文件名称：Cloud_Computing_Big_Data_Projects
文件大小：5.19MB
文件格式：ZIP
更新时间：2024-03-30 23:43:46
JavaScript
Cloud_Computing_Big_data_Web_projects 实验1：餐饮礼宾代理 描述 在AWS S3上实现并托管一个聊天用户界面，在AWS API Gateway上集成根据swagger规范构建的可靠的聊天API。 培训和部署Lex聊天机器人，以用于餐饮礼宾代理，提取并随后将客户的推荐信息推送到SQS队列中。 在Amazon DynamoDB上部署从Yelp API收集的详细餐厅信息，结合Elasticsearch服务以优化搜索机制。 内置建议模式（Lambda）异步操作SQS消息队列，检索推荐的餐厅和美食，并通过SNS服务通知客户。 并设置一个CloudWatch事件触发器以自动执行请求处理。 演示链接： : 示例迭代： 互动示例： 用户：您好 Bot：嗨，有什么可以帮我的忙吗？ 使用者：我需要一些餐厅建议。 机器人：太好了。 我可以为您提供帮助。
【文件预览】：
Cloud_Computing_Big_Data_Projects-main
----architecture()
--------lab3.png(892KB)
--------lab4.png(271KB)
--------lab1.png(156KB)
--------lab2.png(1.16MB)
----lab4()
--------sms_spam_classifier_mxnet.ipynb(32KB)
--------lab4_LF1.py(4KB)
--------sms_spam_classifier_mxnet_script.py(6KB)
--------lab4.png(271KB)
--------sms_spam_classifier_utilities.py(5KB)
----README.md(3KB)
----lab1()
--------lab1-chatbot()
--------lab1_LF1.py(6KB)
--------lab1_LF2.py(5KB)
--------collect_yelp_data.py(4KB)
--------lab1.png(156KB)
--------lab1_LF0.py(790B)
--------.DS_Store(6KB)
----lab2()
--------lab2_LF0-1.py(1KB)
--------lab2-wp2()
--------lab2_LF0-2.py(3KB)
--------lab2.png(1.16MB)
--------lab1-wp1()
--------.DS_Store(6KB)
--------lab2_LF1.py(7KB)
----lab3()
--------samTemplate.yaml(2KB)
--------layers.png(90KB)
--------lab3.png(892KB)
--------outputsamtemplate.yaml(0B)
--------lab3_LF1.py(3KB)
--------lab3-cf.yaml(7KB)
--------buildspec.yaml(270B)
--------lambda-pipeline-CF-stack.yaml(2KB)
--------lab3_LF2.py(3KB)
--------.DS_Store(6KB)