da Agency

Amazon SageMaker Autopilot bietet jetzt die Auswahl von Eigenschaften und die Möglichkeit, Datentypen während der Erstellung eines AutoML-Experiments zu ändern

Amazon SageMaker Autopilot bietet jetzt die Möglichkeit, während der Erstellung eines AutoML-Experiments eine Eigenschaftenauswahl vorzunehmen und automatisch abgeleitete Datentypen zu ändern. So kannst du flexibel entscheiden, welche Funktionen du beim Training deiner Machine-Learning-Modelle (ML) berücksichtigen möchtest. SageMaker Autopilot erstellt, trainiert und optimiert automatisch die besten ML-Modelle basierend auf deinen Daten und ermöglicht dir gleichzeitig die vollständige Kontrolle und Sichtbarkeit. 
Quelle: aws.amazon.com

da Agency

AWS Copilot fügt Unterstützung für die privat zugänglichen Services von AWS App Runner und mehr hinzu

AWS hat heute die allgemeine Verfügbarkeit von AWS Copilot Version 1.23 mit Unterstützung für private AWS App Runner-Services angekündigt. App Runner erleichtert es Entwicklern, containerisierte Webanwendungen und APIs in großem Maßstab und ohne vorherige Infrastrukturerfahrung in kurzer Zeit in der Cloud bereitzustellen. App-Runner-Services sind standardmäßig öffentlich über das Internet zugänglich. Mit privaten Services kann der Netzwerkzugang zu Ihren internen Websites, APIs und Anwendungen auf den Ursprung innerhalb Ihrer Amazon VPC beschränkt werden.
Quelle: aws.amazon.com

da Agency

Der Datenschutz für Amazon SNS-Nachrichten ist jetzt allgemein verfügbar und ermöglicht die Schwärzung und Maskierung von Daten in Echtzeit

Amazon Simple Notification Service (Amazon SNS) hat vor kurzem die öffentliche Vorabversion des Nachrichtendatenschutzes eingeführt. Der Nachrichtendatenschutz von Amazon SNS bietet eine neue Reihe von Funktionen, die Musterabgleich, Machine-Learning-Modelle und Inhaltsrichtlinien nutzen, um Sicherheits- und Entwicklungsteams dabei zu helfen, den Echtzeit-Datenschutz in ihren Anwendungen zu erleichtern, die Amazon SNS für den Austausch großer Datenmengen nutzen. Mit dem Start der allgemeinen Verfügbarkeit können Sie nun Daten innerhalb eines Payloads einer Nachricht in Echtzeit durch Datenredaktion oder Maskierung anonymisieren.
Quelle: aws.amazon.com

da Agency

AWS WAF unterstützt jetzt Granular Geographic Match

Ab heute fügt die AWS-WAF-Anweisung zur geografischen Übereinstimmung jeder Anfrage Labels hinzu, um ISO 3166-Länder- und Regionencodes anzugeben. Die Kunden wünschten sich mehr Kontrolle über geografische Regionen innerhalb eines Landes, wie z. B. einen bestimmten Bundesstaat in den USA. Mit den aktualisierten Regeln für den geografische Abgleich können die Kunden den Zugang auf regionaler Ebene steuern. Die geografische Abgleichregel kennzeichnet nun automatisch eine Anfrage aus Texas, USA mit dem Label awswaf:clientip:geo:region:US-TX und eine Anfrage aus Queensland, Australien mit dem Label awswaf:clientip:geo:region:AU-QLD. Kunden können Regeln für den Labelabgleich hinzufügen, um regionale Labels zu erfassen und bestimmte Regionen zu blockieren, ohne das gesamte Land zu blockieren.
Quelle: aws.amazon.com

da Agency

Experimente mit Amazon SageMaker Autopilot sind nun im Hyperparameter-Optimization-Trainingsmodus bis zu 2x schneller

Amazon-SageMaker-Autopilot-Experimente mit Hyperparameter-Training sind bis zu zweimal schneller bei der Generierung von ML-Modellen auf Datensätzen mit mehr als 100 MB und 100 oder mehr Versuchen. Amazon SageMaker Autopilot erstellt, trainiert und optimiert automatisch die besten ML-Modelle basierend auf deinen Daten und ermöglicht dir gleichzeitig die vollständige Kontrolle und Sichtbarkeit. 
Quelle: aws.amazon.com