المؤسسة القائمة على البيانات: من الرؤية إلى القيمة (المستوى 100)
تتطلع المؤسسات إلى الحصول على قيمة أكبر من بياناتها لزيادة المرونة، وتحسين الكفاءة، وتسريع الابتكار. في حين أن البيانات وفيرة ومتنامية بسرعة، فإن مجرد إنتاج أو تخزين الكثير منها لا يؤدي تلقائيًا إلى خلق قيمة. تتحقق القيمة من خلال خلق الثقافة وإنشاء نموذج تشغيل يستخدم البيانات في الابتكار والاختراع نيابةً عن العملاء باستخدام الرؤى العملية والتحليلات والذكاء الاصطناعي/تعلّم الآلة. ومع ذلك، فإن التحديات الثقافية، ونماذج الحوكمة القديمة، والصوامع التنظيمية المنعزلة، وطرق التنفيذ العتيقة تقف عقبةً في طريق تحقيق هذه الرؤية. انضم إلى هذه الجلسة لتتعرف على الإستراتيجيات من اثنين من كبار مسؤولي التجربة (CXOs) السابقين حول كيفية قيامهما بخلق ثقافة قائمة على البيانات والتغلب على التحديات لتحويل رؤية كل منهما حقيقة.

المتحدث: John Clark, Enterprise Strategist, AWS
المدة: 30 دقيقة

بناء مؤسسة أكثر ذكاءً مدعومة بالبيانات وتعلّم الآلة (المستوى 100)
تُدرك الكثير من المؤسسات أنها بحاجة إلى الذكاء الاصطناعي/تعلّم الآلة لخلق ميزة تنافسية فريدة، وتعظيم مشاركة العملاء وتفاعلهم، وتحقيق نتائج الأعمال المرجوة. بينما يجني البعض مزايا التأثير التحويلي الذي ينتج عن الذكاء الاصطناعي/تعلّم الآلة، يبحث البعض الآخر عن إجابات حول من أين نبدأ. تتناول هذه الجلسة كيفية استخدام الذكاء الاصطناعي/تعلّم الآلة وكيفية جعل التحوّّل الرقمي حقيقةً واقعةً. ونستعرض تأثير شبكة البيانات والمجالات التي تتقنها المؤسسات الناجحة لتحقيق قيمة أكبر من البيانات، مدعومةً بتعلّم الآلة لجعل رؤيتها حقيقةً واقعةً.

المتحدث: Tom Godden, Enterprise Strategist, AWS
المدة: 30 دقيقة

دفع عجلة الاستدامة باستخدام الذكاء الاصطناعي والبيانات في حلبة Climate Pledge Arena التابعة إلى Amazon (المستوى 100)
تعد Amazon أكبر شركة مشترية للطاقة المتجددة في العالم وتريد أن تضمن وجود الاستدامة في جوهر جميع عملياتها وهذا من أجل تحقيق أهدافها المتعلقة بانبعاثات الكربون. أحد المجالات التي تعمل عليها مع فريق Seattle Kraken هو بناء الحلول والمساعدة في جعل حلبته Climate Pledge Arena الحلبة الأكثر تقدمًا ومسؤوليةً واستدامةً في العالم. انضم إلى هذه الجلسة لمعرفة كيف أن "خدمات AWS الاحترافية" وفرق الاستدامة في Amazon قد استعانت بخدمات AWS بهدف استيعاب بيانات الطاقة والمياه وجودة الهواء وتحليلها. يُمكنك الحصول على رؤى حول كيفية إنشاء نماذج تنبؤ في الوقت الفعلي مع مراعاة اكتشاف البيانات والأمان وأنماط التصميم.

المتحدثون: 
Rahul Sareen، Global Practice Manager, Sustainability، في AWS
Rob Johnson، VP Sustainability & Transportation، في Climate Pledge Arena

المدة: 30 دقيقة

ابدأ رحلتك مع تعلّم الآلة: منظور القائد (المستوى 100)
يحمل الذكاء الاصطناعي وتعلّم الآلة وعودًا كبيرة تتعلق بتحويل القطاعات والصناعات، وزيادة الكفاءة، ودفع عجلة الابتكار. مفتاح نجاح تعلّم الآلة هو التوسّع أو التحجيم. تتناول هذه الجلسة كيفية حصول المسؤولين التنفيذيين والمديرين، الذين يتطلعون إلى تحقيق النجاح باستخدام تعلّم الآلة على نطاق واسع، على التوجيهات الإرشادية ومن بينها الآليات التي تُمكن من بناء نظام فعّال لتسريع الابتكار ودفع التقدم التكنولوجي. إننا نستعرض كيف تعاون العملاء مع AWS بهدف مواءمة فرقهم مع تعلّم الآلة وتزويد فرقهم بالمهارات الفنية المناسبة لتحقيق نتائج الأعمال. تعرّف على كيفية إنشاء فرق متميزة تختص بمنتجات الذكاء الاصطناعي/تعلّم الآلة والهندسة، بما يتوافق مع الأهداف المشتركة للمؤسسة، لوضع خارطة طريق تحقق الابتكار والقيمة.

