Amazon SageMaker Feature Store egy teljesen felügyelt, célirányosan felépített adattár a gépi tanulási (ML) modellek funkcióinak tárolására, megosztására és kezelésére. Jellemzők a betanítás és a következtetés során használt ML modellek bemenetei. Például egy zenei lejátszási listát ajánló alkalmazásban a szolgáltatások közé tartozhat a dal értékelése, a hallgatási időtartam és a hallgató demográfiai adatai. A funkciókat több csapat is többször használja, és a funkciók minősége kritikus fontosságú a rendkívül pontos modell biztosításához. Ezenkívül, ha a modellek kötegelt offline betanításához használt funkciók elérhetővé válnak valós idejű következtetésekhez, akkor nehéz a két funkciótárat szinkronban tartani. A SageMaker Feature Store biztonságos és egységes tárolót biztosít a funkciók feldolgozásához, szabványosításához és nagymértékű használatához az ML életciklusa során.
A SageMaker Feature Store most könnyedén megoszthatja, felfedezheti és elérheti az AWS-fiókok szolgáltatáscsoportjait. Ez az új képesség elősegíti az együttműködést, és minimálisra csökkenti a párhuzamos munkavégzést az ML modell- és alkalmazásfejlesztésben részt vevő csapatok számára, különösen olyan vállalati környezetekben, ahol több fiók különböző üzleti egységekre vagy funkciókra terjed ki.
Ezzel az indítással a fióktulajdonosok hozzáférést biztosíthatnak más fiókok által kiválasztott funkciócsoportokhoz AWS Resource Access Manager (AWS RAM). Miután megkapták a hozzáférést, a fiókok felhasználói kényelmesen megtekinthetik összes funkciócsoportjukat, beleértve a megosztottakat is, Amazon SageMaker Studio vagy SDK-k. Ez lehetővé teszi a csapatok számára, hogy felfedezzék és felhasználják a más csapatok által kifejlesztett funkciókat, elősegítve a tudásmegosztást és a hatékonyságot. Ezenkívül a megosztott erőforrások használati részletei is nyomon követhetők amazonfelhőóra és a AWS CloudTrail. Mély merüléshez lásd: A fiókok közötti funkciócsoportok felfedezhetősége és hozzáférése.
Ebben a bejegyzésben megvitatjuk, hogy miért és hogyan kell létrehozni egy több fiókra kiterjedő hozzáféréssel rendelkező központosított szolgáltatástárolót. Megmutatjuk, hogyan kell beállítani és lefuttatni egy mintabemutatót, valamint azt, hogy milyen előnyökhöz juthat, ha ezt az új képességet használja szervezetében.
Kinek van szüksége több fiókra kiterjedő szolgáltatásboltra
A szervezeteknek biztonságosan meg kell osztaniuk a funkciókat a csapatok között, hogy pontos ML-modelleket készítsenek, miközben megakadályozzák az érzékeny adatokhoz való jogosulatlan hozzáférést. A SageMaker Feature Store mostantól lehetővé teszi a funkciók részletes megosztását a fiókok között az AWS RAM-on keresztül, lehetővé téve az együttműködésen alapuló modellfejlesztést a kormányzással.
A SageMaker Feature Store erre a célra kialakított tárolást és kezelést biztosít a képzés és a következtetések levonása során használt ML-funkciókhoz. A több fiókra kiterjedő támogatással mostantól szelektíven megoszthatja az egy AWS-fiókban tárolt funkciókat a szervezet más fiókjaival.
Az elemzőcsapat például egy központi felügyeleti fiókban kezelheti az olyan funkciókat, mint az ügyfélprofil, a tranzakciós előzmények és a termékkatalógusok. Ezekhez biztonságosan hozzá kell férniük az ML fejlesztőknek más részlegeken, mint például a marketing, a csalásfelderítés és így tovább, hogy modelleket készíthessenek.
Az ML-funkciók fiókok közötti megosztásának fő előnyei a következők:
- Konzisztens és újrafelhasználható funkciók – A kurátoros funkciók központosított megosztása javítja a modell pontosságát azáltal, hogy konzisztens bemeneti adatokat biztosít a képzéshez. A csapatok felfedezhetik és közvetlenül felhasználhatják a mások által létrehozott funkciókat, ahelyett, hogy az egyes fiókokban lemásolnák azokat.
