Amazon SageMaker Data Wrangler hetekről percekre csökkenti az adatok gépi tanuláshoz (ML) való összegyűjtéséhez és előkészítéséhez szükséges időt. A SageMaker Data Wrangler segítségével leegyszerűsítheti a funkciótervezés és az adat-előkészítés folyamatát, és egyetlen vizuális felületen fejezheti be az adat-előkészítési munkafolyamat minden szakaszát (beleértve az adatkiválasztást, -tisztítást, -feltárást, -megjelenítést és -feldolgozást). Az adatokat gyakran kezelhető adattókban tárolják AWS-tó formáció, amely lehetővé teszi, hogy egyszerű engedélyezési vagy visszavonási eljárással pontos hozzáférés-vezérlést valósítson meg. A SageMaker Data Wrangler támogatja a finomszemcsés adathozzáférés szabályozását a Lake Formation és Amazon Athéné kapcsolatokat.
Örömmel jelentjük be, hogy a SageMaker Data Wrangler mostantól támogatja a Lake Formation használatát Amazon EMR hogy biztosítsa ezt az aprólékos adathozzáférési korlátozást.
Az adatszakértők, például az adattudósok ki akarják használni a hatalmat Apache Spark, Kaptárés Gyors Amazon EMR-en fut a gyors adat-előkészítés érdekében; a tanulási görbe azonban meredek. Ügyfeleink azt akarták, hogy csatlakozhassanak az Amazon EMR-hez, hogy ad hoc SQL-lekérdezéseket tudjanak futtatni a Hive-on vagy a Presto-n a belső metastore vagy a külső metastore (például AWS ragasztóadat-katalógus), és néhány kattintással előkészítheti az adatokat.
Ebben a bejegyzésben bemutatjuk, hogyan használhatjuk a Lake Formationt központi adatkezelési képességként és az Amazon EMR-t big data lekérdező motorként, hogy lehetővé tegyük a SageMaker Data Wrangler hozzáférését. A Lake Formation képességei leegyszerűsítik a több fiókra kiterjedő, elosztott adatforrások védelmét és kezelését egy központosított megközelítés révén, finom szemcsés hozzáférés-vezérlést biztosítva.
Megoldás áttekintése
Ezt a megoldást egy végponttól végpontig terjedő használati esettel mutatjuk be egy mintaadatkészlet, a TPC adatmodell. Ezek az adatok a termékek tranzakciós adatait képviselik, és olyan információkat tartalmaznak, mint az ügyfelek demográfiai adatai, a készlet, az internetes értékesítés és a promóciók. A részletes adathozzáférési engedélyek bemutatásához a következő két felhasználót vesszük figyelembe:
- David, a marketingcsapat adattudósa. Feladata, hogy modellt építsen fel az ügyfélszegmentációra, és csak a nem érzékeny ügyféladatokhoz férhet hozzá.
- Tina, az értékesítési csapat adattudósa. Feladata az értékesítési előrejelzési modell felépítése, és hozzá kell férnie az adott régió értékesítési adataihoz. Segíti a termékcsapatot az innovációban is, ezért szüksége van a termékadatokhoz való hozzáférésre is.
Az architektúra a következőképpen valósul meg:
- A Lake Formation kezeli az adattavat, és a nyers adatok itt érhetők el Amazon egyszerű tárolási szolgáltatás (Amazon S3) vödrök
- Az Amazon EMR az adattóból származó adatok lekérdezésére és adat-előkészítésre szolgál a Spark segítségével
- AWS Identity and Access Management Az (IAM) szerepkörök a Lake Formation használatával történő adathozzáférés kezelésére szolgálnak
- A SageMaker Data Wrangler egyetlen vizuális interfészként szolgál az adatok interaktív lekérdezéséhez és előkészítéséhez
A következő diagram ezt az architektúrát szemlélteti. Az A fiók az a Data Lake-fiók, amely a kivonatolási, átalakítási és betöltési (ETL) folyamatok során kapott összes ML-ready adatot tartalmazza. A B fiók az az adattudományi fiók, ahol adattudósok egy csoportja állít össze és futtat adatátalakításokat a SageMaker Data Wrangler segítségével. Ahhoz, hogy a B fiókban lévő SageMaker Data Wrangler hozzáférjen az A fiók adattójában lévő adattáblákhoz Lake Formation engedélyeken keresztül, aktiválnunk kell a szükséges jogokat.
