AWS Glue
PulseAugur coverage of AWS Glue — every cluster mentioning AWS Glue across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Amazon SageMaker Feature Store 增加了批量写入和记录发现 API
Amazon SageMaker Feature Store 推出了两个新 API，以提高管理机器学习特征的效率和可用性。BatchWriteRecord API 允许单次调用最多摄入 25 条记录，与单独写入记录相比，显著降低了开销。此外，ListRecords API 使开发人员能够枚举和发现 feature group 中的记录，支持 Standard 和 In-Memory 两种存储层。
-
松下航空电子使用 AWS 上的代理 AI 加速飞机诊断 · 跟踪 4 个来源
松下航空电子公司正在利用 AWS 上的代理 AI 来简化其全球机上娱乐和连接系统问题的诊断。通过与 AWS 和 AWS 生成式 AI 创新中心合作，他们开发了一个使用 Amazon Bedrock、Amazon SageMaker 和 AWS Glue 的系统。这种新方法显著减少了工程师在各种飞机配置中识别和解决系统问题所需的时间和精力，提高了运营效率，并使工程师能够专注于创新。
-
Apache Hudi 和 AWS Glue 简化数据湖中的变更数据捕获
本文探讨了数据湖的变更数据捕获 (CDC) 技术，重点介绍了其对实时数据洞察和运营效率的重要性。文章提供了使用 Apache Hudi 和 AWS Glue 实现 CDC 流水线、管理增量更新以及优化数据湖以进行实时分析的实操指南。文章将 CDC 定义为一种数据库复制模式，它跟踪更改而不是完整的表复制，并强调了其对 ETL 流水线的益处。
-
AWS QuickSight 集成 Glue 和 Databricks Unity Catalog
AWS 为 Amazon QuickSight（一项商业智能服务）引入了原生目录集成。此新功能将来自 AWS Glue 和 Databricks Unity Catalog 的元数据直接连接到 AI 分析工具。此集成旨在通过减少管理上游数据的手动工作来简化数据策展人的流程。
-
Amazon Quick 推出由 AI 驱动的目录体验以实现数据发现
Amazon Quick 推出了名为 Agentic Catalog Experience 的新 AI 驱动功能，旨在为数据策展人简化数据发现和目录管理。这一新工作流程旨在通过支持资产发现的自然语言查询并自动继承语义元数据，来弥合上游数据目录与 AI 分析工具之间的差距。目标是将获得洞察力所需的时间从几周缩短到几小时，并提高 AI 生成答案和仪表板的可信度。
-
AWS 详解 AI 驱动的银行推荐系统及其可解释的洞察
AWS 详细介绍了一个专为银行业量身定制的可解释的“下一个最佳产品”推荐系统的架构。该系统利用 Amazon SageMaker AI 和 PyTorch 来预测客户最有可能需要的产品。它采用带有学习到的注意力机制的多塔神经网络来提高准确性并提供每个客户的可解释性，从而克服了传统推荐方法的局限性。
-
Databricks 通过 Lakehouse Federation 实现跨源 AI 查询
Databricks 推出了名为 Lakehouse Federation 的新功能，允许用户连接到多个外部数据源并进行查询，而无需迁移数据。此功能与 Databricks 的治理层 Unity Catalog 集成，提供统一的数据视图并确保安全性和合规性。该系统由名为 Genie 的 AI 助手提供支持，能够以自然语言查询这些联合数据，在几分钟内提供来自不同系统的洞察。
-
Databricks Unity Catalog 通过新功能增强对 Apache Iceberg 的支持
Databricks 增强了其 Unity Catalog，为流行的开源表格式 Apache Iceberg 提供全面支持。主要更新包括托管 Iceberg、Iceberg v3 和外部 Iceberg 的通用可用性 (GA)，以及跨引擎访问控制和零拷贝安全共享等新功能。这些进步旨在统一跨不同引擎和系统的数据治理和性能，为 Iceberg v4 和 Delta 5.0 在统一元数据结构上的融合铺平道路。
-
AWS 和 Snowflake 集成 AI 以自动化反洗钱警报分类
AWS 和 Snowflake 已集成其 AI 服务，为金融机构自动化反洗钱 (AML) 警报分类流程。这一新框架结合了 Snowflake 的 AI Data Cloud 和 AWS 基础设施，实现了自动化工作流程，显著减少了调查警报所花费的时间。该解决方案使用 Amazon Quick Flows 来协调任务，连接到 Snowflake Cortex Agents 进行数据分析，从而简化了通常劳动密集型的合规流程。
-
AWS推出Strands Agents，简化AI应用开发
Amazon Web Services 推出了 Strands Agents，这是一个开源框架，旨在简化AI应用程序的开发。该框架允许开发人员使用最少的代码创建能够执行研究和分析等任务的智能代理，利用大型语言模型进行推理和规划。Strands Agents 与 Amazon Bedrock 和 AWS Lambda 等AWS服务无缝集成，并支持 Anthropic 和 OpenAI 等各种LLM提供商。