ایجاد گردش کار یادگیری ماشین با استفاده از Google BigQuery و Amazon Managed Apache Flow

عکس پروفایل نویسنده

آمازون از در دسترس بودن جریانات آمازون مدیریت شده برای جریان هوا Apache (MWAA) ، یک سرویس کاملاً مدیریت شده که اجرای Apache Airflow بر روی AWS و ایجاد گردش کار پردازش داده ها در ابر را آسان می کند ، خبر داد.

Apache Airflow ابزاری منبع باز است که برای نوشتن برنامه ریزی ، برنامه ریزی و نظارت بر توالی فرآیندها و وظایفی که به آنها “گردش کار” گفته می شود ، استفاده می شود.

MWAA به ما امکان می دهد گردش کار را بدون نگرانی در مورد زیرساخت های اساسی مستقر کنیم. گردش کار مدیریت شده به طور خودکار ظرفیت اجرای گردش کار خود را برای تأمین نیازهای ما مقیاس بندی می کند و با سایر سرویس های AWS مانند EMR ، SageMaker و غیره ادغام می شود.

آمازون شخصی سازی توسعه دهندگان را قادر می سازد تا برنامه هایی با همان فناوری یادگیری ماشین (ML) استفاده کنند که توسط Amazon.com برای توصیه های شخصی واقعی در زمان واقعی استفاده می شود – بدون نیاز به تخصص ML.

این مقاله نشان می دهد که چگونه می توان با استفاده از Google BigQuery ، Amazon MWAA و Amazon Personalize یک گردش کار ML ساخت و مدیریت کرد. ما یک سیستم پیشنهادی مبتنی بر جلسه برای پیش بینی محبوب ترین موارد برای یک وب سایت تجارت الکترونیکی بر اساس داده های ترافیک صفحات محصول ردیابی شده توسط Google Analytics ایجاد خواهیم کرد.

BigQuery یک انبار داده سازمانی است که با فعال کردن پرس و جوهای بسیار سریع SQL با استفاده از قدرت پردازش گوگل این مشکل را حل می کند …

سئو PBN | خبر های جدید سئو و هک و سرور