亚马逊AWS官方博客

Tag: machine learning

亚马逊云科技云原生架构演进

云原生是这两年讨论的比较火的话题,并且逐渐成为应用部署的主流方式。云原生是一种构建和运行应用程序的方法,应用程序从设计之初即考虑到云的环境,充分利用和发挥云平台的弹性自动化优势,在云上以最佳方式运行。

Read More

使用 Amazon FSx for Lustre 和 Amazon EFS 作数据源加快 Amazon Sagemaker 训练

Amazon SageMaker加入Amazon FSx Lustre和Amazon EFS作为训练机器学习模型的数据源,为您现在有了更大的灵活性来选择适合您使用场景的数据源。在此博客中,我们使用了文件系统数据源来训练机器学习模型,从而消除了数据下载步骤,缩短了训练开始时间。

Read More

使用 Amazon SageMaker Processing 与 AWS Step Functions 构建机器学习工作流

机器学习(ML)工作流负责编排并自动执行机器学习任务序列,包括数据收集,机器学习模型的训练、测试与评估,外加模型部署。AWS Step Functions能够在端到端工作流中编排并自动执行与 Amazon SageMaker相关的各项机器学习任务。AWS Step Functions数据科学软件开发工具包( AWS Step Functions Data Science Software Development Kit,简称SDK)是一套开源库,使您得以轻松创建包含数据预处理、模型训练和部署的工作流。您可以使用Python创建机器学习工作流,而无需分别设置及整合各项AWS服务。

Read More

加快创新步伐:F1 如何运用 AWS 上的无服务器机器学习提升洞见能力

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。

Read More

新增功能 – 用于机器学习和 HPC 的配备 GPU 的 EC2 P4 实例

近十年来,Amazon EC2 团队一直为我们的客户提供配备 GPU 的实例。第一代集群 GPU 实例于 2010 年末发布,随后推出了 G2(2013 年)、P2(2016 年)、P3(2017 年)、G3(2017 年)、P3dn(2018 年)和 G4(2019 年)实例。每一代产品都包含了功能越来越强大的 GPU 以及足够的 CPU 能力、内存和网络带宽,以允许最大限度地利用 GPU。

Read More

德甲联赛背后的技术:机器学习如何在足球运动中实现数据驱动洞见

AWS专业服务一直与德甲联赛及其子公司Sportec Solution携手合作,推进数字化转型进程、加快业务成果交付并持续保持创新。在接下来的几个赛季中,德甲联赛还将引入AWS提供的全新Match Facts功能,保证为全球球迷们带来融参与度、娱乐性于一身的一流赛事观看体验。

Read More