亚马逊AWS官方博客
Tag: Amazon SageMaker
扩展 Amazon SageMaker PyTorch 容器
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
基于 Amazon SageMaker 利用 MONAI 处理医疗影像数据最佳实践
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
使用 AWS Lake Formation 和 AWS Glue 设计数据网格架构
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。
在 Amazon sagemaker 上微调与部署 BioBERT 模型
如何让 Nvidia NGC BioBERT 预训练模型在 Amazon SageMaker上 finetune 与部署。
在中国区使用 Amazon IoT 和 Amazon SageMaker 进行设备实时预测性维护
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。
使用Amazon SageMaker部署CVAT AI自动图像标注系统
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。
在Amazon SageMaker上快速、灵活构建TensorFlow模型的在线推理服务
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
通过 SageMaker 与 Step Functions 实现机器学习的 CI/CD 方案
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。
基于AWS machine learning bot 的 named-entity recognition (NER) 快速解决方案
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：
使用 Amazon SageMaker Data Wrangler 准备 Snowflake 数据以进行机器学习
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。