- Funkciócsoport hozzáférés-vezérlés – Csak a fiók használati esetéhez szükséges adott szolgáltatáscsoportokhoz adhat hozzáférést. Például előfordulhat, hogy a marketingcsapat csak az ajánlási modellekhez szükséges ügyfélprofil-szolgáltatáscsoporthoz fér hozzá.
- Csapatok közötti együttműködés – A megosztott funkciók lehetővé teszik, hogy különböző csapatok – például csalás, marketing és értékesítés – együttműködjenek az ML-modellek felépítésében, ugyanazon megbízható adatok felhasználásával, ahelyett, hogy elzárt funkciókat hoznának létre.
- A megfelelőség ellenőrzési nyomvonala – A rendszergazdák a CloudTrail eseménynaplók segítségével központilag nyomon követhetik az összes fiók funkcióhasználatát. Ez biztosítja az irányításhoz és a megfelelőséghez szükséges ellenőrzési nyomvonalat.
A termelők megkülönböztetése a fogyasztóktól a több fiókra kiterjedő szolgáltatási üzletekben
A gépi tanulás területén a funkciótároló kulcsfontosságú hídként működik, összekötve az adatszolgáltatókat azokkal, akik kihasználják azokat. Ez a kettősség hatékonyan kezelhető a szolgáltatástároló fiókok közötti beállításával. Tisztázzuk meg ezt a következő személyek és egy valós analógia segítségével:
- Adat- és ML mérnökök (tulajdonosok és gyártók) – Lefektetik az alapot azzal, hogy adatokat táplálnak be a szolgáltatástárolóba
- Adattudósok (fogyasztók) – Kivonják és felhasználják ezeket az adatokat modelljeik elkészítéséhez
Az adatmérnökök építészként dolgozzák fel a kezdeti tervrajzot. Feladatuk hatékony adatfolyamok felépítése és felügyelete. A forrásrendszerekből származó adatokat lehívva a nyersadat-attribútumokat észrevehető jellemzőkké formálják. Vegyük például az „életkort”. Bár pusztán a jelen és a születési dátum közötti időszakot reprezentálja, értelmezése szervezetenként eltérő lehet. Itt a minőség, az egységesség és az összhang biztosítása a legfontosabb. Céljuk, hogy az adatokat egy központosított szolgáltatástárolóba táplálják be, és ez legyen a vitathatatlan referenciapont.
Az ML mérnökei finomítják ezeket az alapvető funkciókat, és a kiforrott ML munkafolyamatokhoz szabják őket. A banki tevékenységgel összefüggésben statisztikai betekintést vonhatnak le a számlaegyenlegekből, azonosítva a trendeket és az áramlási mintákat. Az akadály, amellyel gyakran szembesülnek, a redundancia. Gyakori, hogy a különféle ML-kezdeményezéseknél ismétlődő szolgáltatás-létrehozási folyamatok jelennek meg.
Képzelje el az adattudósokat, mint ínyenc szakácsokat, akik egy jól felszerelt kamrát kutatnak, és a legjobb alapanyagokat keresik következő kulináris remekükhöz. Idejüket innovatív adatreceptek kidolgozásába kell fektetni, nem pedig a kamra összeszerelésébe. Ezen a ponton az akadály a megfelelő adatok felfedezése. A felhasználóbarát felület, amely hatékony keresőeszközökkel és átfogó szolgáltatásleírásokkal van felszerelve, elengedhetetlen.
Lényegében egy több fiókra kiterjedő szolgáltatásbolt-beállítás aprólékosan szegmentálja az adatelőállítók és -fogyasztók szerepét, biztosítva a hatékonyságot, az átláthatóságot és az innovációt. Akár az alapozást, akár a tetejére építkezik, a szerepe és az eszközei ismerete kulcsfontosságú.
A következő diagram két különböző adattudós csapatot mutat be két különböző AWS-fiókból, akik ugyanazt a központi szolgáltatástárolót osztják meg és használják az ML-modellek felépítéséhez szükséges legjobb szolgáltatások kiválasztásához. A központi szolgáltatástároló egy másik, adatmérnökök és ML-mérnökök által kezelt fiókban található, ahol általában az adatirányítási réteg és az adattó található.
