1. 誰給我說說aws是什麼東西，怎麼用
Aws= Asp Web Server 是一款基於netbox開發的asp web伺服器，其個小功能強大，基本上能夠取代IIS成為廣大Asp程序員和網站開發者的利器 Aws簡介如下： Ajiu AspWebServer V2.0 伺服器 介紹：最後更新:2008-04-12下載地址: 網路硬碟 顧名思義，本軟體是一款小巧輕盈的Asp Web伺服器，她，能幾近完美的支持ASP~~ 如果您厭倦了IIS的庸腫，如果您不願意第N次重裝IIS，如果您對替代品這個詞很感興趣，請您嘗試一下Ajiu AspWebServer吧... 使用說明： 『1』將您的網頁置與本軟體同一目錄下，雙擊運行！ 『2』雙擊右下角任務欄圖標即可為您開啟您的網站！ 『3』默認主頁：default.asp;default.html;index.asp等等;
2. 如何運行python腳本這是我上傳在AWS SSH會話的應用程序的一部分
secureCRT支持運行.js和.vbs以及.py格式的腳本，無奈mac上識別前兩個格式的腳本只能寫一寫Python腳本，
舉個簡單的例子，利用腳本直接ssh連接一台機器，
在View菜單中勾選Button Bar讓這個菜單在下方顯示出來，
在下方的Default右方右鍵出現一個菜單點擊New Button按鈕，在顯示框的Function一欄選擇Run Script中間選擇編寫好的.py文件 ！
3. 如何使用saml2.0和adfs實施api與cli訪問聯合控制
AWS支持使用SAML（安全斷言標記語言） 2.0進行身份聯合。使用SAML，你可以配置你的AWS賬戶與你的身份提供商（IdP）整合。一旦配置，你組織的身份提供商就會對你的聯合用戶進行驗證和授權，然後聯合用戶可以使用單點登錄方法登錄到AWS管理控制台。這不僅可以使你的用戶免於記住另一個用戶名和密碼，也是簡化了管理員的身份管理過程。當你的聯合用戶想訪問AWS管理控制台，這種方法是有效的。但是當他們想使用AWS CLI或以程序方式調用AWS API時，將會怎麼樣呢？
在本文中，我將向你展示如何對你的用戶實施聯合的API與CLI訪問。本帖中提供的舉例使用了AWS Python SDK工具和一些附加的客戶端側的集成代碼。如果你有用戶需要這種訪問控制，實施該方案可以使你對這些用戶的管理輕松自如。
讓我們從快速地了解我們的目標開始。
janedoe@Ubuntu64:/tmp$ ./samlapi.py
Username: AD\janedoe
Password: ****************
Please choose the role you would like to assume:
[ 0 ]: arn:aws:iam::012345678987:role/ADFS-Administrators
[ 1 ]: arn:aws:iam::012345678987:role/ADFS-Operators
Selection: 1
---------------------------------------------------------------
Your new access key pair has been stored in the aws configuration
file /home/janedoe/.aws/credentials under the saml profile.
Note that it will expire at 2015-05-26T17:16:20Z.
After this time you may safely rerun this script to refresh your
access key pair.
To use this credential call the aws cli with the --profile option
(e.g. aws --profile saml ec2 describe-instances).
