• 您好,欢迎访问本站!
  • 登录
  • 注册
  • 业界
  • 云计算和大数据
  • 消费和应用
  • 基础架构
计算杂谈
  • 计算
  • 杂谈

云计算和大数据

首页 - 亚马逊云科技打造“云、数、智三位一体”服务组合 - 计算 - 云计算和大数据 - 正文

亚马逊云科技打造“云、数、智三位一体”服务组合

云中子云中子 云计算和大数据, 计算 2022年4月27日
9.12K 0 9

2022年4月27日,亚马逊云科技宣布推出“云、数、智三位一体”的大数据与机器学习融合服务组合,帮助企业推进大数据和机器学习的融合,将机器学习由实验转为规模化落地实践。亚马逊云科技“云、数、智三位一体”服务组合具体涵盖三个方面,分别是:构建云中统一的数据治理底座,为机器学习提供生产级别的数据处理能力,以及赋能给业务人员更加智能的数据分析工具。该服务组合是亚马逊云科技自去年推出 “智能湖仓”架构以来,持续推进该框架的深度智能并加速其落地实践。

亚马逊云科技大中华区产品部总经理陈晓建表示:“随着企业数据越来越多,机器学习模型越来越先进,很多企业期望通过大数据与机器学习技术的融合,进一步带动业务创新,提升产出。但企业往往面临一个困境,有大量的数据和分析技术储备,也尝试了很多先进的机器学习模型,但就是很难有实际的业务产出。企业不能只靠机器学习,而应在云中打造统一的数据基础底座,实现大数据与机器学习的‘双剑合璧’。 在大数据与机器学习领域,亚马逊云科技提供广泛而深入的服务,既有能打通两个领域的数据治理底层服务,还能实现大数据与机器学习之间的相互赋能。我们希望能凭借在这两个领域的领先技术以及服务全球数百万客户的实践经验,帮助客户加速实现大数据和机器学习融合的落地,为企业节本增效,提供业务发展的新动力。”

“云、数、智三位一体”的亚马逊云科技大数据与机器学习融合服务组合

亚马逊云科技 “云、数、智三位一体”的大数据和机器学习融合服务组合,是亚马逊云科技“智能湖仓”架构的重要组成。亚马逊云科技通过在云中构建统一的数据治理底座,提供数据分析服务保障机器学习的生产实践,实现机器学习反向赋能智能化数据分析,促进云、数、智三者的统一与融合,帮助客户推进机器学习项目的落地。

  • 构建云中统一的数据治理底座,打破数据及技能孤岛。亚马逊云科技能帮助客户构建统一的数据治理底座,实现大数据和机器学习的数据共享,数据权限的统一管控,以及两者统一的开发和流程编排。云中统一的数据治理底座不仅能提升大数据和机器学习的高效融合,还能减少大数据和机器学习重复构建的工作,并且显著降低成本。其中, Amazon Lake Formation推出诸多新功能,实现了数据网格跨部门的数据资产共享,以及基于单元格的最细粒度的权限控制机制。Amazon SageMaker Studio可一站式地完成数据开发、模型开发及相关的生产任务,该服务基于多种专门构建的服务,如交互式查询服务Amazon Athena、云上大数据平台Amazon Elastic MapReduce (Amazon EMR)、云数据仓库服务Amazon Redshift、Amazon SageMaker等,为大数据和机器学习提供统一的开发平台。
  • 助力机器学习由实验转为实践,为机器学习提供生产级别的数据处理能力。机器学习项目成功的关键是对复杂的数据进行加工和准备。亚马逊云科技提供多种灵活可扩展、专门构建的大数据服务,帮助客户进行复杂的数据加工及处理,应对数据规模的动态变化,优化数据质量。其中,Amazon Athena能够对支持多种开源框架的大数据平台,包括Amazon EMR、高性能关系数据库Amazon Aurora、NoSQL数据库服务Amazon DynamoDB、Amazon Redshift等多种数据源,对这些数据源进行联邦查询,快速完成机器学习建模的数据加工。 以Amazon Redshift、Amazon Managed Streaming for Apache Kafka (Amazon MSK)和 Amazon EMR 为代表的无服务器分析能力,可以让客户无需配置、扩展或管理底层基础设施,即可轻松地处理任何规模的数据,为机器学习项目提供兼具性能和成本效益的特征数据准备。
  • 让数据分析智能化,赋能业务人员探索创新。亚马逊云科技还不断提供更加智能的数据分析服务,赋能业务人员进行智能分析、模型效果验证以及自主式创新。例如,在日常分析工具中集成机器学习模型预测能力,其中深度集成机器学习Amazon SageMaker模型预测能力的Amazon QuickSight 、在分析结果中添加基于模型预测的Amazon Athena ML,可帮助用户使用熟悉的技术,甚至通过自然语言来使用机器学习。亚马逊云科技还提供如Amazon Redshift ML、可视数据准备工具Amazon Glue Databrew、零代码化的机器学习模型工具 Amazon SageMaker Canvas等服务,让业务人员探索机器学习建模。

