Публикации по теме 'aws'
Создание и использование секретов AWS из CDK и CLI
Такие секреты, как переменные среды, обязательны при работе с приложениями с использованием таких инструментов, как CDK. При создании наших шаблонов CloudFormation последнее, что вам нужно, — это утечка переменных среды через вашу историю Git.
В этом кратком обзоре мы создадим или получим секрет из AWS Secrets Manager и покажем, как вы можете затем потребовать его в стеке CDK.
Менеджер секретов из CLI
Убедитесь, что у вас установлен aws-cli .
Мы собираемся добавить значения..
Глобальное многооблачное развертывание Terraform для приложений с низкой задержкой по всему миру
Распределенные базы данных очень важны, поскольку мы можем распространять наши данные по всему миру и достигать невероятно быстрого времени отклика независимо от того, где находится наш пользователь. Я хотел показать, как это можно сделать совершенно бесплатно, используя HarperDB и бесплатные уровни, предлагаемые провайдерами. Хотя я выбрал AWS и Azure, сейчас есть много других облачных провайдеров, которые предлагают выгодные бесплатные уровни или бесплатные кредиты, такие как Azure...
Как развернуть приложение React на AWS с помощью AWS CDK
Реализовано с помощью TypeScript , HTTPS , CDN , CI / CD с Buddy и ваше собственное доменное имя .
Что мы будем строить:
Наше приложение React будет:
Размещено на AWS S3 Распространяется по всему миру с помощью сети CDN AWS CloudFront , Иметь доменное имя через AWS Route 53 Включите HTTPS с помощью сертификатов, предоставленных AWS Certificate Manager Полностью построен с использованием инфраструктуры в виде кода с использованием AWS CDK , где мы..
5 советов, как пройти сертификацию по специальности машинное обучение AWS
Сертификации AWS являются одними из самых сложных и ценных в сфере технологий. Хотя каждый из них довольно крепкий, у ML Specialty есть особый соус. Он проверяет не только знания AWS, но и концептуальные знания машинного обучения, статистики и вероятностей.
О тесте
Экзамен состоит из 65 вопросов, 180 минут на выполнение и минимальной оценки 750/1000 для прохождения. Основной сервис AWS на экзамене — Sagemaker. Sagemaker — это не просто сервис машинного обучения, а полноценная..
Как DeepCure масштабирует конвейеры данных в облаке
Инжиниринг платформы
Как DeepCure масштабирует открытие лекарств в облаке
Обзор облачного автоматизированного решения для поиска лекарств, созданного с помощью Kubernetes.
Компьютерный дизайн лекарств (CADD), также известный как скрининг in silico , стал эффективным методом, позволяющим сократить время и деньги, необходимые для открытия новых лекарств. Как следует из названия, этот процесс включает в себя использование вычислительных ресурсов, а более широкое внедрение передовых..
Использование CodeGuru Profiler с конечными точками SageMaker в реальном времени
Оптимизация задержки вывода модели путем профилирования кода вывода
Машинное обучение (ML) реализуется в выводе модели. В этом посте мы описываем, как вы можете использовать CodeGuru Profiler для профилирования контейнера/кода вашей конечной точки SageMaker. Это даст вам представление о производительности ваших приложений и устранит любые проблемы с задержкой и использованием в вашем приложении. В этом решении будет показано, как расширить контейнеры SageMaker Framework..
Использование возможностей преобразователей BERT для расширенного анализа текста
Антон Гордон — архитектор ИИ
Введение
Во вселенной обработки естественного языка (NLP) главенствует BERT (представление двунаправленного кодировщика от трансформеров). Его инновационная архитектура и превосходные возможности распознавания текста изменили способ обработки языковых данных. В этой статье вы узнаете, как создать приложение для анализа настроений с помощью BERT, а также пошагово развернете приложение на AWS с помощью Docker.
Прежде чем погрузиться в техническую часть,..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..