---------------------------------------------------------------
Simple API example listing all s3 buckets:
[<Bucket: mybucket1>, <Bucket: mybucket2>, <Bucket: mybucket3>,
<Bucket: mybucket4>, <Bucket: mybucket5>]
從上面的輸出結果中我們清楚地看到了什麼？
1. 系統提示聯合用戶輸入Active Directory（動態目錄）證書。這些證書用來與配置的IdP進行比較以對用戶進行驗證和授權。
2. 系統檢查返回的SAML斷言，確定用戶被授權承擔的IAM（身份及訪問管理）角色。用戶選擇了她期望的角色後，系統使用AWS STS（安全令牌服務）提取臨時的安全證書。
3. 系統自動地將這些證書寫入她本地的AWS證書文件，她可以開始發出AWS API或CLI調用指令。
4. 得到該樣例，為你的組織對樣例進行定製後，你就可以在保持AWS IAM服務提供的控制的同時，使用組織的證書來提高你的AWS API和CLI界面的能力和自動化程度。
本帖將會集中講述如何使用微軟動態目錄聯合服務（AD FS）。但是如果你正在使用其他供應商的同類產品，請不要感到失望因為基本的組件應該可以與其他常見的IdP配合運轉的。
為了能夠緊跟本帖的講述，你必須已經：
入門
1. 使用你的組織證書將AD FS正確地與你的AWS賬戶進行了集成，以便能夠訪問控制台。如果你需要設置說明，請參考 Enabling Federation to AWS using Windows Active Directory, ADFS, and SAML 2.0。
2. 已在本地工作站安裝了新版本（2.36或更新）的AWS Python SDK工具。
3. 獲取了最小限度的AWS證書文件（例如：~/.aws/credentials），並將文件中的如下內容調整到你首選的區域和輸出格式。
重要提示：AWS訪問密鑰對並沒有在上面的結構中配置因為最初的AWS STS調用是由值得信任的IdP返回的SAML斷言進行驗證的。所有後續的API/CLI調用都是由包含在AWS STS令牌中的密鑰對進行驗證的。想要獲取更多信息，請參考 Giving AWS Console Access to Federated Users Using SAML
首先，你需要安裝不屬於Python核心發行版的兩個模塊，具體說，就是beautifulsoup4和requests-ntlm。有若干種方法可以安裝著兩個模塊，但是包含在Python 2.7.9或更新版本中的pip工具，使模塊安裝變得很容易。你只需運行如下兩個命令即可：
[default]
output = json
region = us-west-2
aws_access_key_id =
aws_secret_access_key =
首先運行下面的命令：
<u>pip install beautifulsoup4</u>
然後運行下面的命令：
pip install requests-ntlm
你應該會得到一些與如下截圖類似的輸出結果：
AWS聯合過程利用IdP發起的登錄方法。在最後的准備步驟中，你需要確定具體的被用來引發登錄的URL。以基本的IdP引發登錄的URL為起點（該URL就是你用來聯合訪問SAML依賴各方的URL，SAML依賴各方包括AWS管理控制台）。在本例中，我使用的是AD FS 2.0。在該版本中，URL的格式為ofhttps://<fqdn>/adfs/ls/IdpInitiatedSignOn.aspx。如果我將該URL輸入瀏覽器的地址欄，我將會看到一個網站選擇頁面，
為了構造你所需的URL，將原來的IdP引發登錄URL與查詢字元串?loginToRp=urn:amazon:webservices連接。構造好的URL應呈現的形式是ofhttps://<fqdn>/adfs/ls/IdpInitiatedSignOn.aspx?loginToRp=urn:amazon:webservices。保存該URL因為在後面的敘述中它將被稱為idpentryurl變數。如果你將這個串聯的URL輸出瀏覽器的地址欄，你應該仍然可以實現AD FS IdP引發登錄過程。但是，你繞過了網站選擇頁面，在驗證完演練所需的URL後直接進入AWS管理控制台。如果感興趣的話，你可以訪問Microsoft』s website去查看關於查詢字元串的文檔。
重要提示：務必密切注意URL中主機名稱的大寫。AD FS在驗證過程中會使用主機名稱，任何在大小寫方面的不匹配都會導致驗證失敗。
檢查代碼
既然你已經瀏覽了上面「入門」部分的步驟，你可以開始組合控制聯合API與CLI訪問的集成代碼了。我將會詳細地解釋這一過程以便你可以跟隨我的節奏。首先，讓我們進行一些基本的導入和變數設置。
#!/usr/bin/python
import sys
import boto.sts
import boto.s3
import requests
import getpass
import ConfigParser
import base64
import xml.etree.ElementTree as ET
from bs4 import BeautifulSoup
from os.path import expanser
from urlparse import urlparse, urlunparse
from requests_ntlm import HttpNtlmAuth
##########################################################################
# Variables
# region: The default AWS region that this script will connect
# to for all API calls
region = 'us-west-2'
# output format: The AWS CLI output format that will be configured in the
# saml profile (affects subsequent CLI calls)
outputformat = 'json'
# awsconfigfile: The file where this script will store the temp
# credentials under the saml profile
awsconfigfile = '/.aws/credentials'
