da Agency

AWS Service Catalog kündigt Unterstützung für Attribute Based Access Control (ABAC) an

Amazon Web Services (AWS) Service Catalog unterstützt jetzt Attributed Based Access Controls (ABAC), wodurch Kunden Tags verwenden können, um leicht Zugänge und Berechtigungen für AWS-Ressourcen in Service Catalog zu verwalten. Jetzt haben Service Catalog-Administratoren die Möglichkeit, ihre Richtlinien in AWS Identity and Access Management (IAM) für Zugriff und feiner definierte Berechtigungen basierend auf Tags zu definieren, die zwischen AWS-Ressourcen und IAM-Benutzern oder -Rollen geteilt werden. Zum Beispiel kann einer IAM-Entität (z. B. einem Benutzer oder einer Rolle) basierend auf übereinstimmenden Tags die Erstellung von Ressourcen in ihrem Service Catalog-Konto gestattet oder verwehrt werden.
Quelle: aws.amazon.com

da Agency

Amazon QuickSight bietet jetzt einen Drag-Controller für Zeilen und Spalten in Tabellen und Pivot-Tabellen

Amazon QuickSight bietet nun sowohl Autoren als auch Lesern die Möglichkeit, den Drag-Controller für Tabellen und Pivot-Tabellen zu verwenden. Autoren und Leser können die Spaltenbreite einfach ändern, indem sie aus einer Zelle heraus, von einem Zeilenkopf oder von einem Spaltenkopf aus ziehen, im Falle einer Pivot-Tabelle sowohl auf der übergeordneten Ebene als auch auf Blattebene.
Quelle: aws.amazon.com

da Agency

Amazon SageMaker Data Wrangler ermöglicht jetzt das Modell-Training mit Amazon SageMaker Autopilot

Ab heute können Sie SageMaker Autopilot über SageMaker Data Wrangler aufrufen, um Machine-Learning-Modelle automatisch zu trainieren, abzustimmen und zu erstellen. SageMaker Data Wrangler reduziert den Zeitaufwand für die Zusammenführung und Vorbereitung von Daten für Machine Learning (ML) von Wochen auf Minuten. SageMaker Autopilot erstellt, trainiert und optimiert automatisch die besten Modelle für Machine Learning basierend auf Ihren Daten und ermöglicht Ihnen gleichzeitig die vollständige Kontrolle und Sichtbarkeit. Zuvor verwendeten Kunden Data Wrangler zur Vorbereitung der Daten für Machine Learning und Autopilot für das Trainieren von Machine-Learning-Modellen unabhängig voneinander. Mit dieser einheitlichen Erfahrung können Sie jetzt Ihre Daten in SageMaker Data Wrangler vorbereiten und sie leicht zum Modell-Training nach SageMaker Autopilot exportieren. In nur wenigen Klicks können Sie automatisch Machine-Learning-Modelle erstellen, trainieren und abstimmen, wodurch Sie automatisch moderne Engineering-Techniken verwenden, hochwertige Machine-Learning-Modelle trainieren und schneller Erkenntnisse aus Ihren Daten ziehen können. 
Quelle: aws.amazon.com

da Agency

Amazon Aurora unterstützt die PostgreSQL-Versionen 13.7, 12.11, 11.16 und 10.21 sowie aktualisierte Erweiterungen

Nach der Ankündigung von Updates für die PostgreSQL-Datenbank durch die Open-Source-Community haben wir die Amazon-Aurora-PostgreSQL-kompatible Edition aktualisiert, um PostgreSQL 13.7, 12.11, 11.16 und 10.21 zu unterstützen. Diese Releases enthalten Fehlerbehebungen und Verbesserungen durch die PostgreSQL-Community. Lesen Sie die Aurora-Versionsrichtlinie, um zu entscheiden, wie oft Sie ein Upgrade durchführen und wie Sie Ihren Upgrade-Prozess planen.
Quelle: aws.amazon.com

da Agency

Amazon SageMaker Experiments unterstützt jetzt gebräuchliche Diagrammtypen zur Veranschaulichung der Ergebnisse des Modell-Trainings

SageMaker Experiments unterstützt jetzt fein abgestufte Metriken und Graphen, mit denen Sie die Ergebnisse von auf SageMaker ausgeführten Training-Jobs besser verstehen können. Amazon SageMaker Experiments ist eine Funktion von Amazon SageMaker, die das Sortieren, Nachverfolgen, Vergleichen und Evaluieren von Machine Learning (ML)-Experimenten ermöglicht. Mit diesem Launch können Sie nun Precision- und Recall-Kurven (PR), Receiver-Operating-Characteristics-Kurven (ROC) und die Konfusionsmatrix anzeigen. Sie können mit diesen Kurven falsche Positive/Negative sowie Kompromisse zwischen Leistung und Genauigkeit von auf SageMaker trainierten Modellen nachvollziehen. Außerdem können Sie besser mehrere Trainingsläufe vergleichen und das beste Modell für Ihren Anwendungsfall finden.
Quelle: aws.amazon.com

da Agency

Incident Manager von AWS Systems Manager optimiert ab sofort die Reaktionen auf ServiceNow-Vorfälle

Ab heute können Kunden, die ServiceNow verwenden, mit AWS Systems Manager Incident Manager und dem AWS Service Management Connector auf Vorfälle reagieren, die ihre von AWS gehosteten Anwendungen betreffen, sowie diese Vorfälle untersuchen und beheben. AWS Systems Manager ist die Betriebszentrale für AWS-Anwendungen und -Ressourcen, die dabei unterstützt, reaktive Vorgänge zu automatisieren um betriebliche Probleme schnell zu diagnostizieren und zu beheben. Mit der Incident Manager-Integration in ServiceNow können Kunden jetzt ihre Vorfallsreaktionspläne in AWS Systems Manager automatisieren und ihre Vorfälle automatisch mit ServiceNow synchronisieren. Diese Funktion ermöglicht eine schnellere Lösung von kritischen Problemen bei der Anwendungsverfügbarkeit und -leistung, ohne die bestehenden Arbeitsabläufe in ServiceNow zu unterbrechen. Der AWS Service Management Connector lässt sich auch in AWS Systems Manager OpsCenter integrieren, um Betriebsstörungen im Zusammenhang mit Ihren AWS-Ressourcen anzuzeigen, zu analysieren und zu beheben.
Quelle: aws.amazon.com