المتحدث: Naomi Teng، AI/ML Specialist, APJ، في AWS
المدة: 30 دقيقة

تحويل أعمالك باستخدام الذكاء الاصطناعي/تعلّم الآلة: إنشاء ميزة تنافسية في مؤسستك عن طريق الاستفادة من أحدث اتجاهات الذكاء الاصطناعي/تعلّم الآلة (المستوى 100)
إن تقنيات الذكاء الاصطناعي/تعلّم الآلة من الأساسيات التي تتزايد أهميتها بالنسبة للمؤسسات التي تتطلع إلى التحول وتحقيق أهدافها. ومع ذلك، فإن تطبيق الذكاء الاصطناعي/تعلّم الآلة في المكان المناسب ليس بالأمر السهل. انضم إلى هذه الجلسة لمعرفة كيفية تطبيق حالات استخدام تعلّم آلة عملية ومثبتة لتحقيق تأثير حقيقي وسريع على الأعمال. إننا نستعرض مجموعةً من خدمات الذكاء الاصطناعي/تعلّم الآلة من AWS، حيث تسمح لك هذه الخدمات بإنشاء منتجات تحويلية بدون الحاجة إلى خبرة سابقة في تعلّم الآلة. تعرّف على كيفية إنشاء دولاب موازنة خاص بك للتحول المدعوم بالذكاء الاصطناعي استنادًا إلى التقنيات الحالية والناشئة لتصور فرص جديدة، وتحقيق ميزة تنافسية، وتقديم نتائج تنظيمية.

المتحدث: Nieves Gracia, AI/ML Specialist Lead, Public Sector, APJ
المدة: 30 دقيقة

إعادة التفكير في استخدام تعلّم الآلة في القطاعات الخاضعة للتنظيم (المستوى 100)
أصبحت قابلية التكرار والتتبع والشرح المطلب الأساسي في دورة حياة تعلّم الآلة في القطاعات الخاضعة للتنظيم. ولكن بناء منصة لعلم البيانات لبنك أو لجهة حكومية لدعم دورة الحياة هذه ليس بالأمر السهل، لأن ذلك يتطلب مجموعةً عميقةً من القدرات والخبرات. تقدم AWS مجموعةً من الخدمات والحلول لإنشاء بيئة تعلّم آلة آمنة وخاضعة للحوكمة ومتوافقة، بما لا يؤثر على سرعة ومرونة فرق علم البيانات. انضم إلى هذه الجلسة لمعرفة كيفية سد الفجوة بين دورة حياة تعلّم الآلة التقليدية ومتطلبات القطاعات الخاضعة للتنظيم. إننا نستعرض كيف توفر لك AWS الحلول وأفضل الممارسات والبرامج والموارد لمساعدتك في بناء منصة ناجحة لعلم البيانات وتعلّم الآلة على AWS.

المتحدث: Juan Bedoya, Public Sector Solutions Architect, AWS
المدة: 30 دقيقة

تقديم مشاركة العملاء متعددة الأنماط في الخدمات المالية (المستوى 100)
إن الاعتماد الهائل على خدمات الأجهزة المحمولة، والوافدين الجدد إلى السوق الرقمية، والتكيف مع التحولات بين الأجيال، ومتطلبات القطاعات الحرجة بشأن الامتثال التنظيمي يجعل من الصعب على مؤسسات الخدمات المالية تقديم تجربة عملاء شخصية ومتسقة وسلسة من قنوات مختلفة. توضح هذه الجلسة كيف يُمكنك بسهولة بناء تجربة عملاء متعددة الأنماط باستخدام خدمات الذكاء الاصطناعي وتعلّم الآلة من AWS. تعرّف على كيفية إنشاء تجارب مخصصة للأجهزة المحمولة والويب والتي يتم تنشيطها أولاً بالنص بالنسبة لكل من مشاركة العملاء الواردة والصادرة، عن طريق الاستفادة من البيانات السياقية وفي الوقت نفسه الحفاظ على محادثة واحدة عبر نقاط الاتصال.

المتحدثون:
Akash Jain، Head - FSI GTM Solutions Architect, APJ، في AWS
Rahul Kulkarni، Senior Partner Solutions Architect، في AWS India

المدة: 30 دقيقة

تخصيص تفاعلات العملاء باستخدام أتمتة التسويق (المستوى 200)
عندما يتعلق الأمر باتصالات العملاء، فليس من المستغرب أن التخصيص هو أفضل طريقة لضمان التفاعل مع العملاء على المدى الطويل. من المرجح أن يهتم العملاء بالمحتوى المصمم وفق احتياجاتهم. في هذه الجلسة، نعرض كيفية استخدام رحلات Amazon Pinpoint لتوفير تجربة عملاء مخصصة متعددة الخطوات تستند إلى سمات الجمهور وسلوكياته؛ ونتناول كيفية استخدام Amazon Personalize لضمان أن يكون محتوى الاتصال دائمًا محددًا ومخصصًا للمستلم.