# SSL certificate verification: Whether or not strict certificate
# verification is done, False should only be used for dev/test
sslverification = True
# idpentryurl: The initial URL that starts the authentication process.
idpentryurl = 'https://<fqdn>/adfs/ls/IdpInitiatedSignOn.aspx?loginToRp=urn:amazon:webservices'
##########################################################################
將上述代碼中的變數調整為針對你的具體的區域（如us-west-2，us-east-1等等）和格式喜好（例如json，文本，或表格），然後插入本帖中上一部分變數idpentryurl的值。
基本環境搭建起來後，提示用戶，從標准輸入中檢索用戶的證書。在本帖的後面我將會討論我們是如何支持其他的證書形式的。
# Get the federated credentials from the user
print "Username:",
username = raw_input()
password = getpass.getpass()
print ''
位於第一行列印語句「Username」後面的逗號可能看起來像是一個缺陷，實際上它是Python為了防止第一行列印語句添加換行符而使用的小技巧。你也將會注意到getpass()這一方法的使用，這一方法是為了防止密碼被顯示在輸出結果中。
下一步，我們使用Python請求模塊組合驗證信息，用公式表示向IdP發送的HTTPS請求，正如下面的片段所示。假設驗證成功，AD FS返回的響應消息會包含SAML斷言。
4. 如何在aws開發python應用
以便在
AWS雲上開發安全、可靠且可擴展的
Python應用程序。
開發
設計和代碼;創建和測試;運行和調試。
使用適用於
Python的
AWS開發工具包中包含的庫、代碼示例和
5. python機器學習庫怎麼使用
1. Scikit-learn（重點推薦）
www .github .com/scikit-learn/scikit-learn
Scikit-learn 是基於Scipy為機器學習建造的的一個Python模塊，他的特色就是多樣化的分類，回歸和聚類的演算法包括支持向量機，邏輯回歸，樸素貝葉斯分類器，隨機森林，Gradient Boosting，聚類演算法和DBSCAN。而且也設計出了Python numerical和scientific libraries Numpy and Scipy2、Keras（深度學習）
https://github.com/fchollet/keras
Keras是基於Theano的一個深度學習框架，它的設計參考了Torch，用Python語言編寫，是一個高度模塊化的神經網路庫，支持GPU和CPU。
3、Lasagne（深度學習）
不只是一個美味的義大利菜，也是一個和Keras有著相似功能的深度學習庫，但其在設計上與它們有些不同。
4.Pylearn2
www .github .com/lisa-lab/pylearn2
Pylearn是一個讓機器學習研究簡單化的基於Theano的庫程序。它把深度學習和人工智慧研究許多常用的模型以及訓練演算法封裝成一個單一的實驗包，如隨機梯度下降。
5.NuPIC
www .github .com/numenta/nupic
NuPIC是一個以HTM學習演算法為工具的機器智能平台。HTM是皮層的精確計算方法。HTM的核心是基於時間的持續學習演算法和儲存和撤銷的時空模式。NuPIC適合於各種各樣的問題,尤其是檢測異常和預測的流數據來源。
6. Nilearn
www .github .com/nilearn/nilearn
Nilearn 是一個能夠快速統計學習神經影像數據的Python模塊。它利用Python語言中的scikit-learn 工具箱和一些進行預測建模，分類，解碼，連通性分析的應用程序來進行多元的統計。
7.PyBrain
www .github .com/pybrain/pybrain
Pybrain是基於Python語言強化學習，人工智慧，神經網路庫的簡稱。 它的目標是提供靈活、容易使用並且強大的機器學習演算法和進行各種各樣的預定義的環境中測試來比較你的演算法。
8.Pattern
www .github .com/clips/pattern
Pattern 是Python語言下的一個網路挖掘模塊。它為數據挖掘，自然語言處理，網路分析和機器學習提供工具。它支持向量空間模型、聚類、支持向量機和感知機並且用KNN分類法進行分類。
9.Fuel
www .github .com/mila-udem/fuel
Fuel為你的機器學習模型提供數據。他有一個共享如MNIST, CIFAR-10 (圖片數據集), Google's One Billion Words (文字)這類數據集的介面。你使用他來通過很多種的方式來替代自己的數據。
10.Bob
www .github .com/idiap/bob
Bob是一個免費的信號處理和機器學習的工具。它的工具箱是用Python和C++語言共同編寫的，它的設計目的是變得更加高效並且減少開發時間，它是由處理圖像工具,音頻和視頻處理、機器學習和模式識別的大量軟體包構成的。
