亚马逊AWS官方博客
AWS 亚太地区(大阪)区域现已全面开放,提供三个可用区和更多服务
AWS 进驻日本已有很长时间! 2011 年 3 月,我们开设了亚太地区(东京)区域,2012 年添加了第三个 […]
Amazon S3 Glacier 降价
Amazon S3 Glacier 存储类别非常适合于每季度至少访问一次的信息数据存档和长期备份(Amazon […]
了解 2021 年第一批全新 AWS 精英!
全球 AWS 精英计划旨在表彰当地科技界的个人杰出领袖。精英们可以通过博客文章、演示、社交媒体和开源项目分享知 […]
如何将 Channel Assembly 与 AWS Elemental MediaTailor 结合使用以从现有的源启动虚拟频道
如果您是广播公司或开放式互联网流媒体(Over-the-Top,OTT)频道运营商,现在可以将多个现有点播源的 […]
通过实例降价和 Amazon SageMaker Savings Plans 降低 Machine Learning 成本
在 AWS re:Invent 2017 上推出的 Amazon SageMaker 是一项完全托管式服务,已 […]
AWS Step Functions 与外部应用程序集成
在实际场景中,我们通常会遇到工作流中需要集成对外部应用做异步调用的需求,Stepfunction提供的基于activity的回调模式可以完美支持以上场景,不但可以方便地定义异步任务和等待流程,并且在等待任务完成的过程中不会产生任何额外费用。 本博客将模拟一个典型的与外部应用集成的工作流场景,通过需求场景描述、stepfunction原理讲解以及代码实现几个步骤,为您深入剖析Stepfunction对回调模式的实现。
使用Amazon SageMaker训练H2O模型并对其服务化
模型训练与服务化可以说是成功建立端到端机器学习(ML)流程的两大基本环节。这两个步骤通常需要不同的软件与硬件设置,才能为生产环境提供最佳组合。模型训练优化的目标是低成本、训练时间长度可行、科学上的灵活性以及良好的模型可解释性等;而模型服务化的优化目标是低成本、高吞吐以及低延迟。
使用Amazon SageMaker与Amazon ES KNN特征构建支持NLU的搜索应用程序
语义搜索引擎的兴起使电子商务与零售企业能够更轻松地为消费者提供搜索服务。基于自然语言理解(NLU)的搜索引擎使您可以通过首选会话语言直接表述自己的需求,而不再只能硬性依赖于以输入设备写下相应关键字。您可以使用母语以单词或句子执行查询,并由搜索引擎负责理解并提供最佳结果。
使用Amazon SageMaker将基于机器学习的实时洞见分析引入英式橄榄球运动
而随着人工智能与机器学习(ML)在体育分析领域的应用日益广泛,AWS决定与Stats Perform联手将机器学习驱动的实时统计数据系统引入英式橄榄球赛,旨在提高球迷参与度并提供关于比赛的更多宝贵洞见。
使用 Amazon Textract 与 Amazon Comprehend,通过 AWS Finance and Global Business Services 构建一套自动化合约处理平台
使用Amazon Textract 与 Amazon Comprehend,通过AWS Finance and Global Business Services构建一套自动化合约处理平台