亚马逊AWS官方博客

AWS INNOVATE 2020 即将举行 报名已正式开启 ?

云计算的未来是什么？在所有的创新背后，是有理想、有忧虑、有野心的各位 Builder 们！从企业级迁移、数据分析现代化、云原生应用开发、安全到人工智能/机器学习……“用料”少、简明扼要，给用户以最大化效益的创新实践层出不穷，一切尽在 AWS INNOVATE 2020 在线技术大会！

利用 Amazon WAM 部署和管理 Amazon WorkSpaces 的应用程序

Amazon WorkSpaces可以快速为用户预置基于云的虚拟桌面，与此同时虚拟桌面中应用程序的部署和管理将成为IT管理员的一项重要任务，我们可以借助Amazon WorkSpaces Application Manager (Amazon WAM)加快应用程序的部署并简化管理。本文以部署Adobe Reader 9应用程序举例，详细说明如何利用Amazon WAM将应用程序快速部署到Amazon WorkSpaces的用户桌面。

使用 Amazon SageMaker 标记可疑的医疗保险索赔

此解决方案使用 Amazon SageMaker，它可以帮助开发人员和数据科学家构建、训练和部署 ML 模型。Amazon SageMaker 是一项完全托管的服务，涵盖了 ML 的整个工作流，可以标记和准备数据、选择算法、训练模型、调整和优化模型以便部署、预测和执行操作。
可以使用Amazon SageMaker Jupyter Notebook 端到端应用此解决方案。有关更多信息，请参阅 GitHub 存储库。

发布 Amazon Rekognition 自定义标签

今天，Amazon Web Services (AWS) 宣布推出 Amazon Rekognition 自定义标签。借助 Amazon Rekognition 的这项新功能，客户可以建立自己的基于专业机器学习 (ML) 的图像分析能力，在其特定的用例中鉴别独特的对象和场景。例如，客户无需任何ML专长，在使用 Amazon Rekognition 来识别图像中的机器部件时，可以用少量添加了标签的图像集进行训练，即可鉴别出“涡轮增压器”和“变矩器”。客户不再需要从头开始训练模型，这意味着无需专业的机器学习知识以及数以百万计的高质量带标签图像，只需使用 Amazon Rekognition 自定义标签功能即可快速满足其独特的图像分析需求。

使用 Amazon CloudWatch Contributor Insights 简化时间序列分析

Amazon CloudWatch Contributor Insights 今天已正式推出，它是一项新功能，可帮助在 CloudWatch Logs 中简化时间序列数据前 N 个贡献因素的分析，从而有助于您更加快速的实时大规模了解影响系统和应用程序性能的人或物。它通过帮助您了解造成操作问题的原因及最受影响的人或物来为您在操作问题期间节省时间。Amazon CloudWatch Contributor Insights 还可以帮助进行系统和业务优化的持续分析，因为它一眼就能轻松发现异常对象、性能瓶颈、主要客户或利用最多的资源。除了日志之外，Amazon CloudWatch Contributor Insights 还可以与 CloudWatch 产品组合中的其他产品结合使用，包括指标和警报。

Amazon Redshift 更新 – ra3.4xlarge 实例

自从我们在七年多以前推出云数据仓库服务 Amazon Redshift 以来，已经有数以万计的客户使用此服务构建了自己的工作负载。我们一直非常重视客户的反馈，并且在去年 12 月份，我们宣布我们的第三代 RA3 节点类型将能够单独扩展计算和存储容量。上一代 DS2 和 DC2 节点的存储容量是固定的，需要增加集群中节点的数量才能提高存储容量。借助新的 RA3 节点，您可以首先确定支持工作负载所需的计算容量，然后根据您的需求扩展存储容量。RA3 系列实例的第一个成员是 ra3.16xlarge，许多客户反馈这种实例非常神奇，但超过了他们工作负载的需要。今天，我们的 RA3 系列再添一个较小的成员：ra3.4xlarge。

← Older posts
Newer posts →