2026. augusztus 30., vasárnap · Eszközök

Az Amazon SageMaker Feature Store két új API-val gyorsítja az adatkezelést

Az AWS hivatalos bejelentése szerint az Amazon SageMaker Feature Store két új API-hívást kapott. A BatchWriteRecord egyetlen hívásban akár 25 rekord írását teszi lehetővé több feature-csoportban, részleges sikeresség kezelésével és rekordonkénti élettartam-beállítással, ahelyett hogy a PutRecord-ot kellene egyesével, ismételve hívni. Az AWS szerint ez csökkenti a kapcsolat-terhelést nagy áteresztőképességű pipeline-oknál, például az általuk említett csalásfelismerő rendszerben, amely másodpercenként 10 000 rekordot kezel öt feature-csoportban. A ListRecords API lehetővé teszi a rekordazonosítók lapozott böngészését mind a Standard, mind az In-Memory tárolási szinten, ami eddig hiányzott, és adatvesztés esetén megnehezítette a helyreállítást. A bejegyzés kódpéldákkal és a szükséges IAM-jogosultságokkal mutatja be a két funkció használatát.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

Az új API-k csökkenthetik a nagy áteresztőképességű gépi tanulási pipeline-ok üzemeltetési terhelését és javíthatják az adatok helyreállíthatóságát.

Források

AWS Machine Learning Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #AWS SageMaker#Feature Store

Napi összefoglaló

Ez a hír a 2026. augusztus 30., vasárnap napi AI összefoglaló része.

Kapcsolódó hírek

AWS új funkcióval oldja meg a SageMaker AI-modellek többzónás rendelkezésre állását

Az AWS hivatalos blogbejegyzése szerint a Salesforce a SageMaker AI Inference Components (IC) technológiával nyolcszorosára csökkentette infrastruktúraköltségeit az Agentforce nevű AI-ügynök platformnál, mivel több modellt oszthat meg közös GPU-kon. A cikk szerint az alapértelmezett elhelyezési algoritmus azonban nem garantálta a Salesforce megfelelőségi elvárása szerinti kétzónás redundanciát, mivel modellpéldányok egyenetlenül oszolhattak el a zónák között, ami instancia- vagy zónaszintű meghibásodás esetén kiesést okozhatott. Az AWS ezért bevezette a CreateInferenceComponent API-ban a SchedulingConfig paramétert, amely finomhangolt kontrollt ad a modellpéldányok zónák közötti elosztására. A bejegyzés a Salesforce egy konkrét, négy instanciás, két zónás példáján mutatja be a megoldást.

Facebook bevezeti a Your Algorithm funkciót, amellyel szöveggel irányítható a hírfolyam

Meta bejelentette, hogy a Facebookra is kiterjeszti a "Your Algorithm" nevű, AI-alapú funkciót, amely lehetővé teszi, hogy a felhasználók saját szavaikkal mondják meg, mit szeretnének látni a Feedben és a Reelsben, és az ajánlások a vállalat szerint valós időben reagáljanak. A hárompontos menüből érhető el az új eszköz, ahol a felhasználók közvetlenül megadhatják és kezelhetik érdeklődési köreiket, illetve az "Érdekel" és "Nem érdekel" gombok után részletesebb, szöveges visszajelzést is adhatnak. A Verge és a TechCrunch szerint a funkció nagy nyelvi modelleket (LLM-eket) használ a rangsoroló rendszerben, hogy a természetes nyelvű szöveget összekapcsolja a meglévő viselkedési jelekkel. A TechCrunch megjegyzi, hogy a Your Algorithm korábban már megjelent az Instagramon, előbb a Reelsnél 2025 decemberében, majd 2026 júniusában a Feedben és az Exploreban is, a Threads pedig egy hasonló "Dear Algo" funkciót kapott.

Google: a Play Áruházon át indíthatók a vibe-kódolt appok

A Google kedden bejelentette, hogy az AI Studio nevű eszközzel vibe-kódolt személyes Android-alkalmazásokat mostantól közvetlenül a Google Play-en keresztül is el lehet indítani, anélkül, hogy a telefont számítógéphez kellene csatlakoztatni egy APK-fájl telepítéséhez. A cég szerint ezek az appok privátak maradnak, nem jelennek meg a Play Áruház nyilvános katalógusában, és csak a készítőjük éri el őket a saját Google-fiókjával. A vállalat hamarosan lehetővé teszi, hogy a felhasználók megbízható ismerősök szűk körével is megosszák ezeket az appokat. Sam Bright, a Google Play alelnöke és általános menedzsere a bejelentésben úgy fogalmazott, hogy a Play Áruház segít profi fejlesztői fiókká válni azoknak, akik nyilvánosságra szeretnék hozni alkotásukat. A funkció kezdetben csak az Egyesült Államokban, 18 éves kor felett érhető el, a cég pedig korábban, májusban indította el az AI Studio-s vibe-kódolás lehetőségét.

AWS Ray LLM konténer: multi-node LLM-kiszolgálás EKS-en

Az AWS hivatalos blogbejegyzése szerint a vállalat bemutatta a Ray LLM Deep Learning Containers (DLC) multi-node változatát, amellyel egyetlen nagy nyelvi modell két GPU-csomóponton, Amazon EKS-en futtatható egy közös, OpenAI-kompatibilis végponton keresztül. A megoldás külön csomópontra választja szét az előfeltöltési (prefill) és a dekódolási (decode) fázist, így a hosszú, számításigényes promptok nem akasztják meg a már folyamatban lévő kérések token-generálását. Az AWS azt írja, hogy korábban az ügyfeleknek maguknak kellett összeállítaniuk és karbantartaniuk a kompatibilis GPU-függőségi láncot (CUDA-könyvtárak, keretrendszerek), ami jelentős, a modellfejlesztéstől elvonó mérnöki munkát igényelt. A most bemutatott, előre tesztelt és patchelt konténer ezt a réteget automatikusan biztosítja, kiterjesztve a korábbi, egycsomópontos Ray Serve DLC-nél alkalmazott megközelítést a többcsomópontos, szétválasztott (disaggregated) inferenciára.