Session-ID: FPA01
Sprache: Englisch
Level: 300
Dauer: 30 Minuten
Sprecher:innen: Matheus Guimaraes, Senior Developer Advocate, UK/Ireland, AWS

Die Modellierung der Daten in einer DynamoDB-Datenbank zu modellieren, erfordert einen anderen Ansatz als beim Modellieren in relationalen Datenbanken. Lernen Sie die wichtigsten Schritte, Prinzipien und bewährten Methoden kennen, die Sie bei Ihrer Arbeit mit DynamoDB anwenden können.

Session-ID: FPA02
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Yohan Wadia, Senior Public Sector Solutions Architect, AWS

Mit einer innovativen Architektur, die Rechenleistung vom Speicher entkoppelt und erweiterte Funktionen wie Global Database und Read Replicas mit niedriger Latenz bietet, definiert Amazon Aurora neu, was es bedeutet, eine relationale Datenbank zu sein. Das Ergebnis ist ein moderner Datenbankservice, der Leistung und Hochverfügbarkeit in großem Umfang, vollständigen Open-Source-MySQL- und PostgreSQL-kompatible Versionen sowie eine Reihe von Entwickler-Tools für das Entwickeln von Serverless- und Machine-Learning-gesteuerten Anwendungen bietet. Erhalten Sie in dieser Session einen detaillierten Einblick in einige der aufregendsten Funktionen, die Aurora bietet, darunter Aurora Serverless v2 und Global Database. Erfahren Sie auch mehr über aktuelle Innovationen, die Leistung, Skalierbarkeit und Sicherheit verbessern und gleichzeitig die betrieblichen Herausforderungen reduzieren.

Session-ID: FPA03
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Om Prakash Jha, Senior Solutions Architect, AWS

Amazon ElastiCache ist ein vollständig verwalteter Caching-Service der Echtzeit-Leistung für moderne Internet-Anwendungen bietet. Wir werden Innovationen vorstellen, die jetzt zu einer 100-prozentigen Leistungsverbesserung von ElastiCache führen, und darüber, wie die Verwendung von ElastiCache Ihre Gesamtbetriebskosten senken kann.

Session-ID: FPA04
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Mirabela Dan, Solutions Architect, AWS

Die Modernisierung Ihrer Anwendungen geht über die Verlagerung in die Cloud hinaus. Das ist einfach der erste Schritt. Durch die Verlagerung Ihrer Anwendungen in die Cloud erhalten Sie Zugriff auf die neuesten Datenbanktechnologien, sodass Sie Ihre Anwendungen modernisieren können, um Ihren Kunden, Stakeholdern und/oder Bürgern einen besseren Service zu bieten. In dieser Session erfahren Sie, wie Sie relationale Open-Source-Datenbanken und neue Technologien wie Schlüssel-Wert, Dokument und Graph verwenden können, um die Leistung Ihrer Anwendungen zu verbessern.

Session-ID: FPA05
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Nikhil Anand, Solutions Architect, AWS

Verschieben Sie Ihre Datenbanken nicht einfach in die Cloud. Migrieren oder optimieren Sie stattdessen Ihre Datenbank-Workloads in der AWS Cloud mit speziell entwickelten Datenbanken. Für viele moderne Anwendungen, z. B. E-Commerce, Content-Management-Systeme und Profilverwaltung, kann das herkömmliche relationale Datenmodell schwerfällig und starr werden. Nutzen Sie Amazon DocumentDB als vollständig verwaltete native JSON-Dokumentendatenbank. Das JSON-Dokumentdatenmodell bietet die Flexibilität, erhöhte Leistung und Agilität, die erforderlich sind, um mit den Anforderungen dieser Anwendungsfälle Schritt zu halten. In dieser Session erfahren Sie, wie sich die Datenmodellierung für Amazon DocumentDB (mit MongoDB-Kompatibilität) von der Datenmodellierung für relationale Datenbanken unterscheidet. Erfahren Sie außerdem, wie Sie Amazon DocumentDB Schema-Design- und Datenmodellierungskonzepte nutzen können, um flexible und skalierbare Anwendungen zu entwickeln.

