Tag: 客户用例

在本文中，我们讲解了F1与Amazon机器学习解决方案实验室的科学家们如何合作创建Fastest Driver——第一套以客观事实与数据资源驱动的分析模型，用于计算F1赛事历史上的最强车手。

Infoblox团队使用Amazon SageMaker训练出一套深度CNN模型。此模型能够识别出与DNS域名中ASCII字符在外观上高度相似的Unicode字符。以此为基础，该模型还使用Unicode标准识别这些同形异义字符，验证准确率为0.969，测试F1得分为0.969。接下来，他们又编写一款检测器，使用此模型对Passive DNS流量上的IDN同形异义词进行检测，整个流程无需进行任何在线图像数字化或预测操作。

Amazon MSK能够降低基础设施的维护强度，简化问题的识别与解决，缩短代理维护时间，最终将生产力提升至新的层面。它在后台承担起Apache Kafka的维护工作，结合实际需求为我们提供监控级别选择，让我们的团队能够腾出更多精力改善业务应用程序并为客户提供价值回报

2020年，F1方程式赛车迎来了自己的70岁生日，同时也是世界上将运动技能与工程技术实力全面结合的极少数顶尖运动之一。技术一直在F1中扮演着核心角色，规则与工具的演变也早已融入F1运动的血液当中。正是这种不断进取、不断探索的精神，令全球赛车迷们痴狂不已，关注自己热爱的车手与车队如何以十分之一秒为单位超越对手、夺取胜利。

三星开发者门户（Samsung Developers）是三星公司打造的在线门户，旨在为希望使用三星产品构建应用程序的开发人员、IT经理以及学生用户提供技术文档、开发者博客与API指南。

我们很高兴能够帮助您使用 CodeGuru Profiler 已更快、更轻松地方式将性能优化能力集成到您的应用程序中。在这篇文章中，我们回顾并学习了如何使用CodeGuru Profiler 的两个最近的增强功能：基于资源的权限设置 和 使用 -javaagent 开关启动探查器代理，而无需修改应用程序的代码。

通过与 CodeGuru Profiler 的集成，对我们来说是向前迈出的重要一步，使Atlassian内部的每个开发人员都具备了发现和处理应用性能问题的能力。

赛默飞世尔（Thermo Fisher）一直努力帮助世界各地的科学家解决我们面临的一些最大挑战。借助 Amazon Personalize，我们极大地提高了我们了解客户工作的能力，并通过多种渠道为他们提供个性化体验。使用 Amazon Personalize 使我们能够专注于解决难题，而不是管理 ML 基础架构。

赛默飞世尔（Thermo Fisher）一直努力帮助世界各地的科学家解决我们面临的一些最大挑战。借助 Amazon Personalize，我们极大地提高了我们了解客户工作的能力，并通过多种渠道为他们提供个性化体验。使用 Amazon Personalize 使我们能够专注于解决难题，而不是管理 ML 基础架构。

Amazon SageMaker支持从数据注释、到生产部署、再到运营监控的整个ML开发周期。正如Olexya与SNCF Réseau的工作所示，Amazon SageMaker具有良好的框架中立性，能够容纳各类深度学习工作负载及框架。除了预先为Sklearn、TensorFlow、PyTorch、MXNet、XGBoost以及Chainer创建配套Docker镜像与SDK对象以外，您也可以使用自定义Docker容器，几乎任何框架，如PeddlePaddle、Catboost、R以及Caffe2。