Author: AWS Team

本文演示了如何使用Ground Truth NER为HAQM Comprehend自定义实体识别结果创建注释。我们还使用HAQM A2I以更新并改进HAQM Comprehend的低置信度预测结果。

本文引导大家为HAQM SageMaker notebook实例创建自定义持久R环境。关于HAQM SageMaker上的R notebooks，请参阅HAQM SageMaker示例GitHub repo。关于创建基于R内核的HAQM SageMaker notebook实例的更多详细信息，请参考在HAQM SageMaker notebook实例上使用R代码博文。

在本文中，我们讲解了如何根据用户交易与活动构建异构图，并使用该图及其他收集到的特征训练GNN模型，最终对交易的欺诈性做出预测。本文还介绍了如何使用DGL与HAQM SageMaker定义并训练具备高预测性能的GNN模型。关于此项目的完整实现以及其他GNN模型详细信息，请参见GitHub repo。

本文介绍了如何在HAQM Lex中创建一款会话式聊天机器人，使用HAQM Textract从图像或PDF文档中提取文本，使用HAQM Comprehend从文本中提取洞见，并通过机器人实现与洞见的交互。本文中所使用的代码皆发布在GitHub repo 当中，供您随意使用及扩展。我们也期待了解您如何将这套解决方案应用于实际用例，请在评论区中分享您的观点与疑问。

在实际的运营场景中，我们可以通过统计过程控制图（SPC：Statistical Process Control Chart）监控运营过程的稳定性，对过程存在的异常因素进行预警，以实现故障减少，用户体验提升和运营成本降低的目的。本文将介绍如何在HAQM SageMaker Service中，通过R语言来绘制统计过程控制图，从而可视化监控运营过程数据。

在本文中，我们使用HAQM SageMaker以BERT为起点，训练出一套能够标记句子语法完整性的模型。接下来，我们将模型分别部署在使用Elastic Inference与不使用Elastic Inference的HAQM SageMaker终端节点。您也可以使用这套解决方案对BERT做其他方向的微调，或者使用PyTorch-Transformers提供的其他预训练模型。
Key Messages as Tag

AWS DeepComposer不只是一款普通的键盘，同时也是一种有趣的互动方式，了解生成式的AI与GAN的复杂性。您可以在它的帮助下学习演奏简单的旋律，甚至可能激发出创作全新乐曲的灵感、训练出自己的自定义音乐流派模型、最终创造出前所未有的声音。我们也可以将两种流派融合起来以创造出新的音乐类型！

本文介绍了高盛集团旗下交易银行团队如何通过TxB微账户策略建立起应用程序隔离边界，又如何使用AWS PrivateLink对策略做出进一步补充。此外，本文还讨论了TxB团队如何跨各微账户建立起与MSK集群的网络连接，又如何通过HAQM MSK在满足核心安全要求的同时摆脱沉重的运营负担。在建立HAQM MSK环境时，大家不妨参考文章中介绍的构建方法。

大家可以在HAQM Rekognition控制台上，根据你的业务要求测试HAQM Rekognition的图像文本识别效果。关于HAQM Rekognition文本检测API的更多详细信息，请参阅HAQM Rekognition说明文档。

本文展示了两个用例，分别通过HAQM A2I将表格数据引入人工审核工作流中，且分别对应不可变静态表与动态表。当然，本文对于HAQM A2I功能的表述只能算是冰山一角。目前HAQM A2I已经在12个AWS区域内正式上线，关于更多详细信息，请参阅区域表。