Több fiókra kiterjedő funkciócsoportok vezérlői
A SageMaker Feature Store segítségével megoszthatja a szolgáltatáscsoport erőforrásait a fiókok között. Az erőforrás-tulajdonos fiók megosztja az erőforrásokat az erőforrás-fogyasztói fiókokkal. Az erőforrások megosztásához két különálló engedélykategória tartozik:
- Felderíthetőségi engedélyek - felfedezhetőség azt jelenti, hogy láthatjuk a jellemzőcsoportok nevét és metaadatait. Amikor felfedezhetőségi engedélyt ad, a megosztott fiókban (erőforrás-tulajdonosi fiók) lévő összes szolgáltatáscsoport-entitás felfedezhetővé válik azon fiókok számára, amelyekkel megoszt (erőforrás-fogyasztói fiókok). Például, ha az erőforrás-tulajdonosi fiókot felfedezhetővé teszi az erőforrás-fogyasztói fiók számára, akkor az erőforrás-fogyasztói fiók megbízói láthatják az erőforrás-tulajdonosi fiókban található összes szolgáltatáscsoportot. Ezt az engedélyt a SageMaker katalógus-erőforrástípus használatával kapják meg az erőforrás-fogyasztói fiókok.
- Hozzáférési engedélyek – Amikor hozzáférési engedélyt ad, azt a szolgáltatáscsoport-erőforrás szintjén teszi meg (nem a fiók szintjén). Ez részletesebben szabályozza az adatokhoz való hozzáférést. A megadható hozzáférési engedélyek csak olvasási, írási/olvasási és rendszergazdai engedélyek. Például az erőforrás-tulajdonosi fiókból csak bizonyos szolgáltatáscsoportokat választhat ki, amelyek az erőforrás-fogyasztói fiók megbízói számára elérhetők, üzleti igényeitől függően. Ezt az engedélyt az erőforrás-fogyasztói fiókok adják meg a szolgáltatáscsoport erőforrástípusának használatával és a szolgáltatáscsoport-entitások megadásával.
A következő példadiagram a SageMaker katalógus-erőforrástípus megosztását szemlélteti, amely felderíthetőségi engedélyt ad, szemben a szolgáltatáscsoport erőforrástípusú entitás hozzáférési engedéllyel való megosztásával. A SageMaker katalógus tartalmazza az összes szolgáltatáscsoport-entitást. Ha felderíthetőségi engedélyt kap, az erőforrás-fogyasztói fiók kereshet és fedezhet fel minden szolgáltatáscsoport-entitást az erőforrás-tulajdonosi fiókban. Egy jellemzőcsoport-entitás tartalmazza az Ön ML-adatait. Ha hozzáférési engedélyt kap, az erőforrás fogyasztói fiók hozzáférhet a szolgáltatáscsoport adataihoz, a megfelelő hozzáférési engedély által meghatározott hozzáféréssel.
Megoldás áttekintése
Hajtsa végre az alábbi lépéseket a funkciók fiókok közötti biztonságos megosztásához a SageMaker Feature Store segítségével:
- A forrás (tulajdonosi) fiókban töltse fel az adatkészleteket és készítsen elő normalizált funkciókat. A kapcsolódó jellemzőket logikai csoportokba, úgynevezett jellemzőcsoportokba rendezheti.
- Hozzon létre egy erőforrás-megosztást, hogy fiókokon átnyúló hozzáférést biztosítson bizonyos szolgáltatáscsoportokhoz. Határozza meg az engedélyezett műveleteket, például a beszerzést és az elhelyezést, és korlátozza a hozzáférést csak az engedélyezett fiókokra.
- A cél (fogyasztói) fiókokban fogadja el az AWS RAM-meghívást a megosztott funkciók eléréséhez. Tekintse át a hozzáférési szabályzatot, hogy megértse a megadott engedélyeket.
A célfiókok fejlesztői immár a SageMaker SDK segítségével lekérhetik a megosztott szolgáltatásokat, csatlakozhatnak további adatokkal, és felhasználhatják őket az ML-modellek betanításához. A forrásfiók a CloudTrail eseménynaplók segítségével figyelheti az összes fiók megosztott funkciókhoz való hozzáférését. Az auditnaplók központosított rálátást biztosítanak a funkciók használatára.
Ezekkel a lépésekkel lehetővé teheti a csapatok számára, hogy biztonságosan használják a megosztott ML-szolgáltatásokat az együttműködési modellfejlesztéshez.