Használhatja a megadott AWS felhőképződés verem a megoldás építészeti összetevőinek beállításához.
Előfeltételek
Mielőtt elkezdené, győződjön meg arról, hogy rendelkezik a következő előfeltételekkel:
- An AWS-fiók
- Rendszergazdai hozzáféréssel rendelkező IAM-felhasználó
- Egy S3-as vödör
Erőforrások biztosítása az AWS CloudFormation segítségével
Olyan CloudFormation sablont biztosítunk, amely az architektúrában telepíti a szolgáltatásokat a végpontok közötti teszteléshez és az ismételt üzembe helyezés megkönnyítéséhez. Ennek a sablonnak a kimenetei a következők:
- Egy S3 vödör az adattóhoz.
- Egy EMR-fürt engedélyezett EMR-futásidejű szerepkörökkel. A futásidejű szerepkörök használatáról az Amazon EMR-rel kapcsolatos további részletekért lásd: Futóidejű szerepkörök konfigurálása az Amazon EMR lépéseihez. A futásidejű szerepkörök EMR-fürtökhöz való társítását az Amazon EMR 6.9 támogatja. Győződjön meg arról, hogy a következő konfiguráció a helyén van:
- Hozzon létre egy biztonsági konfigurációt az Amazon EMR-ben.
- Az EMR futásidejű szerepkör bizalmi szabályzatának lehetővé kell tennie, hogy az EMR EC2 példányprofil átvegye a szerepet.
- Az EMR EC2 példányprofil szerepkörnek képesnek kell lennie az EMR futásidejű szerepkörök átvételére.
- Az EMR-fürtöt továbbítás közbeni titkosítással kell létrehozni.
- IAM-szerepek a Data Lake-ben lévő adatokhoz való hozzáféréshez, részletes engedélyekkel:
- Marketing-adat-hozzáférési-szerep
- Értékesítési-adat-hozzáférési-szerep
- An Amazon SageMaker Studio domain és két felhasználói profil. A felhasználók SageMaker Studio végrehajtási szerepei lehetővé teszik a felhasználók számára, hogy felvegyék a megfelelő EMR futásidejű szerepköreiket.
- Életciklus-konfiguráció, amely lehetővé teszi az EMR-kapcsolathoz használandó szerepkör kiválasztását.
- Egy TPC-adatokkal feltöltött Lake Formation adatbázis.
- A beállításhoz szükséges hálózati erőforrások, például VPC, alhálózatok és biztonsági csoportok.
Hozzon létre Amazon EMR titkosítási tanúsítványokat az átvitt adatokhoz
Az Amazon EMR 4.8.0-s vagy újabb verziója esetén lehetőség van műtermékek megadására az átvitel közbeni adatok titkosításához egy biztonsági konfiguráció segítségével. Kézzel hozzuk létre a PEM-tanúsítványokat, belefoglaljuk őket egy .zip fájlba, feltöltjük egy S3 tárolóba, majd hivatkozunk az Amazon S3 .zip fájljára. Valószínűleg be szeretné állítani a privát kulcs PEM-fájlját helyettesítő karakter tanúsítványként, amely lehetővé teszi a hozzáférést ahhoz a VPC-tartományhoz, amelyben a fürtpéldányok találhatók. Például, ha a fürt az us-east-1 régióban található, megadhat egy közös nevet a tanúsítvány konfigurációjában, amely lehetővé teszi a fürthöz való hozzáférést. CN=*.ec2.internal
a tanúsítvány tárgy definíciójában. Ha a klaszter itt található us-west-2
, megadhatnád CN=*.us-west-2.compute.internal
.
Futtassa a következő parancsokat a rendszerterminál használatával. Ezzel PEM-tanúsítványokat generál, és egy .zip fájlba gyűjti össze:
Feltöltés my-certs.zip
egy S3-as edénybe ugyanabban a régióban, ahol ezt a gyakorlatot szeretné végrehajtani. Másolja ki a feltöltött fájl S3 URI-jét. Erre a CloudFormation sablon indításakor lesz szüksége.
Ez a példa csak a koncepció bemutatásának bizonyítéka. Önaláírt tanúsítványok használata nem javasolt, és potenciális biztonsági kockázatot jelent. Éles rendszerek esetén használjon megbízható hitelesítési hatóságot (CA) a tanúsítványok kiadásához.
