da Agency

Amazon RDS for Oracle und Amazon RDS for PostgreSQL unterstützen jetzt regionsübergreifende, verschlüsselte, automatisierte Amazon-RDS-Sicherungen

Ab heute unterstützen Amazon Relational Database Service (RDS) for Oracle und Amazon RDS für PostgreSQL regionsübergreifende, verschlüsselte, automatisierte Amazon-RDS-Sicherungen Diese Funktion erweitert die vorhandene RDS-Sicherungsfunktion und bietet Ihnen die Möglichkeit, die automatische Replikation von System-Snapshots und Transaktionsprotokollen von einer primären AWS-Region zu einer sekundären AWS-Region einzurichten. Diese Sicherungen werden mithilfe eines AWS-KMS-Kundenhauptschlüssels in der Zielregion verschlüsselt.
Quelle: aws.amazon.com

da Agency

Amazon DynamoDB local unterstützt jetzt das AWS SDK für Java 2.x

Sie können jetzt das AWS SDK für Java 2.x mit DynamoDB local verwenden, der herunterladbaren Version von Amazon DynamoDB. Mit DynamoDB local können Sie Anwendungen entwickeln und testen, indem Sie eine Version von DynamoDB verwenden, die in Ihrer lokalen Entwicklungsumgebung läuft, ohne dass zusätzliche Kosten anfallen. Für DynamoDB Local ist keine Internetverbindung erforderlich, und es kann mit Ihren bestehenden DynamoDB API-Aufrufen verwendet werden.
Um mehr über das AWS SDK für Java 2.x zu erfahren, lesen Sie die Informationen zum offiziellen AWS SDK for Java, Version 2 auf GitHub. Weitere Informationen zu DynamoDB Local finden Sie unter Einrichten von DynamoDB Local (herunterladbare Version).
Quelle: aws.amazon.com

da Agency

Amazon Redshift kündigt Unterstützung für hierarchische Datenabfragen mit rekursiver CTE an

Amazon Redshift, ein vollständig verwaltetes Cloud-Data-Warehouse, bietet jetzt Unterstützung für rekursive Common Table Expression (CTE). Ab heute können Sie eine rekursive CTE auf Ihrem Redshift-Cluster verwenden, um hierarchische Daten abzufragen, z. B. Organigramme, in denen Mitarbeiter an andere Mitarbeiter (Manager) berichten, oder mehrstufige Produktbestellungen, bei denen ein Produkt aus vielen Komponenten besteht, die wiederum aus anderen Komponenten bestehen.
Quelle: aws.amazon.com

da Agency

Ungenutzte Ressourcen in Amazon Forecast durch hierarchisches Löschen einfach bereinigen

Wir freuen uns, Ihnen mitteilen zu können, dass Sie jetzt Ressourcen in Amazon Forecast hierarchisch auf einer übergeordneten Ebene löschen können, ohne die untergeordneten Ressourcen suchen zu müssen. Sie können sich auf den Aufbau von wertschöpfenden Prognosesystemen konzentrieren und müssen sich nicht um die Verwaltung einzelner Ressourcen kümmern, die in Ihrem Workflow erstellt werden. Amazon Forecast verwendet Machine Learning (ML), um genaue Bedarfsprognosen zu generieren, ohne dass vorherige ML-Erfahrung erforderlich ist. Amazon Forecast stellt Entwicklern dieselbe Technologie, die bei Amazon.com verwendet wird, als vollständig verwalteten Service zur Verfügung, so dass Sie keine Ressourcen verwalten oder Ihre Systeme neu aufbauen müssen.
Quelle: aws.amazon.com

da Agency

Amazon CloudFront kündigt CloudFront Functions an, eine leichtgewichtige Edge-Computing-Funktion