Előfeltételek
Feltételezzük, hogy már létrehozott funkciócsoportokat, és feldolgozta a megfelelő funkciókat tulajdonosi fiókjában. A kezdéssel kapcsolatos további információkért lásd: Kezdje el az Amazon SageMaker Feature Store használatát.
Felfedezhetőségi engedélyek megadása
Először bemutatjuk, hogyan oszthatjuk meg SageMaker Feature Store katalógusunkat a tulajdonos fiókjában. Hajtsa végre a következő lépéseket:
- A SageMaker Feature Store katalógus tulajdonosi fiókjában nyissa meg az AWS RAM konzolt.
- Alatt általam megosztott a navigációs ablakban válassza a lehetőséget Erőforrás megosztások.
- 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 Erőforrás-megosztás létrehozása.
- Adja meg az erőforrás megosztásának nevét, és válassza ki SageMaker erőforrás-katalógusok mint az erőforrás típusa.
- 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 csak felfedezhetőséghez való hozzáféréshez írja be
AWSRAMPermissionSageMakerCatalogResourceSearch
mert Kezelt engedélyek. - 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.
- Adja meg fogyasztói fiókjának azonosítóját, és válassza a lehetőséget hozzáad. Több fogyasztói fiókot is hozzáadhat.
- 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 és fejezze be az erőforrás-megosztást.
Most a megosztott SageMaker Feature Store katalógusnak meg kell jelennie a Erőforrás megosztások cimre.
Ugyanezt az eredményt érheti el a AWS parancssori interfész (AWS CLI) a következő paranccsal (adja meg AWS régióját, tulajdonosi fiókjának azonosítóját és fogyasztói fiókjának azonosítóját):
Fogadja el az erőforrás-megosztási meghívót
Az erőforrás-megosztási meghívó elfogadásához hajtsa végre a következő lépéseket:
- A cél (fogyasztói) fiókban nyissa meg az AWS RAM konzolt.
- Alatt Megosztotta velem a navigációs ablakban válassza a lehetőséget Erőforrás megosztások.
- Válassza ki az új függőben lévő erőforrás-megosztást.
- 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 Erőforrás megosztás elfogadása.
Ugyanezt az eredményt érheti el az AWS CLI használatával a következő paranccsal:
Az előző parancs kimenetéből kérje le az értékét resourceShareInvitationArn
majd fogadja el a meghívást a következő paranccsal:
A munkafolyamat ugyanaz, ha szolgáltatáscsoportokat oszt meg egy másik fiókkal AWS RAM-on keresztül.
Miután megosztott néhány szolgáltatáscsoportot a célfiókkal, megtekintheti a SageMaker Feature Store-t, ahol megfigyelheti, hogy az új katalógus elérhető.
Adjon hozzáférési engedélyeket
Hozzáférési jogosultságokkal a szolgáltatáscsoport erőforrás szintjén adhatunk engedélyeket. Hajtsa végre a következő lépéseket:
- A SageMaker Feature Store katalógus tulajdonosi fiókjában nyissa meg az AWS RAM konzolt.
- Alatt általam megosztott a navigációs ablakban válassza a lehetőséget Erőforrás megosztások.
- 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 Erőforrás-megosztás létrehozása.
- Adja meg az erőforrás megosztásának nevét, és válassza ki SageMaker szolgáltatáscsoportok mint az erőforrás típusa.
- Válasszon ki egy vagy több funkciócsoportot a megosztáshoz.
- 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.
- Írási/olvasási hozzáféréshez nyomja meg a következőt:
AWSRAMPermissionSageMakerFeatureGroupReadWrite
mert Kezelt engedélyek. - 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.
- Adja meg fogyasztói fiókjának azonosítóját, és válassza a lehetőséget hozzáad. Több fogyasztói fiókot is hozzáadhat.
- 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 és fejezze be az erőforrás-megosztást.
Most a megosztott katalógusnak meg kell jelennie a Erőforrás megosztások cimre.
Ugyanezt az eredményt érheti el az AWS CLI használatával a következő paranccsal (adja meg a régióját, a tulajdonosi fiók azonosítóját, a fogyasztói fiók azonosítóját és a szolgáltatáscsoport nevét):
Háromféle hozzáférést biztosíthat a szolgáltatáscsoportoknak:
- AWSRAMPermissionSageMakerFeatureGroupReadOnly – A csak olvasási jogosultság lehetővé teszi az erőforrás-fogyasztói fiókok számára a megosztott szolgáltatáscsoportok rekordjainak olvasását, valamint a részletek és metaadatok megtekintését.