A CloudFormation sablon üzembe helyezése
A megoldás üzembe helyezéséhez hajtsa végre a következő lépéseket:
- Jelentkezzen be a AWS felügyeleti konzol IAM felhasználóként, lehetőleg rendszergazdaként.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Indítsa el a Stack alkalmazást a CloudFormation sablon elindításához:
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- A Verem neve, adja meg a verem nevét.
- A Tétlenségi időtúllépés, adjon meg egy értéket az EMR-fürt tétlenségi időkorlátjához (hogy ne kelljen fizetni a fürtért, amikor azt nem használják).
- A S3CertsZip, írjon be egy S3 URI-t az EMR titkosítási kulccsal.
Az adott régióra jellemző kulcs és .zip fájl létrehozására vonatkozó utasításokért lásd: Tanúsítványok biztosítása az Amazon EMR titkosítással szállított adatok titkosításához. Ha az USA keleti részén (N. Virginia) telepíti, ne felejtse el használni a CN=*.ec2.internal kódot. További információkért lásd: Hozzon létre kulcsokat és tanúsítványokat az adatok titkosításához. Feltétlenül töltse fel a .zip fájlt egy S3 tárolóba, amely ugyanabban a régióban található, mint a CloudFormation verem telepítése.
- Az áttekintési oldalon jelölje be a jelölőnégyzetet annak megerősítéséhez, hogy az AWS CloudFormation létrehozhat-e erőforrásokat.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Verem létrehozása.
Várjon, amíg a verem állapota megváltozik CREATE_IN_PROGRESS nak nek CREATE_COMPLETE. A folyamat általában 10-15 percig tart.
A verem létrehozása után engedélyezze az Amazon EMR számára a Lake Formation lekérdezését a Külső adatszűrés beállítások a Lake Formation oldalon. Az utasításokat lásd A Lake Formation használatának megkezdése. Adja meg az Amazon EMR-t Munkamenet címke értékei és adja meg az AWS-fiókazonosítóját AWS-fiókazonosítók.
Adathozzáférési engedélyek tesztelése
Most, hogy a szükséges infrastruktúra a helyén van, ellenőrizheti, hogy a SageMaker Studio két felhasználója hozzáfér-e a részletes adatokhoz. Az áttekintéshez Davidnek nem szabad hozzáférnie ügyfelei személyes adataihoz. Tina hozzáfér az értékesítéssel kapcsolatos információkhoz. Tegyünk próbára minden felhasználótípust.
Tesztelje David felhasználói profilját
A David felhasználói profiljával való adathozzáférés teszteléséhez hajtsa végre a következő lépéseket:
- A SageMaker konzolon válassza a lehetőséget Domains a navigációs ablaktáblában.
- A SageMaker Studio tartományból indítsa el a SageMaker Studio alkalmazást a david-non-sensitive-customer felhasználói profilból.
- A SageMaker Studio környezetben hozzon létre egy Amazon SageMaker Data Wrangler flow, és válasszon Adatok importálása és előkészítése vizuálisan.
Alternatív megoldásként a filé menüben válasszon Új, majd válassza ki Data Wrangler áramlás.
Az adatfolyam létrehozásának lépéseit ebben a bejegyzésben részletesen tárgyaljuk.
Tesztelje Tina felhasználói profilját
Tina SageMaker Studio végrehajtási szerepköre lehetővé teszi számára, hogy két EMR-végrehajtási szerepkör használatával hozzáférjen a Lake Formation adatbázishoz. Ez úgy érhető el, hogy a szerepkör ARN-jeit listázza egy konfigurációs fájlban a Tina fájlkönyvtárában. Ezek a szerepek a segítségével állíthatók be A SageMaker Studio életciklus-konfigurációi hogy a szerepek megmaradjanak az alkalmazás újraindításakor. Tina hozzáférésének teszteléséhez hajtsa végre a következő lépéseket:
- A SageMaker konzolon navigáljon a SageMaker Studio tartományhoz.
- Indítsa el a SageMaker Studio programot a felhasználói profilból
tina-sales-electronics
.
A felhasználói profilok váltása során célszerű bezárni a korábbi SageMaker Studio munkameneteket a böngészőben. Egyszerre csak egy aktív SageMaker Studio felhasználói munkamenet lehet.
