Category: Artificial Intelligence

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） 。

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。

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。

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

但随着系统中数据规模的持续增长，数据移动也变得越来越困难。为了解决这一挑战、进而从数据中获取最大收益，亚马逊云科技提出了Lake House“智能湖仓”方案。

该文以目标检测模型着手，演示如何一步步基于Sagemaker Neo对训练后的模型文件进行编译优化，来提升模型的推理速度。 文中以yolo3(backbone为mobilenet1.0）模型为例，分别演示模型准备，模型Neo编译，模型导出推理测试，可视化等过程， 推理结果显示基于Sagemaker Neo可以显著提升推理速度，达到一倍以上的加速。

Amazon DeepRacer 是开始使用机器学习 (ML) 的最快方式。您可以在基于云的虚拟模拟器中使用 1/18 比例自动驾驶车辆训练强化学习 (RL) 模型，并在全球 Amazon DeepRacer League 中角逐奖金和荣誉。今天，我们将通过对 Amazon DeepRacer 设备软件进行开源来扩展 Amazon DeepRacer 功能，以提供有趣的动手学习。

尽管代码审查过程非常重要，但大家需要保证其既不会给审核人员带来过重的工作负载，也不致成为开发流程中的瓶颈所在。通过采用CodeGuru Reviewer，我们成功实现了代码审查的自动化，同时也减少了审核人员的工作量。

今天，我们很高兴公布Amazon SageMaker Feature Store。作为Amazon SageMaker中的一项新功能，Feature Store将帮助数据科学家与机器学习工程师轻松安全地存储、发现并共享训练与预测工作流中使用的被选中数据。

我们高兴地宣布，现在您已经可以在Amazon Forecast当中评估单一条目的预测准确性，借此更好地了解您的预测模型在最重要的少数核心条目上拥有怎样的预测表现。