Category: Artificial Intelligence

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。

Amazon Sagemaker Ground Truth 在 AWS re:Invent 2018 中推出，是 Amazon SageMaker 的一项功能，可用于轻松注释机器学习数据集。

Amazon SageMaker Studio 是适用于机器学习开发全流程的集成开发环境，它为基于笔记本开发的人员增加了新的强大功能。

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？

随着建议评分的发布，您现在可以更深入地了解建议质量，并可以编写更智能的业务逻辑以与下游生产系统集成。立即开始使用 Amazon Personalize 个性化您的用户体验！

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。

在此博文中，我们展示了使用 Amazon Translate 翻译文档的两种不同解决方案的实现，一种是使用异步批量翻译的简单方法，另一种是使用 AWS Lambda 和 Amazon 实时翻译的高级方法。立即在 Amazon Translate 上构建您的第一个翻译作业。

本文讨论了如何通过 Forecast 及其基础系统架构使用智能电表数据预测单个客户的用电需求。您可以使用 DeepAR+ 和天气数据提高模型的准确性，达到约 96％ 的预测准确性（由 MAPE 确定）。