亚马逊AWS官方博客
Category: Artificial Intelligence
利用 Amazon Transcribe Call Analytics 从客户对话中提取见解
2017 年,我们推出了 Amazon Transcribe,这是一项自动语音识别 (ASR) 服务,用于轻松地为任何应用程序添加语音转文本功能。今天,我非常高兴地宣布推出 Amazon Transcribe Call Analytics,这一全新功能可让您通过一次 API 调用轻松从客户对话中提取宝贵的见解。
如何在亚马逊云科技Marketplace海外区上线SaaS产品
为了给企业提供更加易用的应用层软件,越来越多的软件提供商推出了SaaS产品。亚马逊云科技Marketplace(以下简称Marketplace)是一个提供甄选的数字化产品的平台,能够帮助SaaS厂商降低销售成本,触达更多的客户,是很多SaaS厂商的首选。Marketplace分海外区和中国区,很多中国的SaaS厂商,为了能够拓展海外业务,计划在Marketplace海外区上线SaaS产品。本文将介绍Marketplace 海外区中的SaaS产品及其计价模式,以及如何上线SaaS产品。
使用 Amazon Redshift ML 构建多分类模型
本文将专注于使用多分类问题类型在 Amazon Redshift 中创建模型,该类型包括至少三个类别。例如,您可以预测交易是欺诈性的、失败的还是成功的,客户是否会将活跃状态保持 3 个月、6 个月、9 个月、12 个月,还是要将新闻标记为体育、世界新闻或是商业内容。
使用 Amazon SageMaker Data Wrangler 准备 Snowflake 数据以进行机器学习
在这篇文章中,我们使用了一组模拟数据集,该数据集是金融服务提供商提供的贷款数据,由 Snowflake 提供。该数据集包含有关向个人发放贷款的贷款人数据。我们使用 Data Wrangler 来转换和准备数据以在 ML 模型中使用,首先在 Data Wrangler 中构建数据流,然后将其导出到 Amazon SageMaker Pipelines。首先,我们将完成将 Snowflake 设置为数据源,然后使用 Data Wrangler 探索和转换数据。
智能安防监控视频中的AI技术集成
智能IP监控的使用场景十分广泛,也衍生出众多的需求,如云存需求,回放需求,AI图像视频理解层面的需求等等。落地的场景有智慧楼宇,公共场所安防监控,居家室内外监控,智慧门铃,大型活动策划方,面部身份鉴定等等。立足于这些客户场景,本文主要介绍智能IP监控相机中的AI技术集成,在IP监控相机的数据上云之后,可以与众多计算机视觉算法相结合,如人脸检测,人脸检索,人形检测,或其他目标检测,行为分析等。文中阐述三种AI算法集成架构,并阐述各自适用的不同场景。
使用无服务器模板部署机器学习模型
对于数据科学家来说,要部署基于CPU的机器学习模型进行推理,Lambda是一种经济高效、可扩展且可靠的方式。凭借对更大的函数大小、AVX2指令集和容器镜像的支持,Lambda现在可以部署更复杂的模型,同时保持低延迟。
基于 Amazon Comprehend 的命名实体抽取及主题建模的社交媒体数据分析
自然语言处理 (NLP) 是语言学、计算机科学和人工智能的一个子领域,涉及计算机与人类语言之间的交互 (引自维基百科) 。
通过自动关闭 Amazon SageMaker Studio 中的闲置资源来节省成本
Amazon SageMaker 是一项完全托管式服务,它提供的功能可以将基础设施管理的繁重工作抽象化,并针对您对大规模 ML 活动的敏捷性和可扩展性需求提供各种不同功能和按用量付费的定价模型。
在Amazon Web Services打造端到端语音识别应用之模型训练
本文展示了使用SageMaker运行开源端到端语音识别模型WeNet的方法,涵盖数据处理、Docker运行环境构建、模型训练等内容。
在中国区使用Amazon Step Functions Data Science SDK构建从AWS Glue(ETL)到Amazon SageMaker(推理)流水线
本文将以一个常见的使用案例,通过Amazon Step Functions Data Science SDK创建基于无服务器架构的工作流,过程如下:1.使用Amazon Glue进行ETL工作,生成样本数据集 2.使用SageMaker部署本地训练好的模型,用于机器学习推理