AWS 上的資料和機器學習
透過資料工程、DataOps 和機器學習釋放資料的強大力量
資料和機器學習
無論您是希望了解基礎知識的初學者，還是尋求進階知識的經驗豐富的專業人士，此資料和機器學習資源集合都能提供掌握資料工程、DataOps 和 ML 奧妙所需的工具。
教學
使用 Apache Kafka 和 Go 將資料擷取至 Amazon OpenSearch
使用即時資料分析和 Apache Flink 支援 SQL 開發人員
利用生成式 AI 支援的多語言問答來建置您自己的知識庫
開始使用 Amazon SageMaker Data Wrangler 影像準備
為 AWS 上的串流平台複製建立您自己的推薦引擎：完整堆疊系列
影片
使用 React、AWS Amplify 和 Amazon CodeWhisperer 建立影像庫應用程式
在我們引導您完成使用 React 和 AWS Amplify 建立動態影像庫應用程式的過程中，探索您的 AI 編碼輔助工具 CodeWhisperer 的強大功能。與我們一起參與這個全面的教學，掌握頂尖 AI 加持下的應用程式開發藝術。
如何充分利用 Amazon CodeWhisperer
了解如何使用 AWS 的 AI 編碼輔助工具 Amazon CodeWhisperer 來最大化生產力。從製作簡潔的開發人員註解到為程式碼元素使用直觀的名稱，Brooke 分享專家建議，幫助您導航並運用 CodeWhisperer 的強大功能
透過資料準備和探索來探索資料集 (第 1 部分)
探索關鍵步驟，透過關注資料準備和探索來對抗將我們的推薦引擎模型與完整堆疊串流平台整合的挑戰。
使用 Amazon SageMaker 訓練和建置自訂擴展與 Kmean 叢集模型 (第 2 部分)
在我們的完整堆疊系列「使用 AWS 上的推薦引擎建置您自己的串流平台」的專題講座 2 中，我們建立了以下認知：建置孤立的機器學習模型還遠遠不夠。我們需要訓練並建置自訂擴展模型，從而確保對我們龐雜的電影資料功能進行準確比較。
使用開放原始碼 Chalice 架構建置強大的 API (第 3 部分)
執行我們的完整堆疊系列「使用 AWS 上的推薦引擎建置您自己的串流平台」中的最後一步，並將您的模型轉換為實用的應用程式。在專題講座 3 中，我們深入了解了建置 API、釋放潛力為您的使用者提供個人化電影推薦的全過程。
AWS 資料庫：使用案例和最佳化
AWS 提供了不同的資料庫，這並非新鮮事。這是一件好事，因為它為不同的使用案例提供了選項，但有時很難選擇，因為您的決定需要深入考量每個案例如何與其最佳化配對。
使用 AI，無需程式碼便可預測股票價格！
開始使用人工智慧和機器學習，無需編寫一行程式碼便可建置應用程式！ 深入了解這個令人興奮的影片系列，探索無需程式碼便可預測股市價格的可能性！
部落格和概念文章
自動擴展 Kubernetes 上的 Amazon Kinesis Data Streams 應用程式
我的活動比您的更緊急：使用 Apache Kafka 排定事件處理優先順序
使用 Amazon SageMaker 最佳化開放原始碼 GPT-2 模型的匯集和訓練
全面認識“Comprehend”、“Rekognition”、“Textract”、“Polly”、“Transcribe”和其他所有操作
透過 Community.aws 了解、聯繫並建置社區
探索並加入線上和本地 AWS 社群、與其他人聯繫，並分享和討論雲端運算新聞與內容。在由開發人員為開發人員建立的雲端社群找到您的社群並分享您的經驗。