المتحدث: Pierre Semaan، GTM Strategy and Solutions Lead, SMB, APJ، في AWS
المدة: 30 دقيقة

إعداد بيئات تعلّم آلة آمنة جيدة الحوكمة على AWS (المستوى 100)
سواءً كانت مؤسستك تبدأ رحلة الذكاء الاصطناعي/تعلّم الآلة، أو لديها عدد كبير من المشروعات في مرحلة الإنتاج، فمن الضروري أن يكون لديك بيئات آمنة تحمي بياناتك. في هذه الجلسة، نستعرض كيف يمكنك تنظيم وتوحيد وتسريع توفير بيئات تعلّم الآلة خاضعة للحوكمة عن طريق الاستفادة من أفضل ممارسات أمان AWS وتلبية متطلبات الأمان الصارمة لأعباء عمل تعلّم الآلة.

المتحدث: Tony Fendall، Principal Solutions Architect، في AWS
المدة: 30 دقيقة

التعليم العميق على AWS مع NVIDIA: من التدريب إلى النشر (المستوى 200)
على مدار العقد الماضي، تمكّنت NVIDIA من إثبات كفاءة وفاعلية وحدات معالجة الرسومات (GPUs) التي تنتجها بوجه عام لكل من التدريب على التعليم العميق والاستدلال. ومع تزايد حجم هذه النماذج، أصبحت الحاجة المتأصلة للتوسّع داخل النطاق من أجل التدريب والتوسّع خارج النطاق من أجل نشر هذه النماذج الكبيرة ضرورةً. في هذه الجلسة، سنستعرض بعض الحزم البرمجية من NVIDIA الخاصة بالتدريب الموزع الفعّال بالإضافة إلى النشر المبسط، ونتعمق في كيفية اعتماد Amazon على هذه الحزم في بعض أعباء العمل الأكثر تطلبًا.

المتحدث: Michael Lang، Solutions Architecture Manager, APAC South، في NVIDIA
المدة: 30 دقيقة

بناء إمكانات بحث موحدة أكثر ذكاءً من مخازن البيانات الموزعة باستخدام Amazon Kendra (المستوى 200)
كيف تحصل على الإجابات الأكثر تحديدًا والأكثر دقةً في استعلامات البحث عندما تتطلب الإجابات منك الغوص في كميات كبيرة من مصادر البيانات الموزعة؟ في هذه الجلسة، نتناول كيفية استخدام Amazon Kendra، وهو حل بحث ذكي للحصول على إجابات مباشرة. تعرّف كيف يُمكنك الربط بين مجموعة من الأدوات والمصادر والمنتجات التابعة لجهات خارجية لإنشاء إمكانات بحث بيانات موحدة وأكثر ذكاءً، وتحسين مشاركة المعرفة بين الفرق، وتحسين المبيعات، وخدمات دعم العملاء، مما يجعل الحصول على المعلومات التي تحتاجها أسهل بكثير.

المتحدثون: 
Sam Gordon، Senior Cloud Architect، في AWS
Ed Fraga، Cloud Architect، في AWS

المدة: 30 دقيقة

تنفيذ تطبيق موحد للبحث عن النصوص والصور باستخدام التحليلات وتعلّم الآلة (المستوى 200)
في حين أن محركات البحث النصية والدلالية قد مكّنت العديد من المؤسسات من البحث عن المعلومات بسرعة، يُمكن للمؤسسات التي تقدم محركات بحث موحدة للنصوص والصور توفير ميزة تنافسية وتدفقات عوائد عن طريق تزويد عملائها بالمرونة لعرض أمثلة مادية أو صور لوصف العناصر في محركات البحث. تتناول هذه الجلسة كيفية إنشاء محرك بحث مدعوم بتعلّم الآلة لاسترداد المنتجات بسهولة والتوصية بها استنادًا إلى الاستعلامات النصية أو استعلامات الصور. تعرّف على كيفية استخدام Amazon SageMaker في استضافة وإدارة نموذج اللغة التقابلية–التدريب المسبق على الصور (CLIP)، وتشغيل البحث المرئي من صورة استعلام. نستعرض أيضًا كيفية تسهيل الاستخدام لنشر مجموعات OpenSearch وغيرها من خدمات AWS وتشغيلها وتوسعة نطاقها لإنشاء هذا التطبيق الشامل.