- AWSRAMPermissionSageMakerFeatureGroupReadWrite – Az olvasási/írási jogosultság lehetővé teszi az erőforrás-fogyasztói fiókok számára, hogy rekordokat írjanak a megosztott szolgáltatáscsoportokba, és rekordokat töröljenek azokból, az olvasási engedélyeken kívül
- AWSRAMPermissionSagemakerFeatureGroupAdmin – Az adminisztrátori jogosultság lehetővé teszi az erőforrás-fogyasztói fiókok számára, hogy frissítsék a megosztott szolgáltatáscsoportokon belüli funkciók leírását és paramétereit, valamint frissítsék a megosztott szolgáltatáscsoportok konfigurációját, az írási/olvasási engedélyeken túl.
Fogadja el az erőforrás-megosztási meghívót
Az erőforrás-megosztási meghívó elfogadásához hajtsa végre a következő lépéseket:
- A cél (fogyasztói) fiókban nyissa meg az AWS RAM konzolt.
- Alatt Megosztotta velem a navigációs ablakban válassza a lehetőséget Erőforrás megosztások.
- Válassza ki az új függőben lévő erőforrás-megosztást.
- 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 Erőforrás megosztás elfogadása.
Az erőforrás-megosztás elfogadásának folyamata az AWS parancssori felület használatával megegyezik az előző felfedezhetőségi szakaszban leírtakkal, a get-resource-share-invitations és az accept-resource-share-invitation parancsokkal.
Jegyzetfüzet-minta, amely bemutatja ezt az új képességet
Két notebook került be a SageMaker Feature Store Workshopba GitHub tárház a 09-module-security/09-03-cross-account-access mappában:
- m9_03_nb1_cross-account-admin.ipynb – Ezt a rendszergazdai vagy tulajdonosi AWS-fiókban kell elindítani
- m9_03_nb2_cross-account-consumer.ipynb – Ezt el kell indítani a fogyasztói AWS-fiókján
Az első szkript megmutatja, hogyan lehet létrehozni a felfedezhetőségi erőforrás-megosztást a meglévő szolgáltatáscsoportokhoz az adminisztrátori vagy tulajdonosi fiókban, és megosztani azt egy másik fogyasztói fiókkal programozottan az AWS RAM API használatával. create_resource_share()
. Azt is bemutatja, hogyan adhat hozzáférési engedélyeket a tulajdonosi fiók meglévő szolgáltatáscsoportjainak, és hogyan oszthatja meg ezeket egy másik fogyasztói fiókkal az AWS RAM használatával. A notebook futtatása előtt meg kell adnia fogyasztói AWS-fiókjának azonosítóját.
A második szkript elfogadja az AWS RAM-meghívásokat a több fiókra kiterjedő szolgáltatáscsoportok tulajdonosi szintről történő felfedezésére és elérésére. Ezután bemutatja, hogyan lehet felfedezni a több fiókra kiterjedő funkciócsoportokat, amelyek a tulajdonosi fiókban vannak, és hogyan listázhatja ezeket a fogyasztói fiókban. Azt is megtekintheti, hogyan férhet hozzá a tulajdonosi fiókban található több fiókhoz tartozó olvasási/írási funkciócsoportokhoz, és hogyan hajthatja végre a következő műveleteket a fogyasztói fiókból: describe()
, get_record()
, ingest()
és delete_record()
.
Következtetés
A SageMaker Feature Store fiókokon átívelő képessége számos lenyűgöző előnyt kínál. Először is megkönnyíti a zökkenőmentes együttműködést azáltal, hogy lehetővé teszi a funkciócsoportok megosztását több AWS-fiók között. Ez javítja az adatok hozzáférhetőségét és felhasználását, lehetővé téve a különböző fiókokban lévő csapatok számára, hogy megosztott funkciókat használjanak ML munkafolyamataikhoz.