Session-ID: ANA01
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Pragnesh Shah, Solutions Architect, AWS und Victory Uchenna, Solutions Architect, AWS

Die Analytics-Services von AWS ermöglichen es Datennutzern wie Datenwissenschaftlern, Analysten und Geschäftsanwendern mit unterschiedlichem technischem Fachwissen in einem Unternehmen, schnell auf ihre Daten zuzugreifen, sie zu analysieren und Erkenntnisse daraus zu gewinnen. In dieser Session erfahren Sie, wie AWS die Analytik für Ihr Unternehmen durch Benutzerfreundlichkeit und bessere Preisleistung demokratisieren kann. Erfahren Sie, wie Serverless-AWS die Datenaufbereitung vereinfacht und Analysten und Datenwissenschaftlern aller Qualifikationslevel den Einsatz von Machine Learning erleichtert.

Session-ID: ANA-02
Sprache: Englisch
Level: 300
Dauer: 30 Minuten
Sprecher:innen: Roy Yung, QuickSight Specialist Solutions Architect, AWS

In dieser Session erfahren Sie, wie Sie die Serverless-Business-Intelligence-Lösung von AWS verwenden, um Ihren Benutzern interaktive Dashboards auf Basis von Machine Learning und Abfragen in natürlicher Sprache (NLQ) zur Verfügung zu stellen. Und lernen Sie, wie Sie ein analytisches Dashboard programmgesteuert von Grund auf neu erstellen.

Session-ID: ANA03
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Wojtek Gawroński, Senior Developer Advocate (CEE), AWS

Viele Unternehmen versuchen, Streaming-Analytics-Architekturen aus ihren Echtzeit-Datenquellen zu entwickeln, und haben dabei oft Schwierigkeiten, die bewährten Architekturmuster zu finden, die Kunden implementiert haben.  Beim Entwickeln einer modernen Datenarchitektur müssen Daten manchmal mit geringer Latenz zwischen den Komponenten fließen, um Entscheidungen in Echtzeit zu treffen.  Diese Session hilft Cloud-Architekten, Datenwissenschaftlern und Entwicklern beim Entwerfen und Entwickeln moderner Data-Streaming-Architekturen, die durch Nutzung von AWS-Streaming-Services wie Amazon Kinesis Data Streams, Amazon Kinesis Firehose, Amazon Kinesis Data Analytics und Amazon Managed Streaming für Apache Kafka (Amazon MSK) schnell Erkenntnisse generieren können. Wir werden auch über bewährte Methoden beim Entwickeln einer modernen Datenstreaming-Architektur mit niedriger Latenz in AWS sprechen.

Session-ID: ANA04
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Gregory Knowles, Analytics Specialist Solutions Architect, AWS

Um die Herausforderungen zu meistern, die mit der Gewinnung von Geschäftserkenntnissen aus riesigen Datenmengen verbunden sind, muss Ihr Data Warehouse skalierbar, einfach einzurichten und leicht für Analytics nutzbar sein. Es muss auch in der Lage sein, Machine Learning zu nutzen und alle Ihre Daten zu analysieren.

Erfahren Sie, wie Amazon Redshift, ein Vorreiter im Bereich Cloud Data Warehousing, die Möglichkeiten des Cloud Data Warehousing erweitert, um Kunden in verschiedenen Branchen Erkenntnisse zu liefern und datengesteuerte Entscheidungen zu ermöglichen.

Session-ID: ANA05
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Suman Debnath, Principal Developer Advocate (Data Engineering), AWS

Der erste Schritt in einem Analytics- oder Machine-Learning-Projekt besteht darin, Ihre Daten zu entdecken und aufzubereiten, um qualitativ hochwertige Ergebnisse zu erzielen. AWS Glue ist ein skalierbarer Serverless-Datenintegrationsservice, der Ihnen dabei hilft, Daten aus verschiedenen Quellen zu erkennen, aufzubereiten, zu verschieben und zu integrieren.  In dieser Session erfahren Sie mehr über die neuesten Innovationen in AWS Glue und erfahren, wie ein AWS-Kunde AWS Glue verwendet, um die Selfservice-Datenvorbereitung in seinem gesamten Unternehmen zu ermöglichen.