المتحدث: Kevin Du، Senior ML Data Lab Solutions Architect، في AWS
المدة: 30 دقيقة

تجهيز البيانات القابلة للتوسّع وتعلّم الآلة باستخدام Apache Spark على AWS (المستوى 200)
يُعد تحليل كميات كبيرة من البيانات وتحويلها وتجهيزها خطوةً أساسيةً في أي من علوم البيانات ومهام سير عمل تعلم الآلة. توضح هذه الجلسة كيفية إنشاء مهام سير عمل شاملة خاصة بتجهيز البيانات وتعلّم الآلة (ML). نشرح كيفية الاتصال بـ Apache Spark، لتجهيز البيانات بسرعة في بيئات معالجة البيانات في جلسات Amazon EMR وAWS Glue التفاعلية من استوديو Amazon SageMaker. اكتشف كيفية الوصول إلى البيانات التي تتحكم فيها AWS Lake Formation لاستخدام وسائل تفاعلية في الاستعلام عن البيانات واستكشافها وعرضها بطريقة مرئية، وتشغيل مهام Spark وتصحيحها أثناء قيامك بتجهيز البيانات واسعة النطاق لاستخدامها في تعلّم الآلة.

المتحدث: Suman Debnath، Principal Developer Advocate, Data Engineering، في AWS
المدة: 30 دقيقة

إنشاء حل معالجة ذكية للمستندات (المستوى 200)
تمتلك المؤسسات ملايين المستندات والنماذج المادية التي تحتوي على بيانات أعمال مهمة. تحتوي هذه المستندات، مثل مطالبات التأمين أو طلبات القروض، على بيانات مهيكلة وبيانات غير مهيكلة يجري استخراجها إما من قبل عناصر بشرية أو من خلال أنظمة مستندة إلى القواعد لا يمكن توسّعها بسهولة ومكلفة وقد تؤدي إلى نتائج استخراج منخفضة الدقة. في هذه الجلسة، تعرّف على كيفية إنشاء حل معالجة ذكية للمستندات يتسم بالشمول للتغلب على تحديات معالجة المستندات القديمة، مما يتيح لك استخراج البيانات المهيكلة وتنقيح المعلومات الحساسة ونشر سير عمل مؤتمت خاص بمعالجة المستندات على نطاق واسع.

المتحدث: Abhijit Kalita، Senior AI/ML Evangelist, Public Sector Partners، في AWS
المدة: 30 دقيقة

تخصيص استخراج المستندات وتحسينه باستخدام تعلّم الآلة (المستوى 300)
تأتي المستندات في صورة أنواع مختلفة من الملفات، وبتنسيقات متنوعة، وتحتوي على معلومات قيّمة. يمكن أن يستغرق استخراج المستندات ومعالجتها وقتًا طويلاً، وقد يكون عرضةً للخطأ ومكلفًا. في هذه الجلسة، نتناول الخيارات حول كيفية استخراج المعلومات بسهولة من المحتوى المعقد بأي تنسيق من تنسيقات المستندات، بما في ذلك ملفات PDF أو الصور الممسوحة ضوئيًا باستخدام AWS. تعرّف على كيفية ضبط عملية الاستخراج هذه وتخصيصها باستخدام تعلّم الآلة بما في ذلك أنماط أخطاء التعرف البصري على الحروف (OCR) الشائعة وإعادة هيكلة بيانات الإخراج. تتناول الجلسة أنماطًا وأدواتٍ مختلفةً على AWS للمساعدة في جميع مراحل المسار بدايةً من المعالجة الأولية للصور ووصولاً إلى أتمتة العمليات أو البحث الذكي والمراجعة البشرية عبر الإنترنت، مع مراعاة مدى تعقيد حالة الاستخدام لديك ومدى نضج تعلّم الآلة في مؤسستك.

المتحدث: Alex Thewsey، ML Specialist Solutions Architect، في AWS
المدة: 30 دقيقة

من الدقة إلى دراسة الجدوى: بناء نقطة اتصال (PoC) ناجحة للتنبؤ بالطلب (المستوى 200)
إن التنبؤ بالطلب المستقبلي بدقة باستخدام الذكاء الاصطناعي/تعلّم الآلة له مزايا عديدة بالنسبة للعديد من الأقسام الوظيفية المختلفة ومن بين هذه المزايا زيادة المبيعات، وتحسين استخدام السعة ومعدل دوران المخزون، وتعزيز تجربة العملاء. ولكن الكثيرين يواجهون تحديات في تبرير القيمة وفي تنفيذ أنظمة تنبؤ بالطلب في مرحلة الإنتاج. توضح لك هذه الجلسة سير العمل خطوةً بخطوة لبناء نموذج أولي سريع لنظام تنبؤ قائم على تعلّم الآلة باستخدام Amazon Forecast. نتناول الطرق المختلفة المتعلقة بقياس القيمة الحقيقية للأعمال في نماذج التنبؤ بالطلب مع إتاحة المرونة في التجريب.

