da Agency

Amazon Comprehend launcht Modellkopie für benutzerdefiniertes Comprehend

Amazon Comprehend unterstützt jetzt die Modellkopierfunktion, die es Kunden ermöglicht, benutzerdefinierte Comprehend-Klassifizierungs- oder benutzerdefinierte Entitätserkennungsmodelle von einem AWS-Quellkonto in ein bestimmtes AWS-Zielkonto in derselben AWS-Region zu kopieren. Unternehmenskunden und AWS-Partner verwenden häufig mehrere AWS-Konten, die basierend auf Entwicklungsphasen (z. B. Entwicklung, Test, Staging, Bereitstellung), basierend auf einer Geschäftsfunktion (z. B. Datenwissenschaft, Engineering) oder einer Kombination aus beidem bereitgestellt werden. Bisher konnten benutzerdefinierte Comprehend-Modelle nur in dem AWS-Konto verwendet werden, in dem sie trainiert wurden. Dazu mussten Kunden ihren Trainingsdatensatz und ihre Anmerkungen in jedes AWS-Konto kopieren und ein separates Modell trainieren, was zeitaufwändig und teuer ist und die Bereitstellungsgeschwindigkeit insgesamt verringert.
Quelle: aws.amazon.com

da Agency

Das Erhalten personalisierter Erlebnisse mit Machine Learning fügt Unterstützung für Geschäftsdomänen und Benutzersegmentierung hinzu

AWS Solutions hat die Lösung Erhalten personalisierter Erlebnisse mit Machine Learning aktualisiert – eine AWS-Lösungsimplementierung, die End-to-End-Automatisierung und -Planung für Ihre Amazon-Personalize-Ressourcen bietet. Diese Lösung hält Ihre Artikel- und Benutzerdaten auf dem neuesten Stand und verwaltet das Retraining Ihrer Modelle, um sicherzustellen, dass die Empfehlungen immer auf dem neuesten Stand der Benutzer-Aktivitäten sind und ihre Relevanz für Ihre Benutzer beibehalten. Diese Lösung veröffentlicht Modell-Offline-Metriken zur Personalisierung auf Amazon CloudWatch, um im Lauf der Zeit eine richtungweisende Orientierung für die Qualität Ihrer Modelle zu liefern.  
Quelle: aws.amazon.com

da Agency

Bereiten Sie JSON- und ORC-Daten vor, balancieren und codieren Sie Datensätze und launchen Sie Datenverarbeitungsaufträge mit einem Klick mit Amazon SageMaker Data Wrangler

Amazon SageMaker Data Wrangler reduziert den Zeitaufwand für die Zusammenführung und Vorbereitung von Daten für Machine Learning (ML) von Wochen auf Minuten. Mit SageMaker Data Wrangler können Sie den Prozess der Datenvorbereitung und des Feature-Engineerings vereinfachen, und jeden Schritt des Datenvorbereitungs-Workflows, einschließlich der Datenauswahl, -Bereinigung, -Erkundung und -Visualisierung, über eine einzige visuelle Oberfläche abschließen. Mit dem Datenauswahl-Tool von SageMaker Data Wrangler können Sie schnell Daten aus mehreren Datenquellen wie Amazon S3, Amazon Athena, Amazon Redshift, AWS Lake Formation, Amazon SageMaker Feature Store und SnowFlake auswählen.
Quelle: aws.amazon.com

da Agency

Amazon MemoryDB for Redis unterstützt jetzt AWS PrivateLink

Sie können jetzt AWS PrivateLink verwenden, um privat auf Amazon MemoryDB for Redis von Ihrer Amazon Virtual Private Cloud (Amazon VPC) zuzugreifen. AWS PrivateLink bietet private Konnektivität zwischen VPCs, AWS-Services und Ihren On-Premises-Netzwerken, ohne Ihren Datenverkehr dem öffentlichen Internet auszusetzen und sichert dabei ihren Netzwerkverkehr. Die Amazon MemoryDB for Redis API unterstützt AWS PrivateLink in allen Regionen, in denen Amazon MemoryDB for Redis verfügbar ist. Eine vollständige Liste finden Sie unter Unterstützte Regionen.
Quelle: aws.amazon.com