AWS CloudTrail unterstützt jetzt die Protokollierung von Datenereignissen für direkte Amazon-EBS-APIs

AWS CloudTrail unterstützt jetzt die Protokollierung von Datenereignissen für direkte Amazon-EBS-APIs, anhand derer Kunden erkennen können, wann Benutzer in ihrem AWS-Konto über die APIs ListSnapshotBlocks, ListChangedBlocks, GetSnapshotBlock oder PutSnapshotBlock auf ihre Amazon-EBS-Schnappschüsse zugreifen. Diese Datenereignisse werden an einen Amazon-S3-Bucket und Amazon CloudWatch Events übermittelt und helfen den Sicherheits- und Betriebsteams der Kunden bei der Erkennung unbefugter Zugriffe und der Ergreifung sofortiger Maßnahmen. Bisher konnten Kunden anhand von in AWS CloudTrail protokollierten Verwaltungsereignissen feststellen, wann EBS-Schnappschüsse erstellt, kopiert oder mit anderen AWS-Konten geteilt wurden. Dank dieser neuen Funktion können Kunden auch feststellen, wann Benutzer in ihrem AWS-Konto über direkte EBS-APIs auf Amazon-EBS-Schnappschüsse auf Blockebene zugreifen.
Quelle: aws.amazon.com

Neue Integrationen von Amazon SageMaker Pipelines mit gängigen Tools von Drittanbietern

Amazon SageMaker Pipelines ist der erste speziell entwickelte Service für kontinuierliche Integration und kontinuierliche Bereitstellung für maschinelles Lernen (ML). Er ist jetzt mit beliebten Quellcode-Repositories von Drittanbietern wie GitHub und BitBucket sowie dem Automatisierungstool für Softwareentwicklung Jenkins integriert. Die Kunden können nun dieselben Tools, die sie für die Verwaltung des Softwareentwicklungslebenszyklus verwenden, auch für die Erstellung und Bereitstellung von ML-Modellen nutzen. Somit müssen keine neuen Tools für die Verwaltung des ML-Lebenszyklus eingeführt und die ML-Projekte nicht beschleunigt werden.
Quelle: aws.amazon.com

Neuer Kurs verfügbar: MLOps Engineering auf AWS

Wir freuen uns, den Start von MLOps Engineering auf AWS bekannt zu geben, einem dreitägigen Präsenztraining von AWS Training and Certification. Mit diesem Kurs können ML-Datenplattformingenieure, DevOps-Ingenieure und Entwickler/Betriebsmitarbeiter, die für die Operationalisierung von ML-Modellen verantwortlich sind, DevOps-ähnliche Praktiken bei der Erstellung, dem Training und der Bereitstellung von ML-Modellen anwenden. 
Quelle: aws.amazon.com