Ezen túlmenően a több fiókra vonatkozó képesség javítja az adatkezelést és a biztonságot. Az AWS RAM-on keresztül szabályozott hozzáféréssel és engedélyekkel a szervezetek központi szolgáltatástárolót tarthatnak fenn, miközben biztosítják, hogy minden fiók testreszabott hozzáférési szintekkel rendelkezzen. Ez nemcsak egyszerűsíti az adatkezelést, hanem megerősíti a biztonsági intézkedéseket is azáltal, hogy korlátozza a hozzáférést a jogosult felhasználókra.
Ezenkívül a szolgáltatáscsoportok fiókok közötti megosztásának lehetősége leegyszerűsíti az ML-modellek együttműködési környezetben történő felépítésének és üzembe helyezésének folyamatát. Elősegíti az integráltabb és hatékonyabb munkafolyamatot, csökkenti az adattárolás redundanciáját, és megkönnyíti a robusztus modellek létrehozását megosztott, jó minőségű funkciókkal. Összességében a Feature Store fiókokon átívelő képessége optimalizálja az együttműködést, az irányítást és a hatékonyságot az ML fejlesztésben a különböző AWS-fiókok között. Próbálja ki, és ossza meg velünk, mit gondol a megjegyzésekben.
A szerzőkről
Ioan Catana az AWS mesterséges intelligenciával és gépi tanulással foglalkozó megoldásokkal foglalkozó vezető építésze. Segít az ügyfeleknek ML megoldásaik fejlesztésében és méretezésében az AWS Cloudban. Ioan több mint 20 éves tapasztalattal rendelkezik, főleg a szoftverarchitektúra tervezésében és a felhőtervezésben.
Philipp Kaindl az AWS mesterséges intelligenciával és gépi tanulási megoldásokkal foglalkozó vezető építésze. Adattudományi és gépészmérnöki háttérrel rendelkezik, és arra összpontosít, hogy ügyfeleit képessé tegye arra, hogy az AI segítségével tartós üzleti hatást érjenek el. A munkán kívül Philipp szeret 3D nyomtatókkal bíbelődni, vitorlázni és túrázni.
Dhaval Shah az AWS vezető megoldástervezője, gépi tanulásra szakosodott. Nagy hangsúlyt fektetve a digitális natív vállalkozásokra, feljogosítja ügyfeleit az AWS használatára és üzleti növekedésük ösztönzésére. Az ML rajongójaként Dhavalt az a szenvedélye vezérli, hogy hatásos megoldásokat hozzon létre, amelyek pozitív változást hoznak. Szabadidejében hódol az utazás szeretetének, és minőségi pillanatokat ápol családjával.
Mizanur Rahman az Amazon SageMaker Feature Store vezető szoftvermérnöke, több mint 10 éves gyakorlati tapasztalattal az AI és az ML területén. Erős elméleti és gyakorlati alapokon nyugvó Ph.D. fokozattal rendelkezik. Csalásfelderítés gépi tanulás segítségével, ami tükrözi elkötelezettségét a terület előrelépése iránt. Szakértelme széles spektrumot ölel fel, beleértve a skálázható architektúrákat, az elosztott számítástechnikát, a big data elemzéseket, a mikroszolgáltatásokat és a felhő infrastruktúrákat a szervezetek számára.
- 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. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/amazon-sagemaker-feature-store-now-supports-cross-account-sharing-discovery-and-access/
- :van
- :is
- :nem
- :ahol
- $ UP
- 10
- 150
- 20
- 20 év
- 3d
- 7
- 8
- 9
- a
- képesség
- Képes
- Rólunk
- Elfogad!
