这篇文章是关于大规模管理机器学习 (ML) 生命周期的系列文章的一部分。要从头开始，请参阅大规模管理 ML 生命周期，第 1 部分：使用 Amazon SageMaker 构建 ML 工作负载的框架。多账户策略不仅对于改善治理至关重要，而且对于增强 […]
Detect and protect sensitive data with Amazon Lex and Amazon CloudWatch Logs
在当今的数字环境中，保护个人身份信息 (PII) 不仅是监管要求，也是消费者信任和商业诚信的基石。组织使用先进的自然语言检测服务（如 Amazon Lex）来构建对话界面，使用 Amazon CloudWatch 来监控和分析运营数据。许多组织面临的一个风险是 [...]
The Weather Company enhances MLOps with Amazon SageMaker, AWS CloudFormation, and Amazon CloudWatch
在本文中，我们分享了 The Weather Company (TWCo) 如何使用 Amazon SageMaker、AWS CloudFormation 和 Amazon CloudWatch 等服务增强其 MLOps 平台的故事。TWCo 数据科学家和 ML 工程师利用自动化、详细的实验跟踪、集成训练和部署管道来帮助有效扩展 MLOps。TWCo 将基础设施管理时间缩短了 90%，同时还将模型部署时间缩短了 20%。
Automate IT operations with Amazon Bedrock Agents
这篇文章提供了一个全面的AIOPS解决方案，结合了各种AWS服务，例如Amazon Bedrock，AWS Lambda和Amazon CloudWatch，以创建AI助理以进行有效的事件管理。该解决方案还使用亚马逊基础知识库和亚马逊基岩代理商。该解决方案使用亚马逊基岩的功能来实现能够监视IT系统，分析日志和指标并调用自动补救过程的智能代理的部署。
Innovating at speed: BMW’s generative AI solution for cloud incident analysis
在这篇文章中，我们解释了宝马如何使用生成AI加快云中复杂和分布式系统中事件的根本原因分析，例如宝马连接的车辆后端，可为2300万辆车辆提供服务。请继续阅读以了解该解决方案如何通过AWS和BMW进行协作，使用Amazon Bedrock Agents和Amazon CloudWatch日志和指标来更快地找到根本原因。这篇文章旨在用于云解决方案架构师和有兴趣加速其事件工作流程的开发人员。
Running an SSH server on AWS RoboMaker
概述 AWS RoboMaker 是一项完全托管的服务，使机器人开发人员无需管理任何基础设施即可构建、运行、扩展和自动化模拟。在开发周期中，机器人专家经常需要对正在运行的容器内发生的事情进行更深入的检查。虽然 CloudWatch 提供了与模拟作业相关的重要指标和日志，[...]