Session-ID: MLT01
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Adam Temple, Senior Solutions Architect, AWS

Die ML-Reise erfordert kontinuierliches Experimentieren und schnelles Prototyping, um erfolgreich zu sein. Diese Prozesse sind normalerweise zeitaufwändig und teuer. Amazon SageMaker bietet Optionen ohne Code und mit niedrigem Code für jeden Schritt des ML-Lebenszyklus, sodass Sie qualitativ hochwertige Modelle schneller entwickeln, trainieren und bereitstellen können. In dieser Session erfahren Sie, wie Tools mit niedrigem Code, darunter Amazon SageMaker Canvas, Amazon SageMaker Data Wrangler, Amazon SageMaker Autopilot und Amazon SageMaker JumpStart, das Experimentieren einfacher machen, sodass Sie sich mehr auf die Verfeinerung von Vorhersagen und weniger auf niederschwelligem Code konzentrieren können.

Session-ID: MLT02
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Ahmed Raafat, Principal Solutions Architect AWS

Nehmen Sie an dieser Session teil, um sich eingehend mit den beiden Optionen von Amazon SageMaker für vollständig verwaltete Jupyter-Notebooks für die Datenexploration und die Entwicklung von ML-Modellen vertraut zu machen. Erfahren Sie, wie Sie die integrierte Datenvorbereitungsfunktion und kollaborative SageMaker Studio-Notebooks nutzen können, um die Produktivität in allen Schritten Ihrer ML-Entwicklung zu steigern. Und erfahren Sie, wie Sie mit eigenständigen SageMaker-Notebook-Instances beginnen, die die größte Auswahl an Rechenressourcen bieten, die in der Cloud verfügbar sind, einschließlich GPUs für beschleunigte Datenverarbeitung und der neuesten Versionen von Open-Source-ML-Paketen.

Session-ID: MLT03
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Stephen Gallagher, Senior Solutions Architect, AWS

Unternehmen sind heute auf der Suche nach geprüften Lösungen und architektonischen Anleitungen, um geschäftliche Herausforderungen mit KI und ML schnell zu lösen. Unabhängig davon, ob Kunden Standardbereitstellungen oder anpassbare Architekturen bevorzugen, bietet das AWS-Lösungsportfolio für Machine Learning (KI/ML) Lösungen, die von AWS und AWS-Partnern für eine breite Palette von Branchenanwendungsfällen entwickelt wurden. Dies sind kostenlos zu verwendende Open-Source-Vorlagen, die Sie mit einem Klick auf eine Schaltfläche in Ihrem AWS-Konto starten können.

Session-ID: MLT04
Sprache: Englisch
Level: 300
Dauer: 30 Minuten
Sprecher:innen: Ayman Salama, Partner Solutions Architect, AWS

Das maßstabsgetreue Training von Modellen für maschinelles Lernen kann zahlreiche Vorteile mit sich bringen, wie z. B. schnellere und genauere Vorhersagen, bringt aber auch seine eigenen Herausforderungen mit sich. Amazon SageMaker ist eine vollständig verwaltete Plattform, die Ihnen dabei hilft, diese Herausforderungen zu bewältigen und das Training Ihrer Machine-Learning-Modelle in großem Maßstab zu beschleunigen. In dieser Session werden wir uns eingehend mit den Vorteilen und Herausforderungen von Machine Learning im großen Maßstab befassen und wie SageMaker Ihnen dabei helfen kann, diese zu überwinden. Wir werden auch erläutern, wie SageMaker verteiltes Training ermöglicht, und eine Fallstudie untersuchen, in der wir stabile Diffusion auf 200 SageMaker-GPUs trainieren und hosten. Darüber hinaus werden wir AI21 Labs ins Rampenlicht rücken, ein Unternehmen, das SageMaker erfolgreich eingesetzt hat, um seine Modelle für Machine Learning in großem Maßstab zu trainieren und bereitzustellen. Am Ende dieser Session werden Sie ein solides Verständnis dafür haben, wie Sie SageMaker verwenden können, um Modelle für Machine Learning in großem Maßstab zu trainieren, und welche Vorteile dies für Ihr Unternehmen mit sich bringen kann.

