Daten und Machine Learning in AWS
Das Potenzial Ihrer Daten mit Data Engineering, DataOps und ML entfesseln
Daten und Machine Learning
Egal, ob Sie ein Anfänger sind, der die Grundlagen verstehen möchte, oder ein erfahrener Profi, der fortgeschrittenes Wissen sucht – diese Sammlung von Ressourcen für Daten und Machine Learning bietet die Tools, die Sie benötigen, um die Feinheiten von Data Engineering, DataOps und ML zu beherrschen.
Data Lake vs. Data Warehouse vs. Datenbanken: Was erfüllt Ihre Speicheranforderungen?
Datenbanken, Data Warehouses und Data Lakes haben alle unterschiedliche Zwecke und Anwendungsfälle, aber es ist nicht immer einfach, diese Unterschiede zu verstehen. Hier finden Sie eine Kurzanleitung, die Ihnen hilft, sich in der manchmal verwirrenden Welt des Cloud-Speichers zurechtzufinden.
Einführung in künstliche Intelligenz und Machine Learning
Eine schrittweise Anleitung zum Einrichten einer kostenlosen ML-Umgebung, zur Nutzung von Sprachmodellen und ChatGPT-APIs, um Erkenntnisse aus YouTube-Videos zu gewinnen und sich selbst zu befähigen, schneller und effizienter zu lernen als je zuvor!
Eine dreiminütige Zusammenfassung dessen, was bei der Auswahl von Datenbanken zu beachten ist
Da bei AWS verschiedene Datenbankoptionen verfügbar sind, ist es oft eine schwierige Aufgabe, sicher eine für Ihre Projekte auszuwählen. Wenn Sie den vorherigen Satz gelesen und unbewusst mit Ihrem Kopf mit „Ja“ genickt haben, sind Sie an der richtigen Stelle.
Tutorials
Eine Echtzeit-Streaming-Analytikanwendung in Apache Kafka erstellen
Aufnehmen von Daten in Amazon OpenSearch mit Apache Kafka und Go
Unterstützen von SQL-Entwicklern mit Echtzeit-Datenanalytik und Apache Flink
Daten in Amazon OpenSearch suchen und analysieren mithilfe von SQL
So erstellen Sie ein ChatGPT-gestütztes KI-Tool, um technische Dinge schnell zu lernen
So erstellen Sie eine Aktienkursprognose, ohne eine einzige Codezeile zu schreiben
Ihre eigene Wissensdatenbank mit mehrsprachigen Fragen und Antworten aufbauen, unterstützt von generativer KI
Erste Schritte mit Amazon SageMaker Data Wrangler Image Preparation
Ihre eigene Empfehlungs-Engine für einen Streaming-Plattformklon in AWS erstellen: Eine Full-Stack-Serie
Videos
Erstellen einer Bildergalerie-App mit React, AWS Amplify und Amazon CodeWhisperer
Entdecken Sie die Leistungsfähigkeit von CodeWhisperer, Ihrem KI-Programmierbegleiter, während wir Sie durch den Prozess der Erstellung einer dynamischen Bildergalerie-App mit React und AWS Amplify führen. Nehmen Sie an diesem umfassenden Tutorial teil, um die Kunst der App-Entwicklung mit modernster KI-Unterstützung zu meistern.
So holen Sie das Beste aus Amazon CodeWhisperer heraus
Erfahren Sie, wie Sie die Produktivität mithilfe von Amazon CodeWhisperer, dem KI-Programmierbegleiter von AWS, maximieren können. Von der Erstellung prägnanter Entwicklerkommentare bis hin zur Verwendung intuitiver Namen für Codeelemente gibt Brooke Expertenratschläge, die Ihnen helfen, sich zurechtzufinden und die Möglichkeiten von CodeWhisperer zu nutzen
Einen Datensatz durch Datenaufbereitung und -exploration erkunden (Teil 1)
Entdecken Sie die wichtigsten Schritte zur Bewältigung der Herausforderung, unsere Empfehlungs-Engine-Modelle in unsere Full-Stack-Streaming-Plattform zu integrieren, indem Sie sich auf die Datenaufbereitung und -exploration konzentrieren.
