亚马逊AWS官方博客
Tag: 产品用例
无代码机器学习：AutoGluon、Amazon SageMaker 与 AWS Lambda 合力加持 AutoML
在本文中，我们介绍了如何在无需编写任何代码的前提下，实现ML模型的训练与推理预测。AutoGluon、Amazon SageMaker以及AWS Lambda的密切配合最终让这一看似不可能的任务成为现实。大家可以使用本文中的示例无代码管道实现ML功能，整个过程轻松便捷，不需要任何编程或数据科学方面的专业知识。
使用 Amazon Textract 与 Amazon Augmented AI 配合人工循环处理 PDF 文档
在本文中，我们展示了如何使用Amazon Textract与Amazon A2I从多页PDF文档扫描文件中自动提取数据，以及如何根据给定的业务条件对页面进行人工审核。关于Amazon Textract与Amazon A2I的更多详细信息，请参阅将Amazon Augmented AI与Amazon Textract配合使用。
在 Kubernetes 上优化 Spark 性能
要保证Spark工作负载的良好运行，我们必须在计算、网络与存储资源的I/O中做出权衡与优化。客户永远希望以最佳性能与最低成本的前提下运行此类工作负载。为了满足需求，Kubernetes提供多种调整选项，而本文涵盖了其中几项值得关注的优化技巧。希望大家能够由此得到启发，灵活运用最佳实践以改善Spark性能。如果大家还有更多意见或者建议，也请在eks-spark-benchmark GitHub repo上创建问题留下您的反馈。
运用上下文信息提升 Amazon Personalize 推荐结果的相关性
如本文所述，在使用Amazon Personalize时，将上下文信息添加至推荐策略当中，是一项非常强大且易于实现的实践。使用上下文丰富推荐结果，您的用户参与度将显著增加，从而真正将推荐系统转化为提升收入的重要工具。
Amazon Personalize 现将快速变化的新产品与全新内容目录的个性化推荐效果提升达50%
Amazon Personalize提供的全新aws-user-personalization recipe能够在推荐结果中引入交互量较少的新项目，并在重新训练期间通过用户反馈学习项目属性，有效地缓解了项目冷启动问题。关于使用Amazon Personalize优化用户体验的更多详细信息，请参阅Amazon Personalize文档。