亚马逊AWS官方博客

在这篇博文中，我们讨论了 TR 如何使用 Amazon SageMaker 加快研发工作，以及如何在实现这一目标时显著节省成本和提高灵活性。我们说明了该团队如何尝试使用 BERT 的多种变体来产生强大的问答能力。最后，我们介绍了 TR 的安全内容工作区 (SCW)，它使团队能够轻松安全地访问 Amazon SageMaker 资源和 TR 专有数据。

这是 Pulselive 的 Mark Wood 的客座博文。用他们自己的话说，“总部位于英国的 Pulselive 是体育界一些知名品牌引以为豪的数字合作伙伴。”

十六年前的今天，我们推出了 Amazon Simple Storage Service（Amazon S3）！ […]

这是一篇由来自 iHeartRadio 的 Matt Fielder 和 Jordan Rosenblum 撰写的客座博文。用他们自己的话说，“iHeartRadio 是一个流媒体音频服务，每个月的用户达数千万，每天的注册人数累计上万。”

这是一篇由 Kabbage 数据科学主管 Anthony Sabelli 撰写的客座博文，Kabbage 是一家提供小型企业现金流解决方案的数据和技术公司。

随着人口持续增长，世界各地的政府部门正在探索扩大客户服务交付规模的新方法。安大略省政府劳动培训和技能发展部的转 […]

本文将展示如何通过开源工具Fluent Bit结合Amazon Kinesis Streams、Amazon Lambda、Amazon OpenSearch Service搭建日志系统，以满足日常运维的需求。

随着现代化工厂的联系越来越紧密，制造商越来越多地使用各种输入（例如过程数据、音频和视觉）来提高运营效率。公司使用这些信息来监控设备性能并使用由机器学习 (ML) 和人工智能 (AI) 提供支持的预测性维护技术来预测故障。尽管内置在设备中的传统传感器可以提供信息，但音频和视觉检查也可以提供有关资产运行状况的洞察。但是，利用这些数据并获得切实可行的洞察需要频繁手动操作，而且使用的资源过多。Koch Ag & Energy Solutions, LLC (KAES) 借此机会与 Amazon ML Solutions Lab 合作，了解有关替代声学异常检测解决方案的更多信息，并重新审视他们现有的解决方案。

在这篇blog中，我们将以DPRNNTasNet为例探索开源代码迁移到SageMaker的过程与SageMaker优势，如算法一键训练，模型一键部署，自定义运行环境，过程监控等。DPRNNTasNet是 2020 ICASSP 语音分离SOTA（state of the art）模型。

2016 年，我们推出了专为云中的大规模内存应用程序设计的 Amazon EC2 X1 实例。X1 实例的每 […]