Category: Artificial Intelligence

我们很高兴地宣布，为简化图神经网络的实现而构建的开源库 Deep Graph Library 现已在 Amazon SageMaker 上推出。

我们非常高兴地宣布推出支持 Amazon SageMaker Debugger，它是 Amazon SageMaker 的新功能，可以自动识别机器学习 (ML) 训练作业中出现的复杂问题。

今天，我们非常高兴地推出 Amazon SageMaker Autopilot，它可以在完全控制和可见的情况下，自动创建最佳分类和回归机器学习模型。

今天，我们非常高兴地宣布推出 Amazon SageMaker 模型监控器。这是 Amazon SageMaker 的一项新功能，可以自动监控生产中的机器学习 (ML) 模型，并在出现数据质量问题时向您发出警报。

今天，我们很高兴地宣布推出 Amazon SageMaker Experiments，它是 Amazon SageMaker 的一项新功能，可让您组织、跟踪、比较和评估机器学习 (ML) 实验和模型版本。

今天，我们非常高兴地推出 Amazon SageMaker Processing，这是Amazon SageMaker 的一项新功能，可让您轻松地在完全托管的基础设施上运行预处理、后处理和模型评估工作负载。

今天，我们非常高兴地推出 Amazon SageMaker Studio：首个全集成的机器学习 (ML) 开发环境。

本文主要介绍来自AWS APN合作伙伴KNIME的数据科学和机器学习平台，这是一个平民化的机器学习平台，可以帮助企业低门槛的快速落地机器学习的能力。KINME的平台和AWS的数据服务有很好的结合，无论是数据源还是数据处理。同时KNIME在Gartner 2019数据科学和机器学习平台的魔力象限中处于领导者地位，技术领先行业。
本文作为系列文章的第一篇，用Kaggle上的泰坦尼克号幸存预测案例向读者介绍KNIME平台的使用。

今天，若要将机器学习与关系数据库中的数据结合使用，您需要开发一个自定义应用程序来读取数据库中的数据，然后再应用机器学习模型。开发此应用程序需要多种技能才能与数据库进行交互和使用机器学习。这是一个新的应用程序，现在，您必须管理其性能、可用性和安全性。

Amazon Transcribe 是一项自动语音识别 (ASR) 服务，使开发人员能够轻松地为其应用程序添加语音转文本功能。自从在 re:Invent 2017 发布以来，越来越多的用户将语音识别功能添加到其应用程序和设备中。
Transcribe计划于2019年9月在中国的北京区域（BJS）和宁夏区域（ZHY）支持该项服务。在本文中，作者分享一个使用Amazon Transcribe为视频自动增加字幕的示例。