- Hozzon létre egy Data Wrangler adatfolyamot.
A következő szakaszokban bemutatjuk egy adatfolyam létrehozását a SageMaker Data Wranglerben, és az Amazon EMR-hez való csatlakozást adatforrásként. Davidnek és Tinának hasonló tapasztalatai lesznek az adatok előkészítésével, kivéve a hozzáférési jogosultságokat, így ők más-más táblázatokat fognak látni.
Hozzon létre egy SageMaker Data Wrangler adatfolyamot
Ebben a részben a SageMaker Data Wranglerben adatforrásként a CloudFormation sablonon keresztül létrehozott meglévő EMR-fürthöz való csatlakozással foglalkozunk. Bemutató céljára David felhasználói profilját használjuk.
Az adatfolyam létrehozásához hajtsa végre a következő lépéseket:
- A SageMaker konzolon válassza a lehetőséget Domains a navigációs ablaktáblában.
- Válassza a StudioDomaint, amelyet a CloudFormation sablon futtatásával hoztak létre.
- Válasszon ki egy felhasználói profilt (ebben a példában David profilját), és indítsa el a SageMaker Studio-t.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a OpenStudio.
- A SageMaker Studio alkalmazásban hozzon létre egy új adatfolyamot, és válassza ki Adatok importálása és előkészítése vizuálisan.
Alternatív megoldásként a filé menüben válasszon Új, majd válassza ki Data Wrangler áramlás.
Egy új folyamat létrehozása eltarthat néhány percig. Az áramlás létrehozása után megjelenik a Adatok importálása cimre.
- Az Amazon EMR adatforrásként való hozzáadásához a SageMaker Data Wranglerben a Adatforrás hozzáadása menüben válasszon Amazon EMR.
Böngésszen az összes EMR-fürt között, amelyek megtekintéséhez a SageMaker Studio végrehajtási szerepköre rendelkezik engedéllyel. Két lehetőség közül választhat egy fürthöz: az egyik az interaktív felhasználói felületen keresztül, a másik pedig az első titkot teremteni segítségével AWS Secrets Manager egy JDBC URL-lel, beleértve az EMR-fürt információkat is, majd adja meg a tárolt AWS titkos ARN-t a felhasználói felületen a Presto-hoz vagy a Hive-hoz való csatlakozáshoz. Ebben a bejegyzésben az első módszert használjuk.
- Válassza ki a használni kívánt fürtök bármelyikét, majd válassza ki Következő.
- Válassza ki a használni kívánt végpontot.
- Adjon meg egy nevet a kapcsolat azonosításához, például
emr-iam-connection
, majd válassza ki Következő.
- választ IAM hitelesítési típusként, és válassza ki Csatlakozás.
Amikor csatlakozik, interaktívan megtekintheti az adatbázisfát és a tábla előnézetét vagy sémáját. Az Amazon EMR adatait is lekérdezheti, felfedezheti és megjelenítheti. Az előnézethez alapértelmezés szerint 100 rekord korlátot lát. Miután megadta az SQL utasítást a lekérdezésszerkesztőben, és válassza ki futás, a lekérdezés az Amazon EMR Hive motoron fut az adatok előnézetéhez. Választ Lekérdezés megszakítása a folyamatban lévő lekérdezések törlésére, ha azok szokatlanul sokáig tartanak.
- Hozzáférjünk olyan adatokhoz a táblázatból, amelyekhez Davidnek nincs engedélye.
A lekérdezés hibaüzenetet eredményez “Unable to fetch table dl_tpc_web_sales. Insufficient Lake Formation permission(s) on dl_tpc_web_sales.”
Az utolsó lépés az adatok importálása. Ha készen áll a lekérdezett adatokkal, lehetősége van frissíteni az adatkiválasztás mintavételi beállításait a mintavételi típusnak (FirstK, Random vagy Stratified) és a Data Wranglerbe történő adatimportálás mintavételi méretének megfelelően.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a import az adatok importálásához.
A következő oldalon különféle átalakításokat és alapvető elemzéseket adhat hozzá az adatkészlethez.
- Navigáljon az adatfolyamhoz, és adjon hozzá további lépéseket az átalakításokhoz és elemzésekhez, ha szükséges.
Futtathatja a adatbetekintési jelentés hogy azonosítsa az adatminőségi problémákat, és javaslatokat kapjon a problémák megoldására. Nézzünk néhány példa transzformációt.