Session-ID: MLT05
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Srivalsan Mannoor Sudhagar, Cloud Architect, AWS

In dieser Session wird ausführlich erörtert, wie ML-Workloads mithilfe von Amazon Sagemaker MLOps produziert werden können. Darin werden auch die neuen Funktionen von Amazon Sagemaker for MLOps und die Skalierung von MLOps auf der Grundlage organisatorischer Anforderungen ausführlich behandelt.

Session-ID: DAI01
Sprache: Englisch
Level: 300
Dauer: 30 Minuten
Sprecher:innen: Aamna Najmi, AI/ML Consultant, Professional Services, AWS

In dieser Session erfahren Sie, wie Sie häufig auftretende Geschäftsprobleme mithilfe von AWS KI/ML Services lösen können. Die Ergebnisse lassen sich in vier Kategorien einteilen: Verbesserung des Kundenerlebnisses, Unterstützung von Mitarbeitern und Organisationen, bessere und schnellere Entscheidungen treffen, Verbesserung der Geschäftsabläufe bei gleichzeitiger Kostensenkung und Entwicklung völlig neuer Produkte und Services, die auf KI und ML basieren. Während der Session werden wir uns auch speziell mit drei wichtigen Anwendungsfällen befassen, nämlich intelligente Dokumentenverarbeitung, Textzusammenfassung und Personalisierung. Wir werden auch darüber sprechen, wie Kunden verschiedene KI/ML-Services von AWS wie Amazon Textract, Amazon SageMaker, Amazon Comprehend und Amazon Personalize für gängige Anwendungsfälle nutzen, und wir werden auch einige kurze Demos zeigen, in denen die Services in Aktion zu sehen sind.

Session-ID: DAI02
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Chara Gravani, Solutions Architect Manager, AWS und Emilio Garcia Montano, Solutions Architect, AWS

Verbraucher erwarten kuratierte Echtzeiterlebnisse über digitale Kanäle hinweg, wenn sie Produkte und Dienstleistungen betrachten, kaufen und nutzen. Mit der einfachen Integration von Amazon Personalize in Ihre bestehenden Anwendungen können Sie an jedem Kontaktpunkt hochwertige Personalisierungen erstellen. Erfahren Sie, wie Sie mit Amazon Personalize individuell kuratierte Empfehlungen geben und jeden Benutzer-Kontaktpunkt personalisieren können, ohne dass ML-Kenntnisse erforderlich sind. In dieser Session zeigen wir, wie Amazon Personalize funktioniert und welche Funktionen der Service bietet. Schließlich werden wir eine Demo veröffentlichen, die zeigt, wie Amazon Personalize verwendet werden kann, um das Einkaufserlebnis des Kunden zu personalisieren.

Session-ID: DAI03
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Mia Chang, ML Specialist Solutions Architect, AWS

Viele Unternehmen sind mit einer anfälligen oder unzureichenden Dokumentenverarbeitungspipeline belastet. In dieser Session erfahren Sie, wie Unternehmen von den neuesten Innovationen im Bereich KI und Machine Learning von AWS profitieren können. Mit dem neuesten Update für Dokumentenklassifizierung und -analyse erfahren Kunden, wie sie die Effizienz ihres Anwendungsfalls der Dokumentenverarbeitung verbessern können.

Session-ID: DAI04
Sprache: Englisch
Level: 300
Dauer: 30 Minuten
Sprecher:innen: Sandipan Bhaumik, Senior Specialist Solution Architect, Analytics, AWS und Subham Rakshit, Senior Specialist Solution Architect, Analytics, AWS

