亚马逊AWS官方博客
Tag: 人工智能
Thomson Reuters 如何利用 Amazon SageMaker 加快自然语言处理解决方案的研究和开发
在这篇博文中,我们讨论了 TR 如何使用 Amazon SageMaker 加快研发工作,以及如何在实现这一目标时显著节省成本和提高灵活性。我们说明了该团队如何尝试使用 BERT 的多种变体来产生强大的问答能力。最后,我们介绍了 TR 的安全内容工作区 (SCW),它使团队能够轻松安全地访问 Amazon SageMaker 资源和 TR 专有数据。
通过个性化在线体育内容提高参与度
这是 Pulselive 的 Mark Wood 的客座博文。用他们自己的话说,“总部位于英国的 Pulselive 是体育界一些知名品牌引以为豪的数字合作伙伴。”
使用 Amazon SageMaker 为新用户提供实时音乐推荐
这是一篇由来自 iHeartRadio 的 Matt Fielder 和 Jordan Rosenblum 撰写的客座博文。用他们自己的话说,“iHeartRadio 是一个流媒体音频服务,每个月的用户达数千万,每天的注册人数累计上万。”
Kabbage 如何通过 Amazon Textract 改善 PPP 贷款体验
这是一篇由 Kabbage 数据科学主管 Anthony Sabelli 撰写的客座博文,Kabbage 是一家提供小型企业现金流解决方案的数据和技术公司。
基于 Amazon SageMaker 进行汽车型号的图像识别——一个基于深度学习迁移学习的端到端图像分类器
基于深度学习的图像分类的研究与应用已经进行的如火如荼,对大部分的业务场景来说,更是有着深刻的现实意义 – 基于图片的互联网分享社交应用,如何借助深度学习在第一时间对用户分享的图片进行实时监测,分类是一个比较典型的应用场景;又例如,电商运营可能希望对所有的产品照片按照产品属性进行自动化分类,减少人工分类的工作;另外,在工业生产线的良品率基于产品图片的自动筛检,以及辅助医疗领域对病理图片的分类等等场景都有着十分广泛的应用前景和实用价值。
使用 Amazon SageMaker 构建基于 gluon 的推荐系统
今天,随着电子商务规模的不断扩大,商品种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关信息和产品的过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。区别于传统的规则推荐,个性化推荐算法通常使用机器学习甚至深度学习算法,对于用户信息与其行为信息充分挖掘,进而进行有效的推荐。
使用 Amazon SageMaker 运行基于 TensorFlow 的中文命名实体识别
利用业内数据构建知识图谱是很多客户正在面临的问题,其中中文命名实体识别(Named Entity Recognition,简称NER)是构建知识图谱的一个重要环节。我们在与客户的交流中发现,现有的NER工具(比如Jiagu)对于特定领域的中文命名实体识别效果难以满足业务需求,而且这些工具很难使用自定义数据集训练。因此客户迫切想使用业内最先进的算法在行业内数据集上进行训练,以改进现有NER工具的不足。本文将介绍如何使用Amazon SageMaker运行基于TensorFlow的中文命名实体识别。
使用 Apache MXNet 对基于 CNN 的检测器的训练时间进行基准测试
作者:Iris Fu 和 Cambron Carter 这是一篇由工程总监 Cambron Carter 和 […]
通过机器学习自动优化 DBMS
本客座文章由卡内基梅隆大学的 Dana Van Aken、Geoff Gordon 和 Andy Pavlo […]
新增 – Amazon Connect 和 Amazon Lex 集成
Amazon Connect 和 Amazon Lex 这两项我最喜欢的服务最近推出了一些增强功能,我非常高兴 […]