11.Skdata
www .github .com/jaberg/skdata
Skdata是機器學習和統計的數據集的庫程序。這個模塊對於玩具問題，流行的計算機視覺和自然語言的數據集提供標準的Python語言的使用。
12.MILK
www .github .com/luispedro/milk
MILK是Python語言下的機器學習工具包。它主要是在很多可得到的分類比如SVMS,K-NN,隨機森林，決策樹中使用監督分類法。 它還執行特徵選擇。 這些分類器在許多方面相結合,可以形成不同的例如無監督學習、密切關系金傳播和由MILK支持的K-means聚類等分類系統。
13.IEPY
www .github .com/machinalis/iepy
IEPY是一個專注於關系抽取的開源性信息抽取工具。它主要針對的是需要對大型數據集進行信息提取的用戶和想要嘗試新的演算法的科學家。
14.Quepy
www .github .com/machinalis/quepy
Quepy是通過改變自然語言問題從而在資料庫查詢語言中進行查詢的一個Python框架。他可以簡單的被定義為在自然語言和資料庫查詢中不同類型的問題。所以，你不用編碼就可以建立你自己的一個用自然語言進入你的資料庫的系統。
現在Quepy提供對於Sparql和MQL查詢語言的支持。並且計劃將它延伸到其他的資料庫查詢語言。
15.Hebel
www .github .com/hannes-brt/hebel
Hebel是在Python語言中對於神經網路的深度學習的一個庫程序，它使用的是通過PyCUDA來進行GPU和CUDA的加速。它是最重要的神經網路模型的類型的工具而且能提供一些不同的活動函數的激活功能，例如動力，涅斯捷羅夫動力，信號丟失和停止法。
16.mlxtend
www .github .com/rasbt/mlxtend
它是一個由有用的工具和日常數據科學任務的擴展組成的一個庫程序。
17.nolearn
www .github .com/dnouri/nolearn
這個程序包容納了大量能對你完成機器學習任務有幫助的實用程序模塊。其中大量的模塊和scikit-learn一起工作，其它的通常更有用。
18.Ramp
www .github .com/kvh/ramp
Ramp是一個在Python語言下制定機器學習中加快原型設計的解決方案的庫程序。他是一個輕型的pandas-based機器學習中可插入的框架，它現存的Python語言下的機器學習和統計工具（比如scikit-learn,rpy2等）Ramp提供了一個簡單的聲明性語法探索功能從而能夠快速有效地實施演算法和轉換。
19.Feature Forge
www .github .com/machinalis/featureforge
這一系列工具通過與scikit-learn兼容的API，來創建和測試機器學習功能。
這個庫程序提供了一組工具，它會讓你在許多機器學習程序使用中很受用。當你使用scikit-learn這個工具時，你會感覺到受到了很大的幫助。（雖然這只能在你有不同的演算法時起作用。）20.REP
www .github .com/yandex/rep
REP是以一種和諧、可再生的方式為指揮數據移動驅動所提供的一種環境。
它有一個統一的分類器包裝來提供各種各樣的操作，例如TMVA, Sklearn, XGBoost, uBoost等等。並且它可以在一個群體以平行的方式訓練分類器。同時它也提供了一個互動式的情節。
21.Python 學習機器樣品
www .github .com/awslabs/machine-learning-samples用亞馬遜的機器學習建造的簡單軟體收集。
22.Python-ELM
www .github .com/dclambert/Python-ELM
這是一個在Python語言下基於scikit-learn的極端學習機器的實現。
23.gensim
主題模型python實現
Scalable statistical semantics
Analyze plain-text documents for semantic structureRetrieve semantically similar documents
6. aws怎麼用
可以用的，打比方你想用它來做個單機網站，先打開AWS，在電腦的右下角會有個綠色的三角形圖標，然後右鍵點擊選擇開啟AWS服務，然後在瀏覽器的網址輸入欄里輸入127.0.0.1/這里加上你想打開的文件名即可瀏覽，這里必須注意：你必須把AWS復制到你想打開的文件在同一個文件夾里才能打開，，，累死我手動打的給個滿意答案吧
7. 如何在AWS運行Jupyter Notebook
作者：胡賁
鏈接：
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請註明出處。
以下是主要步驟，前提是，擁有一個虛擬機，並且有ssh賬號登陸。沒有的同學可以自己在阿里雲之類的服務商處申請，個人推薦地1元試用逗1個月的微軟雲。一般這些主機服務商都會提供一個基本的教程，因此從設置主機直到創建賬號，ssh登陸都應該不是什麼問題。
接下來，下載miniconda，一個科學計算環境管理軟體，Anaconda的最小發型版本（假設運行的是64位Linux 虛擬機)：
wget ""
然後安裝：
sudo bash Miniconda-latest-Linux-x86_64.sh
然後通過miniconda的環境管理軟體，conda安裝必要被ipython和ipython-notebook.
