早在过去的 5-6 年间，AWS 业务及产品的拓展就已经对机器学习产生了大量的需求，而这些需求主要受三大因素影响：算法、大型数据集以及效能计算。算法层面，它们相比 20 年前已变得越来越复杂，并结合了人工智能的算法；数据集层面，由于云计算的出现，使获得、应用丰富而海量的数据成为可能；效能计算层面，GPU 可以创造出高度复杂和规模化的计算能力，从而把算法与海量数据相结合。
所有的这些需求，都离不开以技术为基础的演进和优化。此外，为了给用户提供一个更加广阔和深度的服务平台，AWS 团队陆续开发和提供了越来越多的服务和功能。例如，作为 Serverless 架构主要的服务，AWS Lambda 和 AWS API Gateway 已开始支持二进制数据，让用户享受其带来的便利；AWS Organizations 也正实现对运维复杂度的降低，并能通过细化的访问权限应用服务控制策略。因而，很多开发者会迫切的想要知晓，在 Lambda、EC2、AWS Organizations、Amazon Alexa、Amazon Lex 这些技术架构、平台、软件或服务体系下，深藏着哪些创新和突破？AWS 又是如何设计这一系列的解决方案的呢？
在本期《AWS 迷你书：智能时代的新技术实战》中，我们就将揭开人工智能全面来临的时代下，AWS 在各领域的技术创新和实践经验，及其在 2017 re:Invent 大会上发布的一系列「超燃杀器」，在 Serverless、实时数据系统构建等热门技术上演进和突破等，让各位读者能更深入的了解 AWS 在技术路上的探索精神和开放精神。
诚如 Amazon CTO Werner Vogels 所说，“在 AWS 平台上，我们是不设守门人（gatekeeper），因此我们不会告诉我们的合作伙伴他们在 AWS 平台上什么可以做、什么不可以做。‘没有守门人’这一点能够激发更多、更好地创新。”
目录
新技术篇 | New Technology
Werner Vogels 脑中的未来世界 @AWS re:Invent 2017
为什么你应该关注 Amazon SageMaker
AWS 正式把 KVM 投入使用 你需要知道些什么？
实践篇 | Practice
深入 Serverless—让 Lambda 和 API Gateway 支持二进制数据
让你的数据库流动起来 – 利用 MySQL Binlog 实现流式实时分析架构
AWS Organizations 提供基于策略的集中化帐户管理能力
Netflix 打造容器管理基础架构：Titus
评论