Die Verbindung zu allen Datensystemen in Ihrem Unternehmen in einer Größenordnung und Geschwindigkeit, die dem Geschäftsbetrieb entspricht, ist für Innovationen von entscheidender Bedeutung. Um eine solche Integration zu ermöglichen, müssen Sie komplexe ETL-Pipelines (Extrahieren, Transformieren, Laden) entwickeln. Diese Pipelines werden verwendet, um Daten aus einer Vielzahl von Quellen zu extrahieren, in ein verwendbares Format umzuwandeln und sie dann in ein zentrales Repository wie ein Data Warehouse oder einen Data Lake zu laden. Sie müssen viel Zeit und Geld für das Entwickeln dieser ETL-Pipelines aufwenden. Um mit der Dynamik der Daten und der Geschwindigkeit, mit der sich Ihr Unternehmen bewegen muss, Schritt zu halten, muss die Datenintegration nahtlos sein. Um dies zu vereinfachen, investiert AWS in eine Zukunft ohne ETL, in der Sie nie wieder manuell eine ETL-Pipeline entwickeln müssen. In dieser Session werden wir untersuchen, wie Sie einige der Funktionen der AWS-Daten- und Analytics-Services nutzen können, um den Zeitaufwand von Dateningenieuren für die ETL-Entwicklung zu minimieren. Wir werden einige der Funktionen besprechen, die wir in re:Invent zur Integration von Services wie Amazon Aurora-, Amazon Redshift-, Amazon S3- und Apache Spark-Workloads in Amazon EMR und AWS Glue angekündigt haben. Wenn Sie ein Lösungsarchitekt, Datenarchitekt, Dateningenieur, Entwickler oder eine Rolle ausüben, die sich mit Datenintegrationsaufgaben befasst, ist diese Session genau die Richtige für Sie.

Session-ID: DAI05
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Navaneeth Ramakrishnan, Senior UKIR SAP Specialist Solutions Architect, AWS

Die Cloud ist für unsere Kunden von großer Bedeutung, wenn sie aus einer Kombination von SAP- und Nicht-SAP-Daten neue Geschäftserkenntnisse ableiten können. Kunden von SAP in AWS können AWS-Analytics, künstliche Intelligenz und Machine Learning nutzen, um nahezu in Echtzeit Erkenntnisse zu gewinnen, die ihre Unternehmensleistung verbessern, die betriebliche Effizienz steigern, die Effizienz der Lieferkette erhöhen, neue Einnahmequellen erschließen und Geschäftsrisiken schneller erkennen und darauf reagieren. Sehen Sie sich eine Demo an, in der gezeigt wird, wie Sie mit AppFlow Daten aus einer SAP-Anwendung in einen Serverless-S3-Data-Lake übertragen, mit AWS Glue katalogisieren, mit AWS Athena Abfragen ausführen und in QuickSight visualisieren.

Session-ID: SGD01
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Ismail Makhlouf, Senior Specialist Solutions Architect – Data Analytics, AWS

Das Erschließen des Potenzials von Daten kann jedem Unternehmen und jeder Branche zugute kommen. Viele Unternehmen sitzen auf einem Datenschatz, wissen aber nicht, wo sie anfangen sollen, daraus Nutzen zu ziehen. In dieser Session erfahren wir, wie AWS führende Anwendungsfälle für die Nutzung von Daten ermöglicht. Wir werden Beispiele aus der Praxis sehen, wie Unternehmen datengesteuerte Erkenntnisse nutzen, um die Entscheidungsfindung zu verbessern, Prozesse zu optimieren, Kosten zu sparen und ein besseres Kundenerlebnis zu bieten.

Session-ID: SGD02
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Meena Morrish, Senior Solutions Architect, AWS, und Javier Poveda-Panter, Data Scientist, AWS

Nehmen Sie an dieser Session teil und erfahren Sie, wie die Bundesliga ihre begeisterten Fans näher an ihre Spieler heranbrachte und mithilfe von Daten und AWS Machine Learning erstaunliche Geschichten hinter jedem Spielereignis entwickelte.

