亚马逊AWS官方博客
Category: Artificial Intelligence
通过 Amazon Forecast 建立 MLOps 体系，实现 AI 赋能的预测自动化
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。
德甲联赛背后的技术：机器学习如何在足球运动中实现数据驱动洞见
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。
在 Amazon SageMaker 内对深度学习训练中的 GPU 性能进行 I/O 优化
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。
NDArray — 基于 Java 的 N 维数组工具
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 Amazon SageMaker Ground Truth 中标记数据，以实现 3D 对象跟踪与传感器融合
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。
使用 AWS Transcribe 配合物联网设备构建一套支持多语种的语音到文本通知系统
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。
使用 Amazon SageMaker Model Monitor 与 Debugger 检测并分析不正确的模型预测结果
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。
思科使用 Amazon SageMaker 与 Kubeflow 创建混合机器学习工作流
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。
使用 Amazon SageMaker Ground Truth 与 Amazon Comprehend 开发 NER 模型
到这里，大家已经了解如何使用Ground Truth以构建NER训练数据集，以及如何将生成的增强manifest文件自动转换为Amazon Comprehend能够直接处理的格式。
使用 Amazon SageMaker 与 Amazon ES 构建一款视觉搜索应用程序
在本文中，我们介绍了如何使用Amazon SageMaker与Amazon ES KNN索引创建基于机器学习的视觉搜索应用程序。我们还使用到在ImageNet数据集上经过预训练的ResNet50模型。当然，大家也可以使用其他预训练模型，例如VGG、Inception以及MobileNet等，并使用自己的数据集进行调优。