Публикации по теме 'aws'
Кому PIMP AWS — Борьба с «жесткими» ограничениями фиксированных сессий ELB
Как реализовать закрепленные сеансы на основе параметров URL в балансировщике нагрузки AWS.
На «лучше». мы склонны раздвигать границы того, что мы знаем, но даже больше того, что возможно, даже когда технология может быть закрыта и официально не поддерживать какую-либо функцию.
Если клиент не попросит об ином, все, что мы создаем, является облачным по дизайну. В то время как «нативное облако» охватывает широкий спектр технологий, мы склонны работать с PaaS, такими как s3, AWS..
Amazon CodeGuru - где качество кода встречается с машинным обучением
На протяжении многих лет я входил в состав ряда команд по разработке программного обеспечения, и одна вещь оставалась неизменной во всех из них - это упор на анализ кода и качество кода. По мере приближения конца 2000-х большинство команд начали искать способы максимально автоматизировать этот процесс. Но проверка кода с участием человека все еще требуется, и большинство (хороших) команд потратят где-то 20% -30% времени разработки на коллегиальную проверку кода.
Когда AWS объявила об..
Изучение искусственного интеллекта и машинного обучения на AWS: подробное руководство
Введение:
Искусственный интеллект (ИИ) и машинное обучение (МО) произвели революцию в отраслях, позволив интеллектуальную автоматизацию, прогнозную аналитику и расширенное принятие решений на основе данных. AWS предлагает комплексный набор сервисов, который позволяет разработчикам, специалистам по обработке и анализу данных и компаниям создавать и развертывать модели ИИ и машинного обучения в любом масштабе. В этом подробном руководстве мы познакомимся с миром ИИ и машинного обучения на..
Как отсортировать результаты запроса с помощью GraphQL и AWS AppSync
Как отсортировать результаты запроса с помощью GraphQL и AWS AppSync
Предполагается, что вы имеете общее представление о GraphQL, AppSync и DynamoDB.
Бэкэнд GraphQL , используемый в AWS AppSync , чаще всего подключается к DynamoDB , базе данных NoSQL. Если вы здесь, то знаете, что база данных NoSQL не предоставляет упорядоченных результатов при выполнении запроса.
Выполнение одного и того же запроса несколько раз к таблице DynamoDB может привести к разному набору или порядку..
Переход на Sage Maker
Структурирование, отладка и обучение пользовательских моделей в FireVisor с использованием AWS SageMaker
Почти все, что мы видим вокруг себя сегодня, производится на фабриках. Однако производство в том виде, в каком мы его видим сегодня, в основном устарело. Производители тратят до 15–20% выручки от продаж за счет затрат на низкое качество (COPQ) [ ссылка ]. Сюда входят затраты на обнаружение и предотвращение отказов продукта. Чем позже обнаружен дефект, тем больше ресурсов было..
Пользовательские ярлыки Amazon Rekognition
Сквозной пример использования пользовательских меток Rekognition для классификации изображений
Помимо Amazon SageMaker , AWS содержит набор сервисов AI/ML, адаптированных для AutoML . В тех случаях, когда вам нужно внедрить ML в свои приложения и у вас нет теоретического опыта или времени для создания собственных моделей, этот набор услуг оказывается чрезвычайно удобным. Под капотом за вас позаботятся о построении модели Machine/Deep Learning. В частности, Amazon Rekognition —..
Бессерверная кластеризация тысяч изображений на базе машинного обучения в AWS с задержкой в миллисекунды.
Celebrate App — это мобильное приложение для обмена фотографиями в закрытом пространстве, в которое пользователи ежемесячно загружают миллионы фотографий со средней скоростью более 60 изображений в секунду в часы пик. В этом масштабе эффективная кластеризация изображений стала очень важным вариантом использования машинного обучения для наших последующих задач, одной из которых является обнаружение похожих изображений из динамического набора групп.
Приложение Celebrate — это облачное..
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..