拿大政府部门使用人工智能驱动的聊天机器人为公共部门员工和组织提供服务
随着人口持续增长,世界各地的政府部门正在探索扩大客户服务交付规模的新方法。安大略省政府劳动培训和技能发展部的转 […]
使用Fluent Bit与Amazon OpenSearch Service构建日志系统
本文将展示如何通过开源工具Fluent Bit结合Amazon Kinesis Streams、Amazon Lambda、Amazon OpenSearch Service搭建日志系统,以满足日常运维的需求。
使用 Amazon Lookout for Equipment 进行声学异常检测
随着现代化工厂的联系越来越紧密,制造商越来越多地使用各种输入(例如过程数据、音频和视觉)来提高运营效率。公司使用这些信息来监控设备性能并使用由机器学习 (ML) 和人工智能 (AI) 提供支持的预测性维护技术来预测故障。尽管内置在设备中的传统传感器可以提供信息,但音频和视觉检查也可以提供有关资产运行状况的洞察。但是,利用这些数据并获得切实可行的洞察需要频繁手动操作,而且使用的资源过多。Koch Ag & Energy Solutions, LLC (KAES) 借此机会与 Amazon ML Solutions Lab 合作,了解有关替代声学异常检测解决方案的更多信息,并重新审视他们现有的解决方案。
在 Amazon SageMaker 上微调与部署语音分离模型
在这篇blog中,我们将以DPRNNTasNet为例探索开源代码迁移到SageMaker的过程与SageMaker优势,如算法一键训练,模型一键部署,自定义运行环境,过程监控等。DPRNNTasNet是 2020 ICASSP 语音分离SOTA(state of the art)模型。
使用 iamlive 获取最小权限
在这篇文章里,我们介绍一款由亚马逊云科技社区英雄 Ian McKey 开发的开源软件,看看它如何帮助我们来更好地熟悉和配置 Amazon IAM(Identity and Access Management)权限。
使用 Amazon Glue DataBrew 对数据进行预处理
使用 Amazon Glue DataBrew 对数据进行预处理