Inserito il: Nov 26, 2019
Puoi ora usare Amazon Aurora per aggiungere previsioni basate su machine learning (ML) alle applicazioni usando una semplice, ottimizzata e sicura integrazione con Amazon SageMaker e Amazon Comprehend. Il machine learning di Aurora si basa sul familiare linguaggio di programmazione SQL, quindi non c'è bisogno di costruire integrazioni personalizzate, spostare dati, apprendere strumenti separati o avere precedenti esperienze con il machine learning.
Visto che Aurora effettua chiamate dirette a SageMaker e Comprehend che non passano per il livello applicazione, il machine learning di Aurora è adatto a casi d'uso a bassa latenza e in tempo reale quali rilevamento di frode, annunci pubblicitari mirati e consigli di prodotti, nei quali le previsioni basate su machine learning devono essere effettuate rapidamente su grandi volumi di dati. Puoi usare qualsiasi modello di ML disponibile in SageMaker oppure puoi eseguire analisi delle emozioni usando Comprehend.
Non ci sono costi aggiuntivi oltre al prezzo dei servizi AWS che stai usando. Il machine learning di Aurora è disponibile per Amazon Aurora con compatibilità MySQL 5.7; l'integrazione SageMaker è disponibile al pubblico e l'integrazione Comprehend è in anteprima. Puoi iniziare in pochi clic effettuando l'upgrade alla versione più recente di Aurora e dando ai tuoi cluster Aurora accesso a SageMaker o Comprehend nella console di gestione Amazon RDS. Per ulteriori informazioni, visita il nostro blog, la pagina Aurora ML e la documentazione Aurora.
Amazon Aurora unisce le prestazioni e la disponibilità dei database commerciali di fascia alta con la semplicità e i costi ridotti dei database open source. Aurora fornisce prestazioni fino a cinque volte superiori rispetto a un comune database MySQL e fino a tre volte superiori rispetto a un comune database PostgreSQL, nonché maggiori scalabilità, durabilità e sicurezza. Per ulteriori informazioni consulta la pagina prodotto di Amazon Aurora e la tabella delle regioni AWS per conoscere la disponibilità geografica del prodotto.