MyScale 是一款完全托管于亚马逊云科技，支持 SQL 的高效向量数据库。MyScale 的优势在于，它在提供与专用向量数据库相匹敌甚至优于的性能的同时，还支持完整的 SQL 语法。在这篇文章中，我们将阐述 MyScale 是如何借助亚马逊云科技的基础设施，构建出一个稳定且高效的云数据库。

在之前的《机器学习洞察》系列文章中，我们分别针对于多模态机器学习和分布式训练、无服务器推理进行了解读，本文将为您重点介绍 JAX 的发展并剖析其演变和动机。下面，就让我们来认识一下 JAX 这一新崛起的深度学习框架——

在上篇文章中，我们详细分享了 JAX 这一新兴的机器学习模型的发展和优势，本文我们将通过 Amazon SageMaker 示例展示如何部署并使用 JAX。

量子神经网络是基于量子力学原理的计算神经网络模型。1995年，Subhash Kak 和 Ron Chrisley 独立发表了关于量子神经计算的第一个想法，他们致力于量子思维理论，认为量子效应在认知功能中起作用。然而，量子神经网络的典型研究涉及将经典的人工神经网络模型（在机器学习中广泛用于模式识别的重要任务）与量子信息的优势...

深度学习给学术界和业界带来了强大的技术革新，其中，如何提高深度学习的效率和性能，是学术界和业界普遍关心的问题。如何加速神经网络训练？如何更快速的完成深度学习的部署？本次分享，将带来学术界和业界的最新进展！

关键字：Amazon HoneyCode, NoCode, NoCode热身系列, 低代码, Honeycode, Builder, Hello World

自首篇《NoCode 热身系列：你准备好了吗？》发表之后，不少读者来信询问有没有进一步的内容。为了更好地围绕NoCode实践分享我们的知识和经验，特此成立了NoCode专栏以飨读者。

Amazon SageMaker notebooks现已开箱即用支持R，且无需在实例上手动安装R内核。此外，这些notebooks还预装了reticulate库，由其为Amazon SageMaker Python SDK提供R接口，并允许我们从R脚本当中调用Python模块。大家可以使用Amazon SageMaker R内核轻松访问多个数据源，运行机器学习（ML）模型。目前，所有提供Amazon Sa...

欢天喜地迎来2021年，你的各种大目标、小目标都该开始实施了吧。今年你打算学习哪些新知识？又打算在项目中应用哪些新技术呢？大步前进的同时，别忘了回顾一下之前的干货知识点，没准也能带给你一些启发。

原本，有多少人已经准备好最新显卡，足够的硬盘空间，甚至请好年假，只为十天后去那个仰慕已久的赛博朋克世界里体验一番……结果他们又发了一张「黄色背景图」，告诉大家要跳票……再一次……好吧，你有了大量闲时间，但又没事可做？那就干点正事吧，玩一玩深度学习，即打发时间，增长知识，还能把你的新显卡先有效利用起来。G...

作为 Amazon 旗下的云语音服务，Alexa 已经以「智能助理」的形式出现在各类设备和应用中，每天帮助全球大量用户获得更高工作效率和更便捷的生活。不过你有没有好奇过，面对全球不同语言和文化的用户，TA到底是如何在短时间内精通各种语言，并与用户交互的？

但在企业环境中，面对五花八门的 IT 系统、文档库，以及其他种类各异的数据源，如何快速找到需要的内容？搜索就行。但假设你需要的信息分布在几个甚至十几个不同的应用或系统中，除了分别在这些地方进行搜索（前提是这些系统支持搜索），还有什么更好的办法吗？

现在 AI 应用领域似乎有一种趋势，大多数学习应用在 Python 中。Spring Boot 作为在微服务领域中广泛应用的开源平台，用户可以通过使用 Stock API 创建一个基于 C++ 或者 Python 应用的 RPC API 来实现不同语言的推理任务。但是这将带来大量的维护成本及效率问题——单纯就 RPC 通信来说，仅仅通信的时间消耗就已经达到了...

目前最新的计算断层成像（CT）、核磁共振成像（MRI）以及超声影像（US）等多种医学成像技术不仅实现了对肿瘤病变的高分辨率成像，同时还可以结构及功能多模态成像，从而实现对肿瘤病变无创检测。但是目前临床基于影像的肿瘤诊断和治疗主要依赖于医生的个人经验和主观评判。然而，目前成像模态多样化，信息量也越来越大，...

