亚马逊AWS官方博客

2020 年 8 月份 AWS 在线技术讲座

加入我们，观看由 AWS 解决方案架构师和工程师主导的实时在线演示。AWS 在线技术讲座涵盖了一系列主题和多层次的专业知识，包括技术深入探讨、演示、客户示例以及 AWS 专家的实时问答。

Amazon ECS 现在支持 EC2 Inf1 实例

随着机器学习和深度学习模型变得更加精密，越来越需要通过硬件加速以更高的吞吐量实现更快的预测。今天，我们非常兴奋地宣布，AWS 客户现在可将 Amazon EC2 Inf1 实例用在 Amazon ECS 上，以在云中获得高性能和最低的预测成本。现在，这些实例已经可以在 Amazon Elastic Kubernetes Service 使用几个星期。

Amazon Braket – 开始使用量子计算

去年，我向您介绍了 Amazon Braket，并解释了量子计算的基础知识，从量子位开始，一直发展到量子电路。在预览期间，Enel、Fidelity（使用 Amazon Web Services 探索量子计算）和 Volkswagen 等 AWS 客户一直在使用 Amazon Braket 探索和获取量子计算方面的体验。

AWS Step Functions 添加了对“选择”状态的更新、对上下文对象的全局访问、动态超时、结果选择并为 Amazon States Languages 添加了内部函数

今天，我们宣布通过更新 Amazon States Language (ASL) 来增强 AWS Step Functions。ASL 是一种基于 JSON 的结构化语言，用于定义状态机和可执行工作的状态集合（任务状态），确定要过渡到下一个状态的状态（选择状态），并在出错时停止执行（失败状态）。通过今天推出的更新，客户可以编写简化的工作流应用程序，提高状态机定义的灵活性，减少 lambd 调用，并减少状态过渡以节省成本。

用于 Kubeflow Pipelines 的 Amazon SageMaker Components 介绍

本文介绍了如何配置Kubeflow Pipelines以通过Amazon SageMaker运行机器学习作业。Kubeflow Pipelines是一套开源机器学习编排平台，在希望立足Kubernetes构建并管理自定义机器学习工作流的开发者群体中广受欢迎。但不少开发人员及MLOps团队在Kubeflow Pipelines的实际运营中遭遇挑战，发现自己难以管理Kubernetes集群的机器学习优化工作，无法获得良好的投资回报率或者承担极高的总体拥有成本。

在 StockX 上使用 Amazon Personalize 开创个性化用户体验

“为您推荐”成为我们团队乃至整个StockX公司的一次巨大胜利。我们开始迅速将机器学习技术整合至企业中的各个层面。而我们获得的成功，也使得企业决策者同意在更多StockX体验场景当中集成Amazon Personalize，并不断扩大我们在机器学习领域投入的精力。可以肯定地讲，个性化如今已经成为StockX内部的头等大事。

← Older posts
Newer posts →