Amazon SageMaker Pipelines, ein vollständig verwalteter Service, der es Kunden ermöglicht, ihre Modellentwicklungsschritte als Workflows zu definieren und zu orchestrieren, erlaubt es Kunden jetzt, die Anzahl der parallel ausführbaren Schritte zu begrenzen.
Quelle: aws.amazon.com
Sie können jetzt die Einstellung Amazon S3 Object Ownership, Bucket-Eigentümer erzwungen, verwenden, um Zugriffskontrolllisten (ACLs) in den Regionen AWS China (Peking), AWS China (Ningxia) und AWS GovCloud (US) zu deaktivieren und damit die Zugriffsverwaltung für in S3 gespeicherte Daten zu vereinfachen. Wenn Sie diese Einstellung auf Bucket-Ebene anwenden, gehört jedes Objekt in einem S3-Bucket dem Bucket-Eigentümer, und ACLs werden nicht mehr für die Vergabe von Berechtigungen verwendet. So basiert der Zugriff auf Ihre Daten auf Richtlinien, einschließlich AWS Identity und Access Management (IAM)-Richtlinien, die auf IAM-Identitäten angewendet werden, Sitzungsrichtlinien, Amazon-S3-Bucket- und Zugangspunktrichtlinien sowie Virtual Private Cloud (VPC)-Endpunktrichtlinien. Diese Einstellung gilt sowohl für neue als auch für vorhandene Objekte in einem Bucket und Sie können den Zugriff auf diese Einstellung mithilfe von IAM-Richtlinien steuern. Mit der neuen S3 Object Ownership-Einstellung können Sie den Zugriff auf Ihre gemeinsam genutzten Datensätze in Amazon S3 leicht überprüfen, verwalten und ändern, indem Sie nur Richtlinien verwenden.
Quelle: aws.amazon.com
Wir kündigen die Unterstützung der Verwendung von Apache Spark SQL zur Aktualisierung von Glue Data Catalog-Tabellen bei Verwendung der Amazon EMR-Integration mit AWS Lake Formation an.
Quelle: aws.amazon.com
Wir freuen uns, Ihnen mitzuteilen, dass Amazon EMR 6.5.0 ab sofort Apache Iceberg Version 0.12 umfasst. Apache Iceberg ist ein Open-Source-Tabellenformat für große Datensätze in Amazon S3. Es bietet eine schnelle Abfrageleistung bei großen Tabellen, atomaren Commits, gleichzeitigen Schreibvorgängen und SQL-kompatiblen Tabellenentwicklungen. Mit der aktuellen Version können Sie Apache Spark 3.1.2 auf EMR-Clustern mit dem Iceberg-Tabellenformat verwenden.
Quelle: aws.amazon.com
AWS Migration Hub Strategy Recommendations kann Babelfish für Aurora PostgreSQL Kunden empfehlen, die ihre Microsoft-SQL-Server-Anwendungen ohne oder mit geringfügigen Code-Änderungen zu PostgreSQL migrieren oder einen Plattformwechsel durchführen möchten.
Quelle: aws.amazon.com
Mit Amazon FinSpace verwaltete Spark-Cluster unterstützen jetzt Apache Spark 3.1.2. Apache Spark 3 verfügt über Optimierungsfunktionen für Abfragen, wie die dynamische Partitionsbereinigung zur Optimierung von Verknüpfungen wie die Verknüpfung einer großen Faktentabelle für Geschäfte mit einer kleineren Dimensionstabelle mit Ausführungszentren. Darüber hinaus enthält die Version Änderungen für eine verbesserte Kompatibilität mit dem ANSI-SQL-Standard sowie 30 neue integrierte Funktionen. FinSpace-Spark-Cluster machen es für Analysten zum Kinderspiel, Cluster zu starten, zu verbinden, ihre Größe zu ändern oder sie zu beenden. FinSpace-Spark-Cluster sind in fünf verschiedenen Größen verfügbar. Sie können also die für Ihre Workload passende Konfiguration auswählen. Die Cluster umfassen außerdem eine Bibliothek für Zeitreihenanalysen, um Zeitreihendaten zu historischen Finanzdaten auf Petabyte-Ebene vorzubereiten und zu analysieren.
Quelle: aws.amazon.com
Heute geben wir die Verfügbarkeit von Red Hat OpenShift Service on AWS (ROSA) in der Region Asien-Pazifik (Osaka) bekannt.
Quelle: aws.amazon.com
Ab heute können AWS-Kunden ED25519-Schlüssel verwenden, um ihre Identität nachzuweisen, wenn sie sich über EC2 Instance Connect und EC2 Serial Console über die Befehlszeilenschnittstelle mit EC2-Instances verbinden.
Quelle: aws.amazon.com
Im Folgenden finden Sie 19 neue oder aktualisierte Datensätze von Meta, der brasilianischen Weltraumbehörde, dem Radboud University Medical Center und anderen, die im Register für Open Data in den folgenden Kategorien verfügbar sind.
Quelle: aws.amazon.com
Content-Moderation mit Amazon Rekognition ist eine auf Deep Learning basierende Funktion, die unangemessene, unerwünschte oder anstößige Bilder und Videos erkennt und so das Auffinden und Entfernen solcher Inhalte in großem Umfang erleichtert. Amazon Rekognition bietet eine detaillierte Taxonomie mit 35 Unterkategorien und 10 verschiedenen Top-Level-Moderationskategorien. Am 11.05.2021 haben wir ein Update mit einem verbesserten Modell für die Bildmoderation eingeführt, das die Falsch-Positiv-Raten in allen Moderationskategorien, insbesondere bei „expliziter Nacktheit“, reduziert, ohne die Erkennungsraten für wirklich unsichere Inhalte zu verringern. Niedrigere Falsch-positiv-Raten bedeuten weniger gemeldete Bilder, die genauer überprüft werden müssen. Sie sorgen also für Kosteneinsparungen und für eine höhere Mitarbeitereffizienz für Moderatoren.
Quelle: aws.amazon.com
