Aktualisierte Deep-Learning-Container für SageMaker Debugger und Tensorflow Server

Für AWS Deep Learning Containers sind ab sofort Fehlerkorrekturen für die Integration von SageMaker in Tensorflow Server und die neuste Version von SageMaker Debugger verfügbar. Sie können die neuen Versionen von Deep Learning Containers in Amazon SageMaker, Amazon Elastic Kubernetes Service (Amazon EKS), in selbstverwalteten Kubernetes-Instances in Amazon EC2 und Amazon Elastic Container Service (Amazon ECS) starten. Eine vollständige Liste der von AWS Deep Learning Containers unterstützten Frameworks und Versionen finden Sie in den Versionshinweisen. 
Quelle: aws.amazon.com

Ankündigung des Exports von Snapshots aus Amazon Relational Database Service (RDS) Snapshot Export zu S3

Sie können jetzt Snapshots aus Amazon Relational Database Service (Amazon RDS) oder Amazon Aurora als Apache Parquet – ein effizientes offenes Spaltenspeicherformat für Analysen – nach Amazon S3 exportieren. Das Parquet-Format wird bis zu 2x schneller exportiert und verbraucht in Amazon S3 bis zu 6x weniger Speicherplatz als Textformate. Sie können die exportierten Daten mit anderen AWS-Services wie Amazon Athena, Amazon EMR und Amazon SageMaker analysieren.
Quelle: aws.amazon.com

Metriken zum Abfragevolumen jetzt für Amazon Route 53 Resolver-Endpunkte verfügbar

Mit Amazon CloudWatch können Sie jetzt Metriken zum Abfragevolumen für Amazon Route 53 Resolver-Endpunkte anzeigen, einschließlich der Gesamtanzahl der Abfragen, die von einem ausgehenden Resolver-Endpunkt verarbeitet werden. Diese aggregierte Metrik kombiniert die Anzahl von Abfragen aller Konten, die gemeinsame Regeln für die bedingte Weiterleitung verwenden und die dem ausgehenden Resolver-Endpunkt zugeordnet sind. Außerdem können Sie Metriken zum Abfragevolumen für jede IP-Adresse anzeigen, die einem eingehenden oder ausgehenden Resolver-Endpunkt zugeordnet ist. So erhalten Sie einen noch differenzierteren Überblick darüber, wie der Abfragedatenverkehr zwischen den IP-Adressen fließt, die einem bestimmten Resolver-Endpunkt zugeordnet sind. Mit diesen Metriken sehen Sie auf einen Blick die Aktivitätsebene für eingehende und ausgehende Abfragen, die an Ihre lokalen Netzwerke gehen und von dort kommen. 
Quelle: aws.amazon.com

Amazon Personalize jetzt in der Region Asien-Pazifik (Seoul) verfügbar

Amazon Personalize ist ab sofort in der Region Asien-Pazifik (Seoul) verfügbar. Amazon Personalize ist ein Machine Learning-Service, mit dem Websites, Anwendungen, Anzeigen, E-Mails und mehr personalisiert werden können. Dazu werden benutzerdefinierte Machine-Learning-Modelle verwendet, die ohne vorherige Machine-Learning-Kenntnisse in Amazon Personalize erstellt werden können.  
Quelle: aws.amazon.com