- A Adatáramlás nézetben látnia kell, hogy az Amazon EMR-t használjuk adatforrásként a Hive-csatlakozó használatával.
- Válassza ki a mellette lévő pluszjelet Adattípusok És válasszon Transzformáció hozzáadása.
Vizsgáljuk meg az adatokat, és alkalmazzuk a transzformációt. Például a c_login
oszlop üres, és nem ad hozzáadott értéket szolgáltatásként. Töröljük az oszlopot.
- A Minden lépés panelen válassza a lehetőséget Lépés hozzáadása.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Oszlopok kezelése.
- A Átalakítás, választ Dobja el az oszlopot.
- A Eldobandó oszlopok, válaszd a
c_login
oszlop. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Preview, majd válassza ki hozzáad.
- Ellenőrizze a lépést a Dobja el az oszlopot szakasz.
Folytathatja a lépések hozzáadását az adatkészlethez szükséges különböző átalakítások alapján. Térjünk vissza az adatfolyamunkhoz. Most láthatja a Dobja el az oszlopot blokk, amely az általunk végrehajtott transzformációt mutatja.
Az ML gyakorlói sok időt töltenek azzal, hogy megalkossák a funkciómérnöki kódot, alkalmazzák azt a kezdeti adatkészleteikre, modelleket tanítanak a tervezett adatkészletekre, és értékelik a modell pontosságát. Tekintettel a munka kísérleti jellegére, még a legkisebb projekt is többszörös iterációhoz vezet. Ugyanazt a szolgáltatásfejlesztő kódot gyakran újra és újra lefuttatják, időt és számítási erőforrásokat pazarolva ugyanazon műveletek megismétlésére. Nagy szervezetekben ez még nagyobb termelékenységveszteséget okozhat, mivel a különböző csapatok gyakran ugyanazokat a munkákat hajtják végre, vagy akár duplikált szolgáltatásmérnöki kódot is írnak, mivel nem ismerik a korábbi munkát. A funkciók újrafeldolgozásának elkerülése érdekében az átalakított jellemzőinket exportálhatjuk ide Amazon SageMaker Feature Store. További információkért lásd: Új – Tárolja, fedezze fel és ossza meg a gépi tanulási funkciókat az Amazon SageMaker Feature Store segítségével.
- Válassza ki a mellette lévő pluszjelet Dobja el az oszlopot.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Exportálás és a SageMaker Feature Store (a Jupyter notebookon keresztül).
Könnyen exportálhatja generált szolgáltatásokat a SageMaker Feature Store-ba, ha megadja azt célként. A funkciókat elmentheti egy meglévő szolgáltatáscsoportba, vagy létrehozhat egy újat. További információkért lásd: Könnyen létrehozhat és tárolhat funkciókat az Amazon SageMakerben kód nélkül.
A SageMaker Data Wrangler segítségével most szolgáltatásokat hoztunk létre, és ezeket a szolgáltatásokat a SageMaker Feature Store-ban tároltuk. Példamunkafolyamatot mutattunk be a SageMaker Data Wrangler UI szolgáltatástervezésére.
Tisztítsuk meg
Ha a SageMaker Data Wranglerrel végzett munka befejeződött, törölje a létrehozott erőforrásokat, hogy elkerülje a további díjakat.
- A SageMaker Studio alkalmazásban zárja be az összes lapot, majd a filé menüben válasszon Leállítás.
- Amikor kéri, válasszon Összes leállítása.
A leállítás a példány típusától függően eltarthat néhány percig. Győződjön meg arról, hogy az egyes felhasználói profilokhoz társított összes alkalmazást törölték. Ha nem törölték őket, manuálisan törölje a CloudFormation sablon segítségével létrehozott felhasználói profilokhoz társított alkalmazásokat.
- Az Amazon S3 konzolon ürítse ki a CloudFormation-sablonból létrehozott S3-csoportokat a fürtök kiépítésekor.
A gyűjtőknek meg kell egyeznie a CloudFormation indítóverem nevével és a cf-templates- előtaggal.
- Az Amazon EFS konzolon törölje a SageMaker Studio fájlrendszert.
A fájlrendszer azonosítójának kiválasztásával és a címke megerősítésével ellenőrizheti, hogy a megfelelő fájlrendszert használja ManagedByAmazonSageMakerResource
a Címkék Tab.
