AWS 機器學習相關服務可分為兩層:直接呼叫 API 的 AI Services,以及讓開發者自建模型的 ML Services。本文以 Amazon SageMaker Studio、Distributed Training 與 Clarify 三項工具,介紹如何簡化機器學習的開發、訓練與偏誤分析流程。
AWS 在機器學習領域的產品線相當龐雜,本文聚焦最上層的 AI Services,介紹健康照護、工業、異常偵測等 13 個應用領域的代表性服務,讓開發者不需自己訓練模型,也能把 AI 能力直接接進應用程式。
說明什麼是「平行程式設計」(Parallel Programming),它跟熟悉的單線程 (Serial) 程式設計差在哪,以及為什麼今天的軟體工程師需要用到多核心平行運算技術。
本篇教學帶你用 Python 搭配 Django 打造第一個 LINE 聊天機器人 —— Echo Bot,涵蓋 SDK 安裝、Channel 憑證設定、Webhook URL 指定,一路到部署至 Heroku 並實測成功。
Heroku 看起來能讓你快速把應用程式部署上線,但它其實跑在 AWS 之上。這篇文章用白話解釋 Heroku、Dyno,以及為什麼多數團隊選擇 PaaS 而不是直接使用 AWS 這類 IaaS。
手把手教學:如何在 LINE Developers 上申請帳號、建立 Provider 與 Messaging API Channel,並正確關閉自動回應訊息、開啟 Webhook,讓自己的程式接手回覆使用者訊息。
從零開始的 Heroku 部署教學:在 macOS 上用 conda 建立虛擬環境,安裝 Django、gunicorn 等套件,一步步把全新的 Django App 推上 Heroku 雲端平台。