Tag: Amazon SageMaker

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

本文会介绍通过SageMaker与Step Functions进行模型自动训练与部署的方法，并会与CodeCommit、CodeBuild、Jenkins集成，实现机器学习的CI/CD方案。

本文重点介绍了如何运用ML的 命名实体识别（name entity recognition）来快速构建自然语言处理的API功能。具体内容如下：

在这篇文章中，我们使用了一组模拟数据集，该数据集是金融服务提供商提供的贷款数据，由 Snowflake 提供。该数据集包含有关向个人发放贷款的贷款人数据。我们使用 Data Wrangler 来转换和准备数据以在 ML 模型中使用，首先在 Data Wrangler 中构建数据流，然后将其导出到 Amazon SageMaker Pipelines。首先，我们将完成将 Snowflake 设置为数据源，然后使用 Data Wrangler 探索和转换数据。

智能IP监控的使用场景十分广泛，也衍生出众多的需求，如云存需求，回放需求，AI图像视频理解层面的需求等等。落地的场景有智慧楼宇，公共场所安防监控，居家室内外监控，智慧门铃，大型活动策划方，面部身份鉴定等等。立足于这些客户场景，本文主要介绍智能IP监控相机中的AI技术集成，在IP监控相机的数据上云之后，可以与众多计算机视觉算法相结合，如人脸检测，人脸检索，人形检测，或其他目标检测，行为分析等。文中阐述三种AI算法集成架构，并阐述各自适用的不同场景。

Amazon SageMaker 是一项完全托管式服务，它提供的功能可以将基础设施管理的繁重工作抽象化，并针对您对大规模 ML 活动的敏捷性和可扩展性需求提供各种不同功能和按用量付费的定价模型。