Accelerate ML feature pipelines with new capabilities in Amazon SageMaker Feature Store
今天，我们宣布 SageMaker Python SDK v3.8.0 提供三项新功能。在这篇文章中，我们将通过可用于入门的代码示例来介绍每项功能。有关完整的端到端演练，请参阅 SageMaker Python SDK 存储库中有关 Lake Formation 治理和 Iceberg 表属性的随附笔记本。
From data lake to AI-ready analytics: Introducing new data source with S3 Tables in Amazon Quick
Amazon Quick 推出 Amazon S3 表（Apache Iceberg 表）作为新数据源。借助此功能，客户可以直接查询和可视化存储在 Amazon S3 表存储桶中的 Apache Iceberg 表，而无需中间数据层。在这篇文章中，我们探讨了 Amazon Quick 的新 Amazon S3 表数据源如何在简化现代数据架构的同时实现近实时分析。
Unleashing Agentic AI Analytics on Amazon SageMaker with Amazon Athena and Amazon Quick
本文演示了 Amazon Quick 的代理 AI 助手如何使用 Amazon Simple Storage Service (Amazon S3) 作为存储、使用 Amazon SageMaker 和 AWS Glue for Lakehouse、Amazon Athena 跨多种存储格式（S3 表、Iceberg 和 Parquet）进行无服务器 SQL 查询，从而将数据分析转变为自助服务功能。