- Az AWS CloudFormation konzolon válassza ki a létrehozott köteget, és válassza ki töröl.
Hibaüzenetet fog kapni, ami várható. Visszatérünk erre, és a következő lépésekben megtisztítjuk.
- Azonosítsa azt a VPC-t, amelyet a nevű CloudFormation verem hozott létre dw-emr-, és kövesse az utasításokat a VPC törléséhez.
- Térjen vissza az AWS CloudFormation konzolhoz, és próbálkozzon újra a verem törlésével dw-emr-.
Az ebben a bejegyzésben leírt CloudFormation-sablon által biztosított összes erőforrást eltávolítottuk a fiókjából.
Következtetés
Ebben a bejegyzésben áttekintettük, hogyan lehet részletes hozzáférés-szabályozást alkalmazni a Lake Formation segítségével, és hogyan lehet hozzáférni az adatokhoz az Amazon EMR adatforrásként a SageMaker Data Wranglerben, hogyan lehet átalakítani és elemezni egy adatkészletet, és hogyan lehet exportálni az eredményeket egy adatfolyam Jupyter notebookban való használatra. Miután megjelenítettük adatkészletünket a SageMaker Data Wrangler beépített elemzési funkcióival, tovább javítottuk adatfolyamunkat. Jelentős az a tény, hogy egyetlen kódsor írása nélkül készítettünk adat-előkészítő folyamatot.
A SageMaker Data Wrangler használatának megkezdéséhez lásd: Készítsen ML adatokat az Amazon SageMaker Data Wrangler segítségével.
A szerzőkről
Ajjay Govindaram az AWS vezető megoldási építésze. Stratégiai ügyfelekkel dolgozik, akik AI/ML-t használnak összetett üzleti problémák megoldására. Tapasztalata abban rejlik, hogy műszaki irányítást, valamint tervezési segítséget nyújt a szerény és nagyszabású AI/ML alkalmazások telepítéséhez. Ismerete az alkalmazás-architektúrától a big data-ig, az analitikáig és a gépi tanulásig terjed. Szívesen hallgat zenét pihenés közben, tapasztal a szabadban, és szeretivel tölti az időt.
Isha Dua Senior Solutions Architect, székhelye a San Francisco Bay Area. Céljaik és kihívásaik megértésével segíti az AWS vállalati ügyfeleit a növekedésben, és útmutatást ad nekik, hogyan építhetik fel alkalmazásaikat a felhőben natív módon, miközben biztosítják a rugalmasságot és a méretezhetőséget. Szenvedélyesen rajong a gépi tanulási technológiákért és a környezeti fenntarthatóságért.
Parth Patel a San Francisco Bay Area-i AWS vezető megoldások építésze. A Parth útmutatást ad a vállalati ügyfeleknek, hogy felgyorsítsák a felhő felé vezető utat, és segítsenek nekik az AWS Cloud sikeres elfogadásában és fejlesztésében. Szenvedélye a gépi tanulási technológiák, a környezeti fenntarthatóság és az alkalmazások modernizálása.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Autóipar / elektromos járművek, Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- ChartPrime. Emelje fel kereskedési játékát a ChartPrime segítségével. Hozzáférés itt.