المتحدثة: Julia Ang، Associate Solutions Architect، في AWS
المدة: 30 دقيقة

تبسيط توقعات نية العملاء تجاه الشراء باستخدام التحليلات وتعلّم الآلة (المستوى 200)
تُدمج الشركات حلول الذكاء الاصطناعي/تعلّم الآلة في أعمالها للبقاء في صدارة المنافسة. ومع ذلك، يُمكن أن يكون تعلّم الآلة صعبًا وغالبًا ما يتطلب مهارات متخصصة. إنه يبدأ بجمع البيانات وتجهيزها، ثم يلي ذلك بناء نماذج تعلّم الآلة وتدريبها قبل نشرها. حتى اختيار خوارزمية لبناء النموذج قد يكون صعبًا. ما الخوارزمية أو نموذج تعلّم الآلة الذي ينبغي لك اختياره؟ كيف تحدد بشكل موثوق النموذج الذي يحقق لك أفضل أداء بناءً على مشكلة الأعمال التي تواجهك؟ كيف يتم ضبط المَعْلمات الفائقة للحصول على أفضل النتائج من النموذج؟ في هذه الجلسة، سنشرح كيفية تبسيط دورة حياة تعلّم الآلة عند توقع نية الشراء باستخدام Amazon SageMaker Autopilot وخدمات التحليلات من AWS.

المتحدثون: 
Kamal Machanda، Solutions Architect، في AWS India
K V, Sureshkumar، Prototyping Architect، في AWS India
المدة: 30 دقيقة

تحسين تجربة العملاء من خلال التحليلات ومراكز الاتصال المدعومة بتعلّم الآلة (المستوى 300)
مركز الاتصال هو أكبر نقطة اتصال بينك وبين عملائك، ويُمكن لكل تفاعل أو مشاركة أن يزود فريقك برؤى متميزة وقوية. في هذه الجلسة، نوضح تكامل Amazon Connect مع خدمات التحليلات وخدمات تعلّم الآلة من AWS، حيث يمكنك استخدام أدوات تكوين الخدمة الذاتية للإنجاز في غضون أيام بدلاً من أن تستغرق منك شهورًا حتى الإنشاء. تعرّف كيف أن حل المركز السحابي الشامل هذا المبني على AWS يتيح لك عرض رؤى قيّمة من كل تفاعل أو مشاركة يجريه العميل بما في ذلك توقع الانتقالات في الوقت الفعلي وبالتالي تستطيع تحسين تجربة العملاء.

المتحدثون: 
Nelson Martinez، Senior Technical Account Manager, Productivity Apps، في AWS
Melanie Li، Senior Technical Account Manager, Analytics، في AWS
Partha Sarathi Sahoo، Senior Technical Account Manager, Analytics، في AWS

المدة: 30 دقيقة

كسر حواجز اللغة باستخدام الذكاء الاصطناعي (المستوى 200)
تجعل Amazon إمكانات معالجة اللغة الطبيعية والتعرف على الكلام وتحويل النص إلى كلام والترجمة الآلية في متناول كل مطور. تعمل خدمات التطبيقات القائمة على واجهة برمجة تطبيقات على تمكين علماء البيانات والمطورين من دمج وظائف الذكاء الاصطناعي المبنية مسبقًا بسهولة في تطبيقاتهم وتُمكّنهم من أتمتة مهام سير العمل. في هذه الجلسة، نتناول بالشرح كيفية بناء الجيل التالي من التطبيقات الذكية التي تسمع وتتحدث وتفهم العالم من حولنا.

المتحدثون: 
Jyoti Sharma، Prototyping Engineer، في AWS India
Arun Balaji، Principal Prototyping Engineer، في AWS India

المدة: 30 دقيقة

تشغيل تطبيق فحص الجودة بمعرفة رؤية الكمبيوتر ذات دائرة تغذية مرتدة مغلقة (المستوى 200)
يُعد اكتشاف العيوب وأوجه الخلل في فحص الجودة خطوةً أساسيةً وحيويةً لضمان جودة المنتجات، حيث إن اكتشاف الأخطاء أو العيوب في الوقت المناسب واتخاذ الإجراءات المناسبة في الغالب ما ينتج عنه تكاليف تشغيلية وتكاليف مرتبطة بالجودة. بالإضافة إلى ذلك، غالبًا ما تكون دوائر التغذية المرتدة اليدوية دوائر موضوعية وتستغرق وقتًا طويلاً ويصعب قياسها، وهذا ينتج عنه معوقات في الإنتاج وإبطاء وقت الطرح بالأسواق. في هذه الجلسة، نستعرض كيف يُمكنك بناء فحص جودة مغلق الدائرة يتسم بالقوة والفاعلية والقابلية للتوسع على الحافة، وكيفية اتخاذ قرارات موضوعية من خلال دائرة تغذية مرتدة وتقليل التكاليف المتعلقة بالجودة.

