亚马逊AWS官方博客

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。

宣布新推出 AWS 社区构建者计划!

技术社区分享 AWS 知识的热情始终令我们振奋不已。许多资深的 AWS 拥趸乐于分享他们遇到的挑战、成功经验和代码,以帮助其他人在 AWS 上构建。AWS 新用户也对社区构建同样热情,他们希望知道如何更多地参与社区活动。这些构建者希望有更好的方式来联系互动、分享最佳实践以及获得资源和辅导,从而帮助促进社区知识共享。