Publicado: Nov 26, 2019
Agora você pode usar o Amazon Aurora para adicionar predições baseadas em machine learning (ML) aos seus aplicativos, basta usar a integração simples, segura e otimizada com Amazon SageMaker e Amazon Comprehend. O machine learning do Aurora é baseado na familiar linguagem de programação SQL, então você não precisa criar integrações personalizadas, aprender a usar ferramentas separadas ou ter experiência com machine learning.
Como o Aurora faz chamadas diretas ao SageMaker e ao Comprehend sem passar pela camada do aplicativo, o machine learning do Aurora é ideal para casos de uso de baixa latência em tempo real, em que é necessário gerar predições rapidamente usando um grande volume de dados. Alguns exemplos são detecção de fraudes, segmentação de anúncios e recomendação de produtos. Você pode usar qualquer modelo de ML disponível no SageMaker ou executar análises de sentimento usando o Comprehend.
Não há cobranças adicionais além do preço dos serviços da AWS que você está usando. O machine learning do Aurora está disponível para o Amazon Aurora compatível com MySQL 5.7; a integração com o SageMaker já está disponível, enquanto a integração com o Comprehend está em fase de prévia. Para começar a usar, basta atualizar para a última versão do Aurora e conceder ao seu cluster do Aurora acesso ao SageMaker ou Comprehend no Console de Gerenciamento do Amazon RDS. Leia nosso blog, a página em destaque do ML do Aurora e a documentação do Aurora para saber mais.
O Amazon Aurora combina a performance e a disponibilidade dos bancos de dados comerciais avançados com a simplicidade e a economia dos bancos de dados de código aberto. Com uma performance até cinco vezes maior que o banco de dados MySQL típico e até três vezes maior que o banco de dados PostgreSQL típico, o Amazon Aurora também proporciona mais escalabilidade, resiliência e segurança. Para mais informações, acesse a página de produto do Amazon Aurora e consulte a tabela de regiões da AWS para saber as regiões disponíveis.