Публикации по теме 'aws'
Анализ настроений с помощью AWS и Splunk: потому что все крутые ребята этим занимаются
Анализ настроений с помощью AWS и Splunk: потому что все крутые ребята этим занимаются
Автор: Билл Мэтьюз
У меня есть несколько вещей в жизни, которые мне действительно нравятся, и AWS забирает их у меня. Мне нравится писать код для анализа настроений, но я НЕНАВИЖУ тренировать модели. Итак, введите Amazon Comprehend , который является (одной из) многих магических вещей AWS в области машинного обучения. Вы швыряете в него какой-то текст, он его ищет и выдает оценку, разбитую на..
Amazon SageMaker: мощная платформа для машинного обучения
Машинное обучение (МО) — это процесс создания систем, способных учиться на данных и делать на их основе прогнозы или решения. ML имеет множество приложений в различных областях, таких как здравоохранение, электронная коммерция, финансы, развлечения и многое другое. Однако создание и развертывание моделей машинного обучения может быть сложным и занимать много времени, требуя опыта в обработке данных, выборе алгоритма, модели…
Конечные автоматы AWS — Развязка и оркестрация лямбда-функций
Недавно я написал статью об AWS Lambda . Моя статья послужила кратким введением в сервис и его функциональные возможности. В этой статье мы рассмотрим еще один ценный актив в вашем бессерверном арсенале AWS: пошаговые функции и, в частности, конечные автоматы.
В июле 2019 года AWS решила предоставить нам доступ к своему API CloudWatch Events с ребрендингом событий CloudWatch на EventBridge, который является их бессерверным решением для шины событий. В сочетании с Step Functions это..
Ноутбуки с поддержкой S3 для Zeppelin, работающие на Amazon EMR
Выполните следующие простые шаги, чтобы настроить Zeppelin, работающий на EMR, для сохранения ваших записных книжек непосредственно в S3.
SSH в ваш главный узел - https://docs.aws.amazon.com/emr/latest/ManagementGuide/emr-connect-master-node-ssh.html Создайте файл zeppelin-site.xml, если он еще не существует - sudo cp /etc/zeppelin/conf/zeppelin-site.xml.template /etc/zeppelin/conf/zeppelin-site.xml Отредактируйте файл sudo nano /etc/zeppelin/conf/zeppelin-site.xml ...
Все об AWS Analytics и медиасервисах
Здесь мы обсуждаем различные сервисы аналитики и мультимедиа AWS, такие как Amazon EMR, Amazon Kinesis, Amazon Athena, Glue и Amazon Workspace.
№1. Амазонка ЭМИ
Amazon EMR — это веб-сервис, который позволяет предприятиям, исследователям, аналитикам данных и разработчикам легко и экономично обрабатывать огромные объемы данных. EMR использует размещенную платформу Hadoop, работающую …
Развертывание модели машинного обучения в Amazon EC2 (часть 1. Подготовка EC2)
Пронай Гош и Хирен Рупчандани
В предыдущей статье мы увидели, как развернуть модель машинного обучения в локальной системе. Пришло время развернуть модель машинного обучения в Amazon EC2 . Поэтому в этой статье мы сначала настроим среду для обученной модели машинного обучения . Это поможет нам подготовиться к развертыванию в Amazon EC2 . Для этого нам нужно будет пройти следующие шаги.
Войдите в Консоль управления AWS:
Чтобы развернуть модель в Amazon EC2..
Машинное обучение без кода (ML) для файлов Parquet с помощью Amazon SageMaker Canvas и Amazon Athena
TL;DR: SageMaker Canvas представил более 40 источников данных, включая Amazon Athena. Athena можно использовать для запросов к файлам паркета, хранящимся в Amazon S3, — как визуально, так и с помощью SQL-запроса. В этом сообщении блога мы покажем, как запрашивать файлы Parquet в корзине Amazon S3, импортировать набор данных в приложение Canvas, чтобы затем использовать его в любой рабочей нагрузке машинного обучения.
Архитектура
В этой записи блога я покажу, как использовать..
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..