骄阳似火，就想待在空调房里哪都不去，那么不妨借此机会学学技术吧，也许正好能帮你解决工作中的棘手问题呢。2020年7月，我们继续与大家分享了大量有关 亚马逊云科技(Amazon Web Services)的AI、机器学习、深度学习等技术文章，是时候简单回顾一下了。

但一项前沿技术的落地应用总要经过一个艰难又漫长的过程，机器学习也仍处于技术的加速发展阶段。为了加速机器学习技术的发展，2017 年 10 月，Amazon Web Services（亚马逊云科技） 在全球设立了亚马逊云科技 (Amazon Web Services）机器学习研究奖 - Machine Learning Research Award（MLRA），并于今年春季开始在中国...

为了解决机器学习本身存在的诸多问题，让数据科学家、算法工程师、业务开发者都能轻松驾驭机器学习，亚马逊云科技 (Amazon Web Services）于2017年11月推出了 Amazon SageMaker 机器学习平台服务，并且在过去的两年多里不断丰富功能组件。在 Gartner 发布的 2020 年云上 AI 开发者服务魔力象限中，亚马逊云科技被评为领...

关注机器学习技术的童鞋可能已经听说了，最近举办的全球最大规模语义评测比赛 SemEval 2020中，语义理解框架 ERNIE 斩获了包括视觉媒体的关键文本片段挖掘、多语攻击性语言检测和混合语种的情感分析等在内的5项世界冠军！

不知不觉间，我们已经和大家分享了与 Amazon Web Services (亚马逊云科技) 有关的 AI、机器学习、深度学习等技术有关的内容。接下来，不妨通过本文进行一个简单的汇总，方便有不同需求的小伙伴们能够按图索骥，快速找到自己感兴趣的东西。

遥想当年，当企业需要从不同来源的多种系统中对海量数据进行分析时，大数据技术应运而生了，帮助企业更快速、灵活地从数据中获得宝贵的见解。而机器学习技术发展到今天，也产生了类似的需求。

最近几年，深度学习的爆发带来了一个让很多人未曾预料到的结果：Python 这个曾经小众的语言突然间变得炙手可热了。无论资深开发者、计算机专业学生、编程入门新手，甚至地产大佬，都对这个语言表示出极大的热忱。

尽管还没进入六月，可各大电商的暑期大促早已如火如荼地开始了。优惠、满减、秒杀、返券……当然，在你成功清空购物车后，还少不了人民群众们喜闻乐见的「猜你喜欢」环节。经常使用就会发现，这类推荐内容通常都会很合你自己的口味，电商到底是怎么做到的？这就涉及到「推荐系统」这个概念了。

游戏中，每时每刻都会产生大量的玩家日志信息；旅游应用中，每天有各类酒店各种交通工具的实时价格；涉及供应链和日销量的零售电商，每月都为生产（购进）多少货而发愁；就连生产电子元器件、供电箱等零配件的传统生产企业，每时每刻也会产生大量的数据。

因为能从各类复杂数据（例如自由文本、图像、视频）中提取复杂模式，深度学习技术已经实现了非常广泛的应用。然而实践中会发现，很多数据集用图形（Graph）的方式更容易表达，例如社交网络上人们之间的相互关系等。

假设你借助自然语言处理技术开发了一个能够从图片（例如纸质文档的扫描件）中提取重要文字（例如所涉及到的人名）的应用，面对 Tony、Lisa 之类英文名，应用很轻松就准确地识别了出来；可如果面对张三、李四这样的中文名，识别效果却总是不如意。这有可能是什么问题造成的？并不一定是因为相关技术还没学会中文，很可能...

自 2017 年推出 Amazon SageMaker 以来，我们取得了长足的进步，使用该服务的客户数量不断增加也证明了这一点。但是，由于 ML 工具相对不成熟，ML 开发工作流程仍然非常反复，并且对于开发人员来说，管理工作具有挑战性。已经为 ML 发明了开发人员在构建传统软件时认为理所当然的许多工具（调试器、项目管理、协作、监控...