AWS Germany – Amazon Web Services in Deutschland

Category: Best Practices

Zehn goldene Sicherheitsregeln für industrielle IoT-Lösungen

von Ryan Dsouza übersetzt durch Robert Hanuschke Die industrielle digitale Transformation führt zu Veränderungen in der Operational Technology (OT) -Landschaft und sorgt dafür, dass sie stärker mit dem Internet, IT-Systemen und -Lösungen verbunden ist. Operational Technology ist der Einsatz von Hardware und Software zur Überwachung und Steuerung physischer Anlagen und des Produktionsbetriebs. Industrielle Steuerungssysteme (Industrial […]

Wie man eine skalierbare BigBlueButton Videokonferenzlösung auf AWS baut

von David Surey, Senior Solutions Architect BigBlueButton ist eine virtuelle Klassenzimmeranwendung welche verschiedene Audio- und Videoformate unterstützt und die Nutzung integrierter Video-, Bildschirm- und Dokumentenfreigabefunktionen ermöglicht. BigBlueButton bietet Funktionen für Multi-User-Whiteboards, Breakout-Räume, öffentliche und private Chats, Abstimmungen, Moderation, Emojis und Handheben. In diesem Beitrag erklären wir, wie AWS-Kunden, die nach einer selbstverwalteten und Open-Source-Software-basierten Videokonferenzlösung […]

Klassifizierung von Finanztransaktionen mit Amazon SageMaker Feature Store (Thumbnail)

Klassifizierung von Finanztransaktionen mit Amazon SageMaker Feature Store

von Maurits de Groot und Elina Lesyk Einführung Machine Learning (ML) wird in der Finanzdienstleistungsbranche umfangreich für Aufgaben wie Personalisierung, Anomalie- oder Betrugserkennung eingesetzt. Wie bei anderen ML-Anwendungsfällen sind qualitativ hochwertige Eingabedaten der Schlüssel für eine gute Leistung eines Modells. Um dem Modell mehr Kontext zu geben und seine Leistung zu verbessern, ist es üblich, […]

Modulares Funktionsdesign für Fahrerassistenzsysteme mit AWS

Autonome Fahrerassistenzsysteme (engl. «ADAS») haben sich in den letzten 10 Jahren von einfachen regelbasierten Systemen zu fortschrittlichen Fahrerassistenzsystemen entwickelt.

Diese fortschrittlichen Systeme verwenden tiefe neuronale Netzwerke (engl. «Deep Neural Networks») und sollen zukünftig vollständig autonomes Fahren ermöglichen. Um diese Systeme zu trainieren, werden Petabyte an Daten und Tausende von Recheneinheiten (vCPUs und GPUs) benötigt.
Dieser Blogbeitrag beschreibt Entwicklungsansätze und Herausforderungen beim Aufbau von Fahrerassistenzsystemen. Verschiedene Designansätze werden vorgestellt. Insbesondere werden die verschiedenen Funktionseinheiten beschrieben, die beim Aufbau eines modularen Trainings- oder Prozesses-Designs benötigt werden.