Category: Artificial Intelligence

本文引导大家完成了一个端到端机器学习项目，全面涵盖数据收集、数据处理、模型训练、将模型部署为端点、使用所部署模型进行推理等各个步骤。

AWS Content Analysis解决方案现已在全球各AWS区域上线，旨在帮助拥有大量视频素材的组织利用搜索功能检索视频内容。这套解决方案还可帮助个人使用自己的视频内容测试AWS AI服务，从而更好地理解各类服务的潜在应用场景。

本文向大家展示了如何创建可重复、基于AI的自动预测生成流程。大家还了解到如何使用无服务器技术建立机器学习运营管道，并使用托管分析服务通过数据查询与可视化以提取重要洞见。

AWS专业服务一直与德甲联赛及其子公司Sportec Solution携手合作，推进数字化转型进程、加快业务成果交付并持续保持创新。在接下来的几个赛季中，德甲联赛还将引入AWS提供的全新Match Facts功能，保证为全球球迷们带来融参与度、娱乐性于一身的一流赛事观看体验。

到这里，相信大家已经了解了数据加载与处理如何影响GPU资源利用率，以及该如何通过解决I/O或与网络相关的瓶颈以提高GPU性能。在进一步讨论多GPU或者分布式模型训练等高级主题之前，我们应该首先解决这些最基本但也极为关键的瓶颈。

在Python的世界，调用NDArray的标准包叫做NumPy。但是如今在Java领域中，并没有与之同样标准的库。在这个文章中，我们将带你了解NDArray，并且教你如何写与Numpy同样简单的Java代码以及如何将NDArray使用在现实中的应用之中。

在本次实验中，我们了解了Ground Truth 3D点云标记作业对于输入数据的要求与选项，同时尝试创建了对象跟踪标记作业。关于我们能够在3D点云标记作业中实现的其他任务类型，请参阅3D点云任务类型。另外，我们还要感谢KITTI团队为我们提供这套宝贵的数据集，用于演示如何准备3D点云数据并将其引入SageMaker Ground Truth。

本文展示了如何使用AWS服务构建安全的语音到文本通知解决方案。如果您在未来的应用场景中需要使用多种不同语言，将语音内容转换为文本，则可以直接集成这套解决方案。如果您有任何问题或者意见，请在评论区中与我们交流。

本文展示了如何使用Amazon SageMaker Model Monitor与Amazon SageMaker Debugger自动检测意外模型行为，并从CNN中获取直观解释。关于更多详细信息，请参阅GitHub repo。

Amazon SageMaker与Kubeflow Pipelines能够轻松被集成在统一的混合管道当中。Amazon SageMaker还提供完善的博客与教程集合，可帮助大家轻松通过Amazon SageMaker components for Kubeflow Pipelines创建起混合管道。其API亦非常丰富，涵盖了我们需要使用的所有关键组件，并允许您开发自定义算法并与Cisco Kubeflow入门包进行集成。