全球数十万计的客户选择亚马逊云科技开展云上数智融合之旅

目前,全球数十万客户正借助亚马逊云科技大数据及机器学习服务开展业务创新,将机器学习投入实践,解决现实世界中真实和复杂的数据应用场景。乐我无限(Joyme)运营的全球化直播平台LiveMe,荟萃了来自200多个国家和地区的近100万名主播,每月活跃用户数(MAU)超过3700万。LiveMe基于亚马逊云科技的解决方案搭建了数据研发中心平台的核心技术服务。Joyme数据研发中心总监杨飞表示:“LiveMe核心业务均部署在亚马逊云科技上,通过亚马逊云科技的技术赋能,实现了降本增效,加速了业务创新。通过直播内容实时识别技术服务,LiveMe不仅提升了用户体验,还大量降低了内容管理的业务成本。通过欺诈交易识别技术服务辅助识别欺诈交易,减少欺诈、拒付类交易,LiveMe每年减少经济损失可达数百万美元。未来LiveMe将在系统稳定性、数据驱动以及新技术开发等方面加深与亚马逊云科技的合作。”

丰富的合作伙伴解决方案助推客户数字化转型

亚马逊云科技构建了强大的合作伙伴网络,通过合作伙伴网络成员帮助客户构建解决方案。亚马逊云科技合作伙伴上海欣兆阳(Convertlab)以云计算、大数据和人工智能为代表的数字化技术,为企业营销提供数字化、自动化、智能化基础设施以及相关的专业服务。Convertlab 联合创始人兼CTO李征表示:“基于亚马逊云科技统一的数据基础底座, Convertlab构建了相辅相成的一体化数据智能湖仓架构Data Hub和一体化高效机器学习平台AI Hub,使数据流转时效性提升32%,可进行快速的特征设计与机器学习模型迭代,模型上线效率提升30%。当前已上线5大营销特征类别,300多营销特征,20多营销AI模型,更好地赋能客户智慧营销,实现业务增长,助推行业数字化转型。”

此外,亚马逊云科技还通过数据科学实验室、机器学习实验室和机器学习专业服务等一系列定制化措施,从基础能力构建到行业前沿知识分享,帮助客户将“数据驱动转型”从设想到全面落地,重塑创新引擎。

赞(9)
赏
分享

本文由 计算杂谈 作者:云中子 发表,转载请注明来源!

关键词:亚马逊
云中子

云中子

文章:1431

十年磨一剑,纷享销客推动企业迎接新挑战
奇安信专家团亮相首都网络安全日 分享冬奥保障“零事故”经验

相关文章

  • AWS发布针对Amazon EC2的Apple macOS实例

    AWS发布针对Amazon EC2的Apple macOS实例

    云计算和大数据, 计算 2020年12月2日 0
  • 华为业务转型:将关闭在英国的所有企业级硬件销售

    华为业务转型:将关闭在英国的所有企业级硬件销售

    基础架构 2020年9月10日 1
  • NVIDIA 在 Microsoft Azure 上推出面向全球企业和初创公司的

    NVIDIA 在 Microsoft Azure 上推出面向全球企业和初创公司的

    基础架构, 计算 2023年11月16日 0
LensNews

热评文章

  • 1华为新台式机细节曝光:搭载24核心鲲鹏920 3211K
  • 2艾融软件助力工行“融e联” 全面提升用户体验
  • 3重点来了!2018基础架构硬件发展将何去何从
  • 4简化多云管理!思杰拓展生态,赋能数字未来
  • 5跌了一年的内存市场迎来曙光 Q3季度内存产值环比增长4%

最赞的文章

  • 1两大国家级基金增资中芯国际 160亿砸向国产14nm工艺
  • 214nm工艺量产 中芯国际重奖高管1.7亿元股权
  • 3苹果发布A14 Bionic处理器:全球首发5nm工艺、118亿晶体管怪兽
  • 4奇安信集团总裁吴云坤提出保障信创安全的两个路径
  • 5官方晒《暗黑4》细节:游戏技能树强大、风格更黑暗

发表评论 取消回复

标签聚合

亚马逊216 奇安信172 戴尔149 AMD84 云计算67 PTC67 VMware65 服务器55 处理器49 Intel46 华为43 存储41 AWS41 NVIDIA38 浪潮31 安全28

计算杂谈,与您分享来自科技的乐趣。

京ICP备19042330号-1
繁

扫描二维码即刻联系我们

计算杂谈与你分享来自科技的乐趣!

微信二维码微信二维码

关注 计算杂谈 微信公众号

计算杂谈微信公众号

按文章类型进行搜索

分享到微信朋友圈

打开微信,点击底部的“发现”
使用“扫一扫”即可将网页分享至朋友圈。

觉得文章有用请给作者打赏!

支付宝收款二维码支付宝扫一扫打赏 微信收款二维码微信扫一扫打赏

觉得文章有用请给作者打赏!

支付宝收款二维码支付宝扫一扫打赏 微信收款二维码微信扫一扫打赏