- elfogadó
- elfogadja
- hozzáférés
- Az adatokhoz való hozzáférés
- igénybe vett
- megközelíthetőség
- hozzáférhető
- Fiók
- Fiókok
- pontosság
- pontos
- Elérése
- át
- cselekvések
- cselekmények
- hozzá
- hozzáadott
- mellett
- További
- Ezen kívül
- admin
- adminisztrátorok
- továbbjutó
- Után
- AI
- cél
- Minden termék
- lehetővé
- megengedett
- lehetővé téve
- lehetővé teszi, hogy
- már
- Is
- Bár
- amazon
- Amazon SageMaker
- Az Amazon Web Services
- an
- analitika
- és a
- Másik
- api
- Alkalmazás
- Application Development
- alkalmazások
- építészek
- építészet
- architektúrák
- VANNAK
- mesterséges
- mesterséges intelligencia
- Mesterséges intelligencia és gépi tanulás
- AS
- társult
- feltételezni
- At
- attribútumok
- könyvvizsgálat
- felhatalmazott
- elérhető
- AWS
- háttér
- egyenlegek
- Banking
- BE
- válik
- előtt
- hogy
- Előnyök
- BEST
- között
- Nagy
- Big adatok
- tervrajz
- mindkét
- HÍD
- hoz
- széles
- épít
- Épület
- üzleti
- vállalkozások
- de
- by
- hívott
- TUD
- Kaphat
- képesség
- eset
- katalógus
- katalógusok
- kategóriák
- központi
- központosított
- bizonyos
- változik
- 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
- világosság
- cli
- felhő
- együttműködik
- együttműködés
- kollaboratív
- Hozzászólások
- Közös
- kényszerítő
- teljes
- teljesítés
- átfogó
- számítástechnika
- Configuration
- Csatlakozó
- következetes
- Konzol
- konstrukció
- fogyaszt
- fogyasztó
- Fogyasztók
- tartalmazott
- tartalmaz
- kontextus
- ellenőrzés
- vezérelt
- kényelmesen
- Megfelelő
- tudott
- kézműves
- teremt
- készítette
- létrehozása
- teremtés
- kritikai
- kritikus
- segédlelkész
- a válogatott
- vevő
- Ügyfelek
- dátum
- Adatelemzés
- adattó
- adatkezelés
- adat-tudomány
- adattudós
- adattárolás
- adatkészletek
- ajánlás
- mély
- mély merülést
- meghatározott
- Demográfiai
- bizonyítani
- demisztifikálni
- osztályok
- attól
- bevezetéséhez
- leírás
- Design
- részletek
- Érzékelés
- eltökélt
- Fejleszt
- fejlett
- fejlesztők
- Fejlesztés
- diagram
- különböző
- digitális
- közvetlenül
- felfedez
- felfedezése
- felfedezés
- megvitatni
- eltérő
- különböző
- megosztott
- elosztott számítástechnika
- merülés
- számos
- do
- rajz
- hajtás
- hajtott
- sokszorosítása
- időtartama
- alatt
- minden
- hatékonyan
- hatékonyság
- hatékony
- megerőltetés nélküli
- képessé
- felhatalmazza
- lehetővé
- lehetővé teszi
- lehetővé téve
- átfogó
- mérnök
- Mérnöki
- Mérnökök
- Javítja
- biztosítására
- biztosítása
- belép
- Vállalkozás
- rajongó
- Szervezetek
- egység
- Környezet
- környezetek
- felszerelt
- lényeg
- létrehozó
- esemény
- példa
- létező
- tapasztalat
- szakvélemény
- kivonat
- Arc
- megkönnyíti
- megkönnyítését
- család
- Funkció
- Jellemzők
- táplálás
- mező
- vezetéknév
- áramlási
- Összpontosít
- következő
- A
- elősegítése
- elősegíti
- Alapítvány
- alapítványi
- csalás
- csalások felderítése
- ból ből
- teljesen
- funkciók
- kap
- szerzés
- Ad
- ad
- kormányzás
- biztosít
- megadott
- nyújtó
- szemcsés
- alapozás
- Csoport
- Csoportok
- Növekedés
- hands-on
- Kemény
- hám
- Legyen
- he
- segít
- segít
- itt
- jó minőségű
- nagyon
- övé
- történelem
- tart
- Hogyan
- How To
- HTML
- http
- HTTPS
- akadály
- ID
- azonosító
- if
- Hatás
- hatásos
- javítja
- in
- Más
- tartalmaz
- Beleértve
- információ
- infrastruktúrák
- kezdetben
- kezdeményezések
- Innováció
- újító
- bemenet
- bemenet
- belső
- meglátások
- példa
- helyette
- integrált
- Intelligencia
- Felület
- értelmezés
- bele
- befektetett
- meghívás
- meghívni
- részt
- IT
- ITS
- csatlakozik
- jpg
- helyzet
- Tart
- Kulcs
- Ismer
- Ismerve
- tudás
- tó
- tartós
- indít
- indított
- világi
- réteg
- lefektetés
- tanulás
- hadd
- szint
- szintek
- életciklus
- mint
- korlátozó
- vonal
- Lista
- hallgató
- Kihallgatás
- található
- logikus
- szerelem
- gép
- gépi tanulás
- készült
- fenntartása
- csinál
- KÉSZÍT
- kezelése
- sikerült
- vezetés
- Marketing
- mestermű
- érett
- Lehet..