المتحدث: Derrick Choo، Solutions Architect، في AWS

تحليلات الوسائط الذكية باستخدام تعلّم الآلة (المستوى 200)
يُمكن استخدام أصول الوسائط، مثل الصوت والفيديو، لزيادة قابلية الاكتشاف وزيادة مشاركة المستخدمين وتحسين مستوى رضاهم. ومع ذلك، فإن إدارة محتوى الوسائط وتحليله ومراقبته أمر معقد ومكلف. توضح هذه الجلسة كيفية استخدام خدمات الذكاء الاصطناعي من AWS وAmazon SageMaker للبحث عن المحتوى واكتشافه بشكل أفضل، وزيادة إمكانية الوصول من خلال التسمية التوضيحية والترجمة، واستكشاف سبل تحقيق الدخل من المحتوى الجديد. نعرض أيضًا كيفية استخدام واجهات برمجة التطبيقات الخاصة بالإشراف على المحتوى المُدار بالكامل من الصور ومقاطع الفيديو والنصوص والكلام، بالإضافة إلى استعراض كيفية استخدام تعلّم الآلة في تحسين الامتثال وسلامة العلامة التجارية لك ولعميلك.

المتحدثون: 
Sakthi Srinivasan، Engagement Manager, Prototyping، في AWS India
Arun Balaji، Principal Prototyping Engineer، في AWS India

المدة: 30 دقيقة

بناء نظام شامل للكشف عن الاحتيال في بطاقات الائتمان (المستوى 300)
في ظل انتقالنا نحو مجتمع غير نقدي، تزايدت أهمية امتلاك القدرة على اكتشاف معاملات البطاقات الاحتيالية بدقة وسرعة، لأن النتائج الإيجابية الخطأ يمكن أن تؤدي إلى تجارب سلبية للعملاء. في هذه الجلسة، تعرّف على كيفية إنشاء نظام شامل للكشف عن الاحتيال في بطاقات الائتمان باستخدام Amazon SageMaker. تعرّف على كيفية تدريب النماذج الرياضية في السحابة الخاصة باكتشاف عمليات الاحتيال التي تحدث في الدفع بالبطاقات باستخدام نهج أكثر مرونةً وميسور التكلفة. نوضح كيف يمكنك دمج هذا النموذج في تطبيقات الأعمال لديك باستخدام واجهات برمجة التطبيقات وإنشاء لوحات معلومات تختص بإعداد التقارير باستخدام Amazon QuickSight، وهي خدمة ذكاء أعمال سريعة تعمل على السحابة تسهل على الجميع في المؤسسة الحصول على الرؤى والأفكار من بياناتهم من خلال لوحات معلومات ثرية وتفاعلية.

المتحدث: Indrajit Ghosalkar، Solutions Architect، في AWS
المدة: 30 دقيقة

مكافحة عمليات الاستيلاء على الحساب الاحتيالية باستخدام AWS (المستوى 300)
في كل عام، تتعرض العديد من حسابات المستخدمين للاختراق من خلال تقنيات مختلفة مثل حشو بيانات الاعتماد، والتصيد الاحتيالي، والهندسة الاجتماعية، مما يؤدي إلى عملية احتيالية من نوعية الاستيلاء على الحسابات (ATO). بصرف النظر عن الخسائر المالية، فإن الاحتيال الذي من نوعية الاستيلاء على الحسابات (ATO) له تأثيرات على تجربة العملاء والولاء للعلامة التجارية والسمعة. في هذه الجلسة، سنتناول بالشرح كيف أن جدار حماية تطبيق الويب من AWS يُمكّنك من إيقاف محاولات الاستيلاء على الحساب بشكل استباقي على حافة الشبكة، ومنع الوصول غير المصرح به الذي قد يؤدي إلى أنشطة احتيالية، وإخطار المستخدمين مسبقًا لاتخاذ إجراء وقائي. نتناول أيضًا كيفية استخدام وسائل إضافية لحماية تطبيقك من خلال تعلّم الآلة باستخدام خدمة الكشف عن الاحتيال في Amazon، وهي خدمة مُدارة بالكامل تُمكّنك من إنشاء نماذج تعلّم آلة تختص بالكشف عن الاحتيال ونشر هذه النماذج وإدارتها بسرعة بدون اشتراط امتلاكك لخبرة سابقة في تعلم الآلة.