Session-ID: SGD03
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Zamira Jaupaj, Solutions Architect, AWS

Unternehmen aller Größen haben erkannt, dass Daten Innovationen vorantreiben und es ihnen ermöglichen, Erlebnisse für ihre Kunden zu entwickeln. Um einen Mehrwert aus Ihren Daten zu ziehen, müssen sie für Personen und Systeme zugänglich sein, die sie für Analytics benötigen. Mit AWS Analytics können Datenproduzenten (Dateningenieure und Datenwissenschaftler) Daten sicher mit Datenverbrauchern (Analysten und Geschäftsanwendern) im gesamten Unternehmen teilen und gleichzeitig die vom Unternehmen auferlegten Sicherheits- und Governance-Maßnahmen einhalten. In dieser Session erfahren Sie, wie Unternehmen AWS-Analytics-Services einsetzen können, um ihre Daten über Unternehmensgrenzen hinaus zu ermitteln, darauf zuzugreifen und sie zu teilen.

Session-ID: SGD04
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Ed Gummett (er/ihn), Senior Solutions Architect, Storage Technologies, AWS

Ausfallsicherheit und Verfügbarkeit stehen für Unternehmen, die sich für einen Daten-Service in der Cloud entscheiden, an erster Stelle. In dieser Session wird erklärt, wie AWS-Speicherservices mit integrierter Ausfallsicherheit konzipiert sind, und es werden bewährte Methoden für die Konfiguration unserer Speicherservices für Ihre eigenen Anforderungen an Stabilität und Hochverfügbarkeit vorgestellt. Zu den angebotenen Services gehören S3, EBS, FSx, EFS und Sicherung, einschließlich Informationen zur Verwendung von AWS-Availability-Zones und -Regionen, Notfallplanung und Funktionen zur Verwaltung von Workload-Failovers, Testen Ihres Ausfallsicherheitsplans, Konfiguration der Datenverschlüsselung und der Rolle der Datenschutz- und Wiederherstellungsplanung.

Session-ID: SGD05
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Miguel Angel Huerta, Data Analytics Consultant, AWS

Mit Governance können Sie Ihre Ziele unter bestimmten, von Ihnen selbst festgelegten und verwalteten Parametern schneller erreichen. Daten und prädiktive Modelle sind keine Ausnahme. Wenn Sie also das Beste daraus unter einem soliden Governance-Dach herausholen, können Sie bessere, schnellere und sichere Entscheidungen auf der Grundlage Ihrer Daten treffen. In dieser Session werden wir aus erster Hand erläutern, warum wir einen Top-down-Ansatz für die Daten- und ML-Governance benötigen, um eine langfristige datengestützte Strategie festzulegen, die nicht nur von Technologie, sondern auch von Menschen und Prozessen geleitet wird und einen gemeinsamen Ansatz für einen erfolgreichen Transformationsweg darstellt. Zweitens ein Bottom-up-Ansatz, mit dem wir den Schwerpunkt effektiv auf die Architektur legen können, auf die sich die Strategie stützen wird, und zwar unter zwei verschiedenen Perspektiven: Daten- und Machine-Learning-Modelle. Das Herzstück nicht nur prädiktiver Modelle, sondern auch analytischer Studien sind vertrauenswürdige Daten, zur Steuerung des gesamten Lebenszyklus Ihrer Daten und um sicherzustellen, dass diese Ressource in der erwarteten Qualität und über einen sicheren Rahmen verfügbar ist, was Ihre Datenanalyse sogar noch besser macht. AWS Lake Formation hilft in Kombination mit AWS Glue und Amazon S3 beim Entwickeln einer modernen Datenplattform, die diesen beiden Governance-Perspektiven gerecht wird. Der Erfolg eines robusten prädiktiven Modells hängt zu einem großen Teil von diesen gesteuerten Daten ab. Der nächste Schritt der ML-Governance besteht darin, die optimale Leistung und den optimalen Betrieb der prädiktiven Daten während des gesamten Lebenszyklus des Modells sicherzustellen. AWS Sagemaker unterstützt Sie bei der Abwicklung dieses Prozesses und kümmert sich um alle Phasen der Datenwissenschaft bei der Modellierung ab: Datenexploration, Funktionsauswahl, Modelltraining, Modellbewertung, Modellbereitstellung, Modellüberwachung und Modellwartung. Bitte nehmen Sie an dieser Session teil, um zu erfahren, wie Sie mit AWS umfassende Daten- und Machine-Learning-Modelle im Detail steuern können, indem Sie all diese AWS-Services nutzen.

