Tag: Amazon SageMaker

在这篇blog中，我们将以DPRNNTasNet为例探索开源代码迁移到SageMaker的过程与SageMaker优势，如算法一键训练，模型一键部署，自定义运行环境，过程监控等。DPRNNTasNet是 2020 ICASSP 语音分离SOTA（state of the art）模型。

SageMaker Studio 提供了一个基于 Web 的单一可视化界面，您可以在其中执行准备数据以及构建、训练和部署模型所需的所有 ML 开发步骤。将 Amazon SageMaker Studio 代码存储在 AWS CodeCommit 存储库中，您可以将它们作为独立文档保存以备将来重用。 继续阅读以了解在 CodeCommit 上配置基于 git 的存储库以管理使用 SageMaker 开发的 ML 代码的步骤。

使用 Amazon 托管的机器学习产品 Personalize 新推出的 User Segmentation 功能，可以帮助没有机器学习背景的人轻松地完成客户分群，做到精准化运营，提高广告投放的转化率，商品推荐的召回率。

通过示例讲述怎么使用 pip、conda 来扩展官方镜像，简化 PyTorch 用户训练时的依赖包安装，从而加快训练时的加载过程

本文介绍基于亚马逊云科技部署MONAI进行大规模医疗影像的分析

在本文中，我们描述一种使用亚马逊云科技原生服务（Amazon Lake Formation和Amazon Glue）实现数据网格的方法。这种方法使业务线 (LOB) 和组织单位能够端到端自主运营其数据产品，同时为整个组织提供集中数据发现、治理和审计，以确保数据隐私和合规性。

如何让 Nvidia NGC BioBERT 预训练模型在 Amazon SageMaker上 finetune 与部署。

物联网（IoT）的一个典型应用场景是能够从传感器数据中获取上下文洞察力，例如分析设备异常或者进行预测性维护，及时给予用户通知。在本文中，我们将专注于通过设备多项指标对设备进行预测性维护，利用机器学习算法，对设备运行状态进行预测，提前发现可能出现的异常，及时进行维护，避免出现严重的生产事故。

本文将CVAT开源标注平台部署到亚马逊云科技中国区域，并对官方的部署模式升级为无服务器化的方式提升架构的高可用性和并发能力，同时使用强大的SageMaker推理功能增强自动标注功能。

本文会介绍如何将本地训练好的TensorFlow模型部署到Amazon SageMaker来快速、灵活地创建TensorFlow模型服务器