المتحدثون: 
Julian Ju، Senior Edge Specialist Solutions Architect، في AWS
Ram Cholan، Senior Edge Specialist Solutions Architect، في AWS

المدة: 30 دقيقة

استخلاص رؤى مفيدة في مجال الأشعة من اللغة الطبيعية باستخدام Amazon Comprehend Medical (المستوى 300)
إن الرؤى والأفكار اللازمة لتحسين استخدام الموارد السريرية النادرة والمطلوبة في الغالب يتم إخفاؤها عن مرمى البصر ضمن التقارير السريرية غير المهيكلة. تشرح هذه الجلسة كيفية دمج تعلّم الآلة وتكنولوجيا التحليلات في تطبيقاتها وأتمتة العمليات لتحسين استخدام الموارد السريرية. نستعرض استخدام مسار Apache Spark في الوقت الفعلي تقريبًا، مع Amazon Comprehend Medical، لالتقاط فحوصات الأشعة عند إضافتها إلى مستودعات البيانات السريرية بالمستشفى. تعرّف على كيفية تصنيف الملاحظات السريرية باللغة الطبيعية، وترجمة الكيانات السريرية إلى وجهات نظر ارتباطية ترتكز على مصطلحات التسميات المنهجية للطب (SNOMED) السريرية القياسية. نختتم بعرض كيف يمكن لأدوات العرض المرئي والتحليل ذات الأغراض العامة تمكين المستخدمين من الوصول إلى رؤى البيانات.

المتحدث: Craig Roach، Principal Solutions Architect، AWS
المدة: 30 دقيقة

بدء استخدام Amazon SageMaker في دقائق (المستوى 200)
يوفر Amazon SageMaker لكل مطور ومحلل أعمال وعالم بيانات القدرة على إنشاء نماذج تعلّم الآلة وتدريبها ونشرها لأي حالة استخدام من خلال البنية التحتية والأدوات ومهام سير العمل المُدارة بالكامل. يعمل Amazon SageMaker على التخلص من الأعباء الثقيلة التي تنتج عن تعلّم الآلة، وبالتالي يُزيل العوائق المعتادة ذات الصلة بتعلّم الآلة. تتعمق هذه الجلسة في التفاصيل الفنية لكل وحدة من وحدات Amazon SageMaker التي تُبرز إمكانات المنصة.

المتحدثة: Pauline Kelly، Solutions Architect، في AWS
المدة: 30 دقيقة

تحويل بيانات JSON المتداخلة شبه المهيكلة لتعلّم الآلة باستخدام حلول بلا تعليمات برمجية على AWS (المستوى 200)
في العديد من القطاعات، تأتي البيانات من مصادر مختلفة بتنسيقات مهيكلة وشبه مهيكلة وغير مهيكلة. في حالة البيانات شبه المهيكلة، يُعد JSON أحد أشهر تنسيقات الملفات الخفيفة. إلا أنه نظرًا للطبيعة المعقدة لنوع بيانات JSON، فإنه في الغالب ما يتضمن بنية مفتاح-قيمة متداخلة ويصعب استخدامها مباشرةً في مهام تعلّم الآلة. في هذه الجلسة، نناقش كيفية الاستفادة من AWS Glue DataBrew في إزالة التداخل من البيانات، والتعامل مع المعلومات الحساسة، وضمان جودة البيانات لتجهيز بيانات تعلّم الآلة. إننا نستعرض كيفية استخدام حل Amazon SageMaker بلا تعليمة برمجية في تدريب نماذج تعلّم الآلة تلقائيًا باستخدام بيانات تمت معالجتها للتوصّل إلى رؤى قابلة للتنفيذ بسرعة.

المتحدثون: 
Melanie Li، Senior Technical Account Manager, AI/ML، في AWS
Partha Sarathi Sahoo، Senior Technical Account Manager, Analytics، في AWS

المدة: 30 دقيقة

إنشاء نماذج دقيقة تجمع بين أنواع البيانات المتنوعة باستخدام AutoGluon على Amazon SageMaker (المستوى 300)
في الغالب ما تتضمن حالات استخدام تعلّم الآلة في العالم الحقيقي بيانات من تنسيقات متعددة. في هذه الجلسة، نتناول نظرةً عامةً حول Amazon SageMaker JumpStart الذي يقوم تلقائيًا بتدريب وضبط المئات من نماذج تعلّم الآلة ويساعدك في اختيار أفضل نموذج لحالة الاستخدام لديك. نوضح كيفية استخدام AutoGluon، وهي مكتبة مفتوحة المصدر لتعلّم الآلة التلقائي (AutoML) على Amazon SageMaker لبناء نموذجك عالي الجودة. نتناول أيضًا تقنيات مثبتة مجربة، وأفضل الممارسات، والأدوات المتعلقة بالتعمق أكثر باستخدام تعلّم الآلة المخصص متعدد الشروط.

