Category: Artificial Intelligence

一个星期五的下午五点，您花费了整整一个下午在编码处理一个复杂、繁琐的特征工程策略。这个策略在您的Amazon SageMaker Studio t3.medium notebook上已经开始工作，你想做的是插入这个策略到一个大型实例中，通过水平扩展将其覆盖剩余数据集，然后下班回家。虽然您可以直接升级notebook实例，但只要一关上您的电脑，这项作业马上就会停止。既然如此，为什么不直接从您的notebook调度作业？

本文介绍了如何配置Kubeflow Pipelines以通过Amazon SageMaker运行机器学习作业。Kubeflow Pipelines是一套开源机器学习编排平台，在希望立足Kubernetes构建并管理自定义机器学习工作流的开发者群体中广受欢迎。但不少开发人员及MLOps团队在Kubeflow Pipelines的实际运营中遭遇挑战，发现自己难以管理Kubernetes集群的机器学习优化工作，无法获得良好的投资回报率或者承担极高的总体拥有成本。

“为您推荐”成为我们团队乃至整个StockX公司的一次巨大胜利。我们开始迅速将机器学习技术整合至企业中的各个层面。而我们获得的成功，也使得企业决策者同意在更多StockX体验场景当中集成Amazon Personalize，并不断扩大我们在机器学习领域投入的精力。可以肯定地讲，个性化如今已经成为StockX内部的头等大事。

面向Amazon SageMaker的开源XGBoost容器提供全托管使用体验与其他多种优势，可帮助您节约训练成本并进一步提升机器学习应用灵活性。

Amazon Personalize中的推荐过滤器可帮助用户根据业务需求对推荐内容进行微调，且您无需分神设计任何后处理逻辑。关于通过Amazon Personalize优化用户体验的更多详细信息，请参阅Amazon Personalize是什么？

随着媒体行业的全球化发展，越来越多的用户（包括企业和个人）都会有视频字幕的自动化翻译的需求。本文使用Amazon S3作为视频和字幕文件的存储，使用 Amazon Translate 实现了字幕的机器翻译，并且使用Amazon Lambda来调用 Amazon Translate 构建了一套无服务器的视频字幕翻译架构。利用本文实现的方案，您只需要将视频和字幕文件上传至Amazon S3，就可以自动获得翻译后的视频和字幕文件。

Amazon Translate极大丰富了Alexa的语言支持范围，并显著提高了其问题回答效果，帮助Alexa更快更好地走向全球市场。关于Amazon Translate功能的更多详细信息，请参阅Amazon Translate说明文档。

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？

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。

如果您错过了 2019 re:Invent 周期间的公告，Amazon Fraud Detector 最初是在 2019 年 12 月 3 日以预览模式发布的。但今天，它已全面推出，供客户查看。