- BlockOffsets. A környezetvédelmi ellentételezési tulajdon korszerűsítése. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/apply-fine-grained-data-access-controls-with-aws-lake-formation-in-amazon-sagemaker-data-wrangler/
- :van
- :is
- :nem
- :ahol
- $ UP
- 10
- 100
- 11
- 12
- 13
- 14
- 15%
- 16
- 20
- 202
- 22
- 7
- 8
- 9
- a
- képesség
- Képes
- Rólunk
- gyorsul
- hozzáférés
- Hozzáférés
- Szerint
- Fiók
- Fiókok
- pontosság
- elért
- át
- aktív
- Ad
- hozzá
- hozzáadásával
- További
- admin
- elfogadja
- Után
- újra
- AI / ML
- Minden termék
- lehetővé
- lehetővé teszi, hogy
- Is
- amazon
- Amazon EMR
- Amazon SageMaker
- Amazon SageMaker Data Wrangler
- Az Amazon Web Services
- an
- elemzés
- Analitikai
- analitika
- elemez
- és a
- bejelent
- bármilyen
- app
- Alkalmazás
- alkalmazások
- alkalmaz
- Alkalmazása
- megközelítés
- alkalmazások
- építészeti
- építészet
- VANNAK
- TERÜLET
- AS
- Támogatás
- társult
- feltételezni
- At
- Hitelesítés
- hatóság
- elérhető
- elkerülése érdekében
- AWS
- AWS felhőképződés
- AWS-tó formáció
- vissza
- alapján
- öböl
- BE
- mert
- óta
- hogy
- Nagy
- Big adatok
- Doboz
- böngésző
- Épület
- beépített
- üzleti
- by
- CA
- TUD
- képességek
- képesség
- eset
- Okoz
- központi
- központosított
- igazolás
- tanúsítványok
- Tanúsítvány
- kihívások
- Változások
- ellenőrizze
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- választja
- közel
- felhő
- Fürt
- kód
- gyűjt
- Oszlop
- hogyan
- Közös
- teljes
- bonyolult
- alkatrészek
- Kiszámít
- koncepció
- Configuration
- megerősít
- Csatlakozás
- összefüggő
- Csatlakozó
- kapcsolat
- kapcsolatok
- Fontolja
- Konzol
- folytatódik
- ellenőrzés
- ellenőrzések
- kijavítására
- Megfelelő
- tudott
- terjed
- teremt
- készítette
- létrehozása
- görbe
- vevő
- ügyféladatok
- Ügyfelek
- dátum
- adat hozzáférés
- adattó
- Adatok előkészítése
- adat-tudomány
- adattudós
- adatbázis
- adatkészletek
- David
- alapértelmezett
- definíció
- Demográfiai
- bizonyítani
- telepíteni
- bevezetéséhez
- bevetés
- bevetések
- bevet
- leírt
- Design
- rendeltetési hely
- részlet
- részletek
- különböző
- irány
- felfedez
- megvitatni
- megosztott
- Nem
- domain
- minden
- könnyen
- Keleti
- szerkesztő
- lehetővé
- engedélyezve
- lehetővé teszi
- titkosítás
- végtől végig
- Endpoint
- Motor
- Mérnöki
- fokozott
- biztosítása
- belép
- Vállalkozás
- Környezet
- környezeti
- Környezeti fenntarthatóság
- hiba
- alapvető
- értékelő
- Még
- példa
- Kivéve
- végrehajtás
- Gyakorol
- létező
- bővülő
- várható
- tapasztalat
- Tapasztalatok
- tapasztal
- kísérleti
- kutatás
- feltárása
- export
- külső
- kivonat
- megkönnyítése
- tény
- GYORS
- Funkció
- Jellemzők
- díjak
- kevés
- filé
- befejezni
- vezetéknév
- Rögzít
- áramlási
- következik
- következő
- következik
- A
- Előrejelzés
- képződés
- Francisco
- gyakran
- ból ből
- további
- generál
- generált
- kap
- adott
- Giving
- Go
- Célok
- jó
- kormányzás
- biztosít
- nagyobb
- Csoport
- Csoportok
- Nő
- Útmutatók
- boldog
- Legyen
- he
- segít
- segít
- segít
- neki
- övé
- Kaptár
- házak
- Hogyan
- How To
- azonban
- HTML
- http
- HTTPS
- ID
- identiques
- azonosítani
- Identitás
- Idle
- if
- illusztrálja
- végre
- végre
- importál
- importáló
- in
- tartalmaz
- magában foglalja a
- Beleértve
- információ
- Infrastruktúra
- kezdetben
- Innováció
- Insight
- példa
- utasítás
- szándékozik
- interaktív
- Felület
- belső
- bele
- leltár
- kérdés
- kérdések
- IT
- iterációk
- Állások
