Amazon SageMaker Studio is a fully integrated development environment (IDE) for machine learning (ML) that enables ML practitioners to perform every step of the machine learning workflow, from preparing data to building, training, tuning, and deploying models. Today, we are announcing new capabilities in SageMaker Studio to accelerate real time collaboration across ML teams.
Trusted Language Extensions for PostgreSQL is a new open source development kit to help you build high performance extensions that run safely on PostgreSQL. With Trusted Language Extensions, developers can install extensions written in a trusted language on Amazon Aurora PostgreSQL-Compatible Edition and Amazon Relational Database Service (RDS) for PostgreSQL.
Amazon GuardDuty now offers threat detection for Amazon Aurora to identify potential threats to data stored in Aurora databases. Amazon GuardDuty RDS Protection profiles and monitors access activity to existing and new databases in your account, and uses tailored machine learning models to accurately detect suspicious logins to Aurora databases. Once a potential threat is detected, GuardDuty generates a security finding that includes database details and rich contextual information on the suspicious activity, is integrated with Aurora for direct access to database events without requiring you to modify your databases, and is designed to not affect database performance.
Amazon Athena now supports Apache Spark, a popular open-source distributed processing system that is optimized for fast analytics workloads against data of any size. Athena is an interactive query service that helps you query petabytes of data wherever it lives, such as in data lakes, databases, or other data stores. With Amazon Athena for Apache Spark, you get the streamlined, interactive, serverless experience of Athena with Spark, in addition to SQL.
Amazon SageMaker Studio is an integrated development environment (IDE) that provides a single, web-based visual interface where users can access purpose-built tools to perform all machine learning (ML) development steps, from preparing data to building, training, and deploying ML models. Today, we are excited to announce a redesign that enhances the user experience by improving navigation, discoverability, and overall look and feel for SageMaker Studio.
Amazon Redshift is introducing Multi-AZ deployments (Preview) that support running your data warehouse in multiple AWS Availability Zones (AZ) simultaneously and continue operating in unforeseen failure scenarios. A Multi-AZ deployment is intended for customers with business critical analytics applications that require the highest levels of availability and resiliency to AZ failures.
Amazon DocumentDB (with MongoDB compatibility) is announcing the general availability of Amazon DocumentDB Elastic Clusters, a new type of Amazon DocumentDB cluster that let’s you elastically scale your document database to handle millions of reads and writes per second with petabytes of storage.
Amazon SageMaker now supports geospatial machine learning (ML), making it easier for data scientists and ML engineers to build, train, and deploy models using geospatial data. Today, the majority of all data generated contains geospatial information, but only a small fraction of it is used for ML because accessing, processing, and visualizing the data is complex, time consuming, and expensive.
Amazon QuickSight ahora admite en su totalidad el uso de NULL en el parámetro. El parámetro, como soporte para variables de un solo valor o de varios valores, es una entidad poderosa y ampliamente utilizada en QuickSight. Antes, NULL no era un valor válido para el parámetro, lo que creaba algunas discrepancias cuando los datos del usuario tenían un valor NULL. Con la habilitación completa de NULL, todas las funcionalidades que consumen parámetros admiten ahora el valor NULL. La habilitación de NULL en el parámetro proporciona una experiencia completa cuando el parámetro se utiliza en varios casos. Para obtener más información, haga clic aquí.
Amazon S3 mejora el rendimiento de las consultas que se ejecutan en Trino hasta 9 veces cuando se utiliza Amazon S3 Select. Trino es un motor de consulta SQL de código abierto que se utiliza para ejecutar análisis interactivos en los datos almacenados en Amazon S3. Con S3 Select, hace una transición “descendente” del trabajo de computación para filtrar sus datos de S3 en lugar de devolver el objeto completo. Al usar Trino con S3 Select, recupera solo un subconjunto de datos de un objeto, lo que reduce la cantidad de datos devueltos y acelera el rendimiento de las consultas.
AWS X-ray incorpora compatibilidad para el rastreo de enlaces; esto permite a los clientes visualizar y depurar las solicitudes a medida que se desplazan por las aplicaciones basadas en eventos creadas con Amazon Simple Queue Service (SQS) y AWS Lambda. Gracias al enlace de rastreos, los clientes ahora pueden ver las relaciones entre los servicios y los recursos en sus aplicaciones impulsadas por eventos que aprovechan Amazon SQS y AWS Lambda, identificar rápidamente los cuellos de botella de rendimiento y explorar las solicitudes individuales para encontrar la causa raíz de los problemas de estado de la aplicación con solo unos clics.
El chat de Amazon Connect ahora le permite configurar tiempos de espera para conversaciones de chat entre un cliente y un chatbot de Amazon Lex. Con esta característica puede definir cuánto tiempo esperar una respuesta del cliente (por ejemplo, 5 minutos) antes de que caduque la sesión.