亚马逊AWS官方博客

Category: Artificial Intelligence

使用 Amazon Kendra 强化企业搜索能力

在本文中,我们了解了如何使用Amazon Kendra部署企业搜索服务。您可以使用机器学习支持的Amazon Kendra改善公司内部的搜索体验。您也可以在不具备任何机器学习/AI经验的前提下,使用自然语言快速检索文档。关于Amazon Kendra项目的更多详细信息,请参阅AWS re: Invent 2019大会上Andy Jassy做出的主题演讲、Amazon Kendra常见问题解答以及Amazon Kendra是什么?

Amazon Translate 现在支持 Office 文档

无论您的组织是一家在许多国家开展业务的跨国企业,还是一家渴望在全球获得成功的小型初创企业,将您的内容翻译成当地语言可能都是一个持久的挑战。实际上,文本数据通常有很多种格式,而处理它们可能需要多种不同的工具。而且,由于所有这些工具可能不支持相同的语言对,您可能必须将特定文档转换为中间格式,甚至是求助于人工翻译。所有这些问题都增加了额外的成本,并为构建一致、自动化的翻译工作流造成了不必要的复杂性。

使用 Amazon Elastic Inference 降低 Amazon EC2 for PyTorch 模型的推理成本

Elastic Inference 是一项灵活的低成本解决方案,适用于 Amazon EC2 上的 PyTorch 推理工作负载。通过将 Elastic Inference 加速器附加到 CPU 客户端实例,您可以获得类似于 GPU 的推理加速并保持比独立的 GPU 和 CPU 实例更高的成本效益。有关更多信息,请参阅什么是 Amazon Elastic Inference?

使用您自己的 Amazon SageMaker 主动学习标签工作流程

在本文中,您创建了一个主动学习工作流,并使用该工作流从 ML 模型推论和人工工作线程产生高质量的标签。 您可以将此工作流用于各种自定义添加标签任务,以减少为大型数据集添加标签的成本。您可以使用任何自定义学习算法和主动学习逻辑,并根据需要更改此示例。要开始使用 Blazing Text 预览主动学习工作流,请启动 Cloud Formation 堆栈并完成第 1 部分。