conda install ipython
conda install ipython-notebook
接下來，我們需要創建一個名為nbserver的配置。
ipython profile create nbserver
這將創建一個文件夾，其中包含一些原始的配置文件。我們跳轉到這個文件夾進行一些配置
cd ~/.ipython/profile_nbserver/
由於ipython Notebook要求https連接，因此我們需要創建一個ssl證書。
openssl req -x509 -nodes -days 365 -newkey rsa:1024 -keyout mycert.pem -out mycert.pem
命令執行後根據提示輸入信息就好，當然，這個證書並未獲得認證，因此用chrome之類的瀏覽器訪問的時候會得到一些錯誤信息，這個問題我們一會兒說。接下來我們創建一個密文的密碼。
python -c "import IPython;print IPython.lib.passwd()"
運行之後進入一個創建密碼hash值的小程序，根據提示輸入你想用的安全口令：
Enter password:
Verify password:
sha1:b86e933199ad:a02e9592e59723da722.. #這是我的密碼的hash值，後段被刪除，你的密碼得到的結果應該不同
然後開始編輯配置文件，通過vi編輯文件的命令如下：
vi ipython_notebook_config.py
這個文件可能不存在，那麼通過vi創建一個，配置文件的內容如下：
c = get_config()
# 所有matplotlib的圖像都通過iline的方式顯示
c.IPKernelApp.pylab = 'inline'
# 這一行指向我們剛剛創建的ssl證書
c.NotebookApp.certfile = u'/home/azureuser/.ipython/profile_nbserver/mycert.pem'
# 給出剛剛創建的密碼的哈希值
c.NotebookApp.password = u'sha1:b86e933199ad:a02e9592e5 etc... '
c.NotebookApp.ip = '*'
# 給出運行的埠，ipython默認為8888
c.NotebookApp.port = 8888
# 禁止在運行ipython的同時彈出瀏覽器
c.NotebookApp.open_browser = False
編輯完成以後按兩次shift+z 保存退出
配置完畢以後就可以運行ipython Notebook的服務端了：
jupyter notebook --config=/home/azureuser/.ipython/profile_nbserver/ipython_notebook_config.py #給出你剛才創建的nbserver路徑，這里為微軟azure雲默認的情況
當然，微軟雲還需要配置一下伺服器端的endpoint，將雲主機的https埠(443)指向內部的8888埠。
在你的瀏覽器地址欄輸入：
這時候會遇到https提示根證書並非認證證書，不用管這個提示繼續進入，voila，你的ipython Notebook server架好啦！
輸入你剛才創建的密碼，就可以開始像在本地一樣使用了。
8. s3 的sdk aws提供python版本的了嗎
直接使用按類型的AWS雲平台不就行了，何必選擇第三方的呢。
AWS支持多種開發語言，提供Java、Rupy、Python、PHP、Windows &.NET 以及Android和iOS的工具集。工具集中包含各種語言的SDK，程序自動部署以及各種管理工具。另外，AWS通過CloudWatch系統提供豐富的監控功能。
9. Aws怎麼用啊！
AWS是Abyss Web Server的簡稱，當您想建網站時卻苦於沒有空間，是不是覺得特尷尬？用IIS吧，它能幫你把自己的PC變為伺服器!但很多朋友卻不喜歡IIS，雖然建個伺服器比較簡單，但它的後期管理卻很讓人頭疼，一般的高手都玩兒不轉。
給個網站你吧，用法不是一下就能講完的。http://www.cqvip.com/qk/83885X/200610/23018944.html