المتحدثة: Seema Gupta، Senior Solutions Architect، في AWS
المدة: 30 دقيقة

تدريب نماذج تعلّم الآلة بسرعة وبتكلفة ميسورة مع Amazon SageMaker (المستوى 200)
إن تدريب نماذج تعلّم الآلة على نطاق واسع في الغالب ما يتطلب استثماراتٍ كبيرةً. في هذه الجلسة، نعرض كيف أن Amazon SageMaker يُمكّنك من تقليل الوقت والتكاليف لتدريب نماذج تعلّم الآلة (ML) وضبطها بدون الحاجة إلى إدارة بنية تحتية. تعرّف على كيفية استخدام النماذج باستخدام أدوات مضمنة لإدارة تجارب التدريب وتتبعها، واختيار المَعْلمات الفائقة المثلى تلقائيًا، وتصحيح مهام التدريب، ومراقبة استخدام موارد النظام مثل وحدات معالجة الرسومات (GPUs) ووحدات المعالجة المركزية (CPUs) وعرض النطاق الترددي للشبكة. نوضح كيف أن أدوات التدريب من SageMaker تُمكّن التدريب الموزع بشكل أسرع، بما في ذلك مكتبات توازي البيانات وتوازي النماذج، كما قامت Amazon SageMaker بتوزيع مكتبات التدريب التي تقوم تلقائيًا بتقسيم النماذج ومجموعات البيانات الخاصة بالتدريب عبر مثيلات وحدة معالجة الرسومات (GPU) لمساعدتك في إكمال التدريب الموزع بشكل أسرع.

المتحدث: Gaurav Singh، Solutions Architect، في AWS India
المدة: 30 دقيقة

ما وراء تطوير النماذج والتدريب والنشر - التعمق في مُراقبة النماذج في Amazon SageMaker (المستوى 200)
على عكس تطوير البرامج التقليدية، يُعد تطوير نماذج تعلّم الآلة عمليةً تكراريةً تتطلب المراقبة المستمرة لكل من إدخالات النموذج المنشور وإخراجاته لضمان تحقيق أمثل النتائج. انضم إلى هذه الجلسة لمعرفة أساسيات مراقبة النماذج باستخدام Amazon SageMaker. إننا نتناول كيفية اكتشاف الانحراف في بياناتك ونموذجك، ونشارك الخطوات ذات الصلة لضمان جودة النموذج في الإنتاج.

المتحدث: Sahil Verma، Solutions Architect، في AWS India
المدة: 30 دقيقة

نشر نموذج تحويل النص إلى صورة باستخدام Amazon SageMaker وAmazon Rekognition (المستوى 200)
انضم إلى هذه الجلسة لتتعلم كيف قامت منصة الاتصالات المرئية العالمية Canva ببناء وظيفتها الجديدة الخاصة بتحويل النص إلى صورة باستخدام الانتشار المستقر (Stable Diffusion) على Amazon SageMaker، مما مكّنها سريعًا من توسعة نطاق ميزة تحويل النص إلى صورة إلى 100 مليون مستخدم في أقل من 3 أسابيع. إننا نتعمق في الإطار التصميمي الذي يرتكز عليه الحل الشامل، وكيفية إزالة العبء الثقيل من كل خطوة من خطوات عملية تعلّم الآلة، مما يُسهّل تطوير نماذج عالية الجودة، وطرح ميزات جديدة مبتكرة بسرعة للمستخدمين وتوسعة نطاق النمو المستقبلي. إننا نستعرض أيضًا كيف تستفيد Canva من Amazon Rekognition، الذي يوفر إمكانات برؤية الكمبيوتر (CV) مسبقة التدريب وقابلة للتخصيص لاستخراج المعلومات والرؤى من الصور ومقاطع الفيديو. اكتشف كيف مكّنهم هذا الحل من اكتساب ثقة المستخدم وتعزيز السلامة وتحسين الإنتاجية، لأن الإشراف اليدوي كان سيتطلب من Canva نشر المئات من المشرفين على مدار الساعة.

المتحدثون: 
Ben Friebe، Senior ISV Solutions Architect، في AWS
Greg Roodt، Head of Data Platforms، في Canva

المدة: 30 دقيقة

إطلاق حلول تعلّم الآلة بسرعة على نطاق واسع على بنية AWS الأساسية (المستوى 200)
تقدم AWS أكبر وأعمق الخدمات المتعلقة بتسريع بناء وإطلاق خدمات الذكاء الاصطناعي وتعلّم الآلة لجميع أنواع المؤسسات والشركات والقطاعات. في هذه الجلسة، سنشرح كيفية نشر نماذج الاستدلال على AWS، واستكشاف العوامل التي يجب أخذها في الاعتبار، وكيفية تحسين عمليات النشر. نستعرض أفضل الممارسات والنُهُج لتشغيل أعباء عمل تعلّم الآلة بسلاسة وكفاءة على AWS.

المتحدث: Santhosh Urukonda، Senior Prototyping Engineer، في AWS India
المدة: 30 دقيقة