Ein benutzerdefiniertes Skalierungs- und Kmeans-Clustermodell mit Amazon SageMaker trainieren und erstellen (Teil 2)
In Sitzung 2 unserer Full-Stack-Serie „Ihre eigene Streaming-Plattform mit einer Empfehlungs-Engine in AWS erstellen“ befassen wir uns mit der Erkenntnis, dass es nicht ausreicht, Modelle für Machine Learning isoliert zu erstellen. Wir trainieren und erstellen ein benutzerdefiniertes Skalierungsmodell, um genaue Vergleiche unserer aufbereiteten Filmdatenfeatures sicherzustellen.
Eine robuste API mit dem Open-Source-Chalice-Framework erstellen (Teil 3)
Machen Sie den letzten Schritt in unserer Full-Stack-Serie „Ihre eigene Streaming-Plattform mit einer Empfehlungs-Engine in AWS erstellen“ und verwandeln Sie Ihre Modelle in praktische Anwendungen. In Sitzung 3 tauchen wir ein in die Welt der Entwicklung von APIs und erschließen das Potenzial, Ihren Benutzern personalisierte Filmempfehlungen zu geben.
AWS-Datenbanken: Anwendungsfälle und Optimierungen
Es ist keine Neuigkeit, dass AWS verschiedene Datenbanken anbietet. Das ist zwar eine gute Sache, weil es Optionen für unterschiedliche Anwendungsfälle bietet, aber manchmal ist es schwierig, eine Wahl zu treffen, weil Ihre Entscheidung gründliche Überlegungen darüber erfordert, wie jeder Fall mit seinen Optimierungen übereinstimmt.
Vorhersagen von Aktienkursen mit KI und OHNE CODE!
Fangen Sie an, mit künstlicher Intelligenz und Machine Learning zu entwickeln, ohne eine einzige Codezeile zu schreiben! Tauchen Sie ein in diese spannende Videoserie, in der wir die Möglichkeit untersuchen, Börsenkurse ohne Code vorherzusagen!
Blogs und Konzeptartikel
Skalieren Ihrer Anwendung: Datenmuster für Zuverlässigkeit und Flexibilität
Automatisches Skalieren von Amazon-Kinesis-Data-Streams-Anwendungen in Kubernetes
Mein Ereignis ist dringender als Ihres: Priorisieren der Ereignisverarbeitung mit Apache Kafka
Rationalisieren der Datenbankmigration: Die Geheimnisse für das mühelose Verschieben Ihrer Daten zwischen Plattformen
Verwenden von Amazon SageMaker zur Optimierung der Kompilierung und des Trainings für Open-Source-GPT-2-Modelle
All die Dinge, die Comprehend, Rekognition, Textract, Polly, Transcribe und andere tun
Erstellen eines AWS-Well-Architected-Chatbots mit ChatGPT
Erstellen einer ML-gestützten Serverless-Verbraucherwebsite
Schnelle Bereitstellung von vortrainierten Modellen – Der reine Code-Ansatz
Ihren eigenen Machine-Learning-Code zu AWS bringen
SageMaker-Pipelines mithilfe von AWS-SDKs erstellen und ausführen
Bessere Entscheidungsfindung mit k-Nearest Neighbors mithilfe von Amazon SageMaker
Eine sanfte Einführung in die Transformer-Architektur und die Bedeutung für generative KI
Lernen, vernetzen und entwickeln mit Community.aws
Entdecken Sie Online- und lokale AWS-Communitys und treten Sie ihnen bei, vernetzen Sie sich mit anderen und tauschen Sie sich über Neuigkeiten und Inhalte zum Thema Cloud-Computing aus. Finden Sie Ihre Community und teilen Sie Ihre Erfahrungen in der Cloud-Community, die von Entwicklern für Entwickler erstellt wurde.