- utazás
- jpg
- tartotta
- Kulcs
- kulcsok
- tudás
- tó
- nagy
- nagyarányú
- keresztnév
- a későbbiekben
- indít
- indítás
- vezet
- tanulás
- fekszik
- életciklus
- Valószínű
- LIMIT
- vonal
- Kihallgatás
- felsorolás
- kiszámításának
- Hosszú
- hosszú idő
- néz
- le
- Sok
- szeretett
- gép
- gépi tanulás
- csinál
- kezelése
- sikerült
- vezetés
- kezeli
- kezelése
- mód
- kézzel
- Marketing
- Menü
- üzenet
- módszer
- esetleg
- Perc
- ML
- modell
- modellek
- szerény
- több
- többszörös
- zene
- kell
- név
- Nevezett
- Természet
- Keresse
- Navigáció
- elengedhetetlen
- Szükség
- szükséges
- igények
- Új
- következő
- nem
- jegyzetfüzet
- Most
- kapott
- of
- gyakran
- on
- ONE
- azok
- folyamatban lévő
- csak
- Művelet
- opció
- Opciók
- or
- érdekében
- szervezetek
- Más
- mi
- szabadban
- felett
- oldal
- üvegtábla
- különös
- szenvedélyes
- fizet
- Teljesít
- teljesített
- engedélyek
- csővezeték
- Hely
- Plató
- Platón adatintelligencia
- PlatoData
- plusz
- politika
- benépesített
- állás
- potenciális
- hatalom
- gyakorlat
- előkészítés
- Készít
- előfeltételek
- ajándékot
- Preview
- előző
- Előzetes
- magán
- személyes információ
- magánkulcs
- problémák
- eljárás
- folyamat
- Folyamatok
- feldolgozás
- Termékek
- Termelés
- termelékenység
- Termékek
- tehetséges alkalmazottal
- profil
- Profilok
- program
- akciók
- bizonyíték
- bizonyíték a koncepcióra
- ad
- feltéve,
- amely
- célokra
- tesz
- világítás
- lekérdezések
- véletlen
- Nyers
- kész
- kap
- ajánlások
- ajánlott
- nyilvántartások
- csökkenti
- vidék
- engedje
- eszébe jut
- eltávolított
- megismételt
- jelentése
- kötelező
- rugalmasság
- Tudástár
- pihenő
- korlátozás
- eredményez
- Eredmények
- Kritika
- jogok
- Kockázat
- Szerep
- szerepek
- rsa
- futás
- futás
- s
- sagemaker
- értékesítés
- azonos
- Minta adatkészlet
- San
- San Francisco
- Megtakarítás
- skálázhatóság
- Skála
- Tudomány
- Tudós
- tudósok
- Titkos
- Rész
- szakaszok
- biztosítása
- biztonság
- lát
- szegmentáció
- kiválasztás
- idősebb
- Szolgáltatások
- ülés
- ülések
- készlet
- beállítások
- felépítés
- Megosztás
- ő
- kellene
- előadás
- kirakat
- kimutatta,
- <p></p>
- jelentős
- hasonló
- Egyszerű
- egyszerűsítése
- egyetlen
- Méret
- So
- megoldások
- Megoldások
- SOLVE
- néhány
- forrás
- különleges
- költ
- Költési
- verem
- Színpad
- kezdődött
- nyilatkozat
- Állapot
- Lépés
- Lépései
- tárolás
- tárolni
- memorizált
- egyértelmű
- Stratégiai
- áramvonal
- stúdió
- tárgy
- alhálózatok
- későbbi
- sikeresen
- ilyen
- Támogatott
- Támogatja
- biztos
- Fenntarthatóság
- rendszer
- Systems
- táblázat
- TAG
- Vesz
- tart
- bevétel
- csapat
- csapat
- Műszaki
- Technologies
- sablon
- terminál
- teszt
- Tesztelés
- hogy
- A
- azok
- Őket
- akkor
- Ott.
- ebből adódóan
- Ezek
- ők
- ezt
- azok
- Keresztül
- idő
- nak nek
- Képzések
- tranzakció
- Átalakítás
- Átalakítás
- transzformációk
- át
- transzformáció
- tranzit
- fa
- Bízzon
- Megbízható
- kettő
- típus
- ui
- alatt
- megértés
- -ig
- Frissítések
- frissítése
- feltöltve
- URL
- us
- használ
- használati eset
- használt
- használó
- Felhasználók
- segítségével
- rendszerint
- érték
- különféle
- ellenőrzése
- változat
- keresztül
- Megnézem
- Virginia
- megjelenítés
- akar
- kívánatos
- volt
- we
- háló
- webes szolgáltatások
- Hetek
- JÓL
- ment
- voltak
- amikor
- ami
- míg
- WHO
- lesz
- val vel
- belül
- nélkül
- Munka
- munkafolyamat
- művek
- ír
- írás
- te
- A te
- zephyrnet
- Postai irányítószám