焦點新聞

Amazon Personalize 新支援 offline metrics 來幫助評估模型的準確度

Amazon Personalize 使用了與 Amazon.com 相同的機器學習技術來訓練模型，而使用者無須機器學習的專業知識，即可產生模型來進行即時個人化推薦。使用者只需要引入個人準備好的資料集，並定義 Personalize 需要的 Schema 欄位，接著選擇訓練用的演算法，Personalize 就會開始訓練模型，最終產生推論的 endpoint，就可以針對個人產生最佳的推薦。

然而，當模型訓練完成後，該如何評斷模型的好壞或是其準確性，是許多使用者會關注的議題。現在，Personalize 推出 offline metrics，提供額外的數據讓使用者可以自己評估是否要重新訓練，或是調整參數，甚至加入更多資料集來提高準確度等等。

參考來源至：Amazon Personalize now supports offline model metrics for recommenders

Amazon EC2 Auto Scaling 推出 Predictive Scaling Policy

Amazon EC2 Auto Scaling 能夠幫助使用者維持應用程式的高可用性，讓使用者根據預先設定好的條件來新增或移除 EC2 Instance 數量。先前使用者可以透過 Dynamic Scaling Policy 來讓 Auto Scaling Group 根據當前需求來變動性的擴展 EC2 的數量，例如：當現有的 EC2 Instance 平均的 CPU 用量高達 70% 時，使用者設定此數據為擴展的時機，確保具有足夠的 Capacity 來承擔使用者的需求

現在新推出 Predictive Scaling Policy，可以預測性的預估用量，它會依據設立的當下，往前推算 14 天作為歷史參考數據，來產生未來預測，讓 EC2 Instance 的數量在實際遇上大量需求之前，可以更加及時的擴展。

圖片參考：Amazon EC2 Auto Scaling – Explore your data and forecast

使用者目前可以選擇 ForecastOnly 模式，讓 EC2 Auto Scaling 單純產生預測，還不會真實的調整 Capacity，作為使用前的評估，比對預測的數量是否真的符合實際發生的狀況。

可先關閉 Turn on scaling 選項，單純產生預測，作為使用前的評估。

參考來源至：Amazon EC2 Auto Scaling now backfills Predictive Scaling forecasts so you can quickly validate forecast accuracy

其他服務更新

• Amazon ElastiCache for Redis 及 Amazon MemoryDB for Redis 新增支援儲存 JSON 格式的資料：此次更新後，使用者可以將 JSON 格式的資料直接儲存在 Amazon ElastiCache for Redis 及 Amazon MemoryDB for Redis 中，之後也可以讀取，而不需要額外的設定。

• AWS DataSync 新增支援兩個資料來源位置：AWS DataSync 可以幫助使用者快速同步存放在不同地方的資料，此次更新後，AWS DataSync 新支援 Google Cloud Storage 及 Azure Files 作為資料同步的位置。

• Amazon EC2 推出 Stop Protection 功能：透過 Stop Protection 功能，使用者可以避免 EC2 Instance 意外的暫停，讓 EC2 Instance 裡無法接受停機的 workload 可以持續運行。

• AWS Transit Gateway Network Manager 支援跨帳號管理：當使用者的 global network 跨了多個帳號，現在可以利用新功能來一併管理，而不需要另外切換帳號。

• Amazon Comprehend 新增支援額外 14 種 PII 辨識：Amazon Comprehend 能夠辨識詞語的性質、特徵，例如：類別、正負面..等等，此次更新後，Comprehend 新增對美國、加拿大、英國及印度的 PII 詞語。