Amazon CloudFront kündigt die allgemeine Verfügbarkeit von CloudFront Functions an, einer neuen serverlosen Edge-Berechnungsfunktion. Sie können diese neue CloudFront-Funktion verwenden, um JavaScript-Funktionen über 225+ CloudFront-Edge-Standorte in 90 Städten in 47 Ländern auszuführen. CloudFront Functions wurde für benutzerfreundliche HTTP(S)-Transformationen und -Manipulationen entwickelt, mit denen Sie Ihren Kunden reichhaltigere, personalisierte Inhalte mit geringer Latenz zur Verfügung stellen können.
Quelle: aws.amazon.com

da Agency

Einführung von Amazon FinSpace, einem vollständig verwalteten Service zum Speichern, Aufbereiten und Analysieren von Daten für die Finanzdienstleistungsbranche (FSI)

Amazon FinSpace ist ein neuer, vollständig verwalteter Datenmanagement- und Analyseservice, der die Speicherung, Katalogisierung und Aufbereitung von Daten aus der Finanzbranche im großen Maßstab vereinfacht und die Zeit, die Kunden aus der Finanzdienstleistungsbranche (FSI) benötigen, um alle Arten von Finanzdaten zu finden und für Analysen abzurufen, von Monaten auf Minuten reduziert.  
Quelle: aws.amazon.com

da Agency

AWS Organizations führt neue Konsolenerfahrung ein

AWS Organizations bietet jetzt eine neue Konsolenerfahrung, welche Ihnen eine intuitivere Möglichkeit bietet, Ihre Multi-Account-Umgebung auf AWS zu verwalten. Sie können jetzt einfacher durch Ihre Organisationseinheiten-Hierarchie navigieren und AWS-Kontoverwaltungsaufgaben auf rationalisierte Weise durchführen. Die aktualisierte Schnittstelle bietet Ihnen außerdem einen einfachen Zugriff auf Dokumentation, Produktinformationen und Ressourcen, die Sie bei der Verwaltung Ihrer Multi-Account-Umgebung unterstützen.
Quelle: aws.amazon.com

da Agency

Amazon SageMaker Automatic Model Tuning unterstützt jetzt ein bis zu 10-mal schnelleres Tuning und ermöglicht die Untersuchung von bis zu 20-mal mehr Modellen

Amazon SageMaker Automatic Model Tuning ermöglicht es, die beste Version eines Modells zu finden, indem der optimale Satz von Hyperparametern für Ihren Datensatz ermittelt wird. Ab heute unterstützt SageMaker Automatic Model Tuning jetzt die Ausführung von bis zu 100 parallelen Trainingsaufgaben für die Hyperparameter-Tuning, was Ihnen eine 10-fache Steigerung der parallelen Trainingsaufgaben ermöglicht, so dass Sie Ihr Tuning schneller abschließen können. Zusätzlich unterstützt SageMaker Automatic Model Tuning für die Suchstrategie "Random" jetzt die Durchsuchung von bis zu 10.000 Hyperparameterkonfigurationen, was eine 20-fache Steigerung gegenüber der vorherigen Grenze von 500 darstellt und es Ihnen ermöglicht, die Abdeckung des Suchraums zu verbessern, was zu einer potenziell besseren Prognoseleistung Ihres Modells führt.
Quelle: aws.amazon.com

da Agency

Schnellere und einfachere Vorbereitung von Daten für Machine Learning auf Amazon SageMaker Data Wrangler mit Support für mehr Datenquellen und verteilte Aufträge

Amazon SageMaker Data Wrangler reduziert den Zeitaufwand für die Zusammenführung und Vorbereitung von Daten für maschinelles Lernen (ML) von Wochen auf Minuten. Mit SageMaker Data Wrangler können Sie den Prozess der Datenaufbereitung und des Merkmal-Engineerings vereinfachen, und jeden Schritt des Datenaufbereitungs-Arbeitsprozess, einschließlich der Datenauswahl, -bereinigung, -erkundung und -visualisierung, über eine einzige visuelle Oberfläche abschließen. Ab heute können Sie neue Funktionen von Amazon SageMaker Data Wrangler nutzen, welche die Vorbereitung von Daten für Machine Learning vereinfachen und beschleunigen, darunter: kontoübergreifender Zugriff auf Amazon S3, Support für bis zu 1000 Datenspalten, verteilte Aufträge und ein neues SageMaker Data Wrangler Notebook-Erlebnis.
Quelle: aws.amazon.com