- eszközök
- intézkedések
- mechanikai
- csupán
- Metaadatok
- aprólékosan
- mikro
- esetleg
- minimalizálja
- ML
- modell
- modellek
- Pillanatok
- monitor
- ellenőrizni
- több
- többnyire
- többszörös
- zene
- név
- nevek
- bennszülött
- Navigáció
- Szükség
- szükséges
- igények
- Új
- következő
- jegyzetfüzet
- Most
- megfigyelni
- of
- Ajánlatok
- Nem elérhető
- gyakran
- on
- ONE
- azok
- csak
- nyitva
- Művelet
- Optimalizálja
- or
- szervezet
- szervezetek
- Más
- Egyéb
- mi
- teljesítmény
- kívül
- felett
- átfogó
- Felügyelje
- tulajdonos
- tulajdonosok
- oldal
- üvegtábla
- paraméterek
- Legfőbb
- különösen
- szenvedély
- minták
- alatt
- Teljesít
- engedély
- engedélyek
- döntő
- Plató
- Platón adatintelligencia
- PlatoData
- pont
- politika
- pozitív
- állás
- Gyakorlati
- megelőző
- Készít
- megakadályozása
- előző
- megbízók
- kiváltság
- folyamat
- Termelők
- Termékek
- profil
- elősegíti
- ad
- biztosít
- amely
- tesz
- világítás
- RAM
- értékelés
- Nyers
- Olvass
- való Világ
- real-time
- birodalom
- Ajánlást
- ajánlja
- nyilvántartások
- csökkentő
- utal
- referencia
- finomítani
- tükrözve
- vidék
- összefüggő
- megbízható
- TÖBBSZÖR
- ismétlő
- raktár
- jelentése
- kötelező
- forrás
- Tudástár
- korlátoz
- eredményez
- újrahasználható
- Kritika
- jobb
- erős
- Szerep
- szerepek
- futás
- futás
- sagemaker
- vitorlázás
- értékesítés
- azonos
- minta
- skálázható
- Skála
- Tudomány
- Tudós
- tudósok
- forgatókönyv
- sdk
- sdks
- zökkenőmentes
- Keresés
- Második
- Rész
- biztosított
- biztosan
- biztonság
- Biztonsági intézkedések
- lát
- keres
- szegmensek
- válasszuk
- idősebb
- érzékeny
- szolgál
- Szolgáltatások
- készlet
- felépítés
- számos
- Megosztás
- megosztott
- Megoszt
- megosztás
- kellene
- előadás
- kirakatba
- Műsorok
- elmosolyodott
- egyszerűsíti
- elhelyezett
- So
- szoftver
- Software Engineer
- Megoldások
- néhány
- dal
- forrás
- arasz
- feszültség
- ível
- szakember
- szakosodott
- különleges
- specifikálva
- Spektrum
- kezdődött
- statisztikai
- Lépései
- tárolás
- tárolni
- memorizált
- árnyékolók
- egyszerűsíti
- erősíti
- erős
- kínálat
- támogatás
- Támogatja
- Systems
- szabott
- szabászat
- Vesz
- cél
- Feladat
- csapat
- csapat
- hogy
- A
- The Source
- azok
- Őket
- akkor
- elmélet
- Ott.
- Ezek
- ők
- Szerintem
- ezt
- azok
- három
- Keresztül
- idő
- nak nek
- szerszámok
- nyom
- Vonat
- Képzések
- tranzakció
- utazás
- Trends
- megpróbál
- kettő
- típus
- típusok
- jogtalan
- megért
- egységes
- egységek
- Frissítések
- us
- Használat
- használ
- használati eset
- használt
- barátságos felhasználói
- Felhasználók
- segítségével
- rendszerint
- hasznosít
- érték
- változik
- keresztül
- Megnézem
- láthatóság
- vs
- we
- háló
- webes szolgáltatások
- JÓL
- voltak
- Mit
- amikor
- vajon
- míg
- WHO
- miért
- val vel
- belül
- Munka
- munkafolyamat
- munkafolyamatok
- műhely
- ír
- év
- te
- A te
- zephyrnet