Session-ID: SUP01
Sprache: Englisch
Level: 300
Dauer: 30 Minuten
Sprecher:innen: Ceren Tahtasiz, Startup Solutions Architect, AWS

Als Startup-Unternehmen können Sie Ihre Analytics schneller durchführen, ohne sich Gedanken über die Verwaltung vom Data Warehouse und die Maximierung Ihrer Auslastung machen zu müssen. Mit Amazon Redshift Serverless können Sie in Sekundenschnelle loslegen und Data-Warehousing- und Analytics-Workloads skalieren, wenn Ihr Unternehmen wächst. In dieser Session erfahren Sie, wie Amazon Redshift die zugrunde liegenden Ressourcen intelligent skaliert, um selbst bei den anspruchsvollsten Workloads eine gleichbleibend hohe Leistung, effiziente Kosten und vereinfachte Abläufe zu erzielen.

Session-ID: SUP02
Sprache: Englisch
Level: 300
Dauer: 30 Minuten
Sprecher:innen: Fernando Gonçalves, Startup Solutions Architect, AWS

Streaming-Daten können einen erheblichen Mehrwert bieten, indem sie Entscheidungen in Echtzeit ermöglichen, neue Einnahmequellen schaffen und das Kundenerlebnis verbessern. In diesem Vortrag konzentrieren wir uns darauf, wie Sie eine vollständig verwaltete Datenstreaming-Lösung für Ihr Startup-Unternehmen entwerfen. Wir werden erläutern, warum Datenstreaming wichtig ist, untersuchen gängige Anwendungsfälle und führen eine Entwurfsübung durch, die Sie replizieren können, um eine Lösung zu erstellen, die den Anforderungen Ihres Startups-Unternehmens am besten entspricht.

Session-ID: SUP03
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Jamila Jamilova, Solutions Architect, AWS

Data-Lake- und Kostenoptimierung in AWS. Erfahren Sie, wie Sie die Leistung Ihres Data Lakes sichern, überwachen und verwalten können.

Session-ID: SUP04
Sprache: Englisch
Level: 300
Dauer: 30 Minuten
Sprecher:innen: Jenny Vega, Startups Solutions Architect, AWS

Moderne Deep-Learning-Modelle werden immer größer, da wir feststellen, dass sich größere Modelle besser verallgemeinern lassen. Trainingszeit und Modellgröße können zu Engpässen führen. Um das Training zu beschleunigen, können Entwickler Datenparallelität verwenden, um das Modell auf einem Cluster von GPU-Instanzen zu trainieren. Um Modelle mit beschränktem Arbeitsspeicher zu trainieren, können Entwickler Modellparallelität verwenden, um Modelle auf mehrere GPUs zu partitionieren. In dieser Session sprechen wir über das Training und das Hosten großer Sprachmodelle mithilfe von Parallelität auf Amazon SageMaker.

Session-ID: SUP05
Sprache: Englisch
Level: 200
Dauer: 30 Minuten
Sprecher:innen: Mathieu Desvé, Solutions Architect, AWS

Sie haben einige Herausforderungen mit Ihren relationalen Datenbanken? Gut gemacht, Sie haben es geschafft! Ihr Startup-Unternehmen wächst wie verrückt! Jetzt müssen wir uns Ihre Datenstrategie ansehen, um Kosten zu senken, die Leistung zu verbessern und weiter skalieren zu können. In dieser Session wollen wir praktisch vorgehen und demonstrieren, welche Workloads in eine speziell entwickelte Datenbank migriert werden können, und demonstrieren, wie das geht. Wir werden auch einen Fuß in die Big-Data-Welt setzen.

Session-ID: T&C01
Sprache: Englisch
Level: 200
Dauer: 45 Minuten (9:35 Uhr - 10:20 Uhr GMT)
Sprecher:innen: Marco Tamassia, AWS Senior Technical Trainer, AWS

In dieser Session lernen Sie die Eigenschaften kennen, die eine moderne Data-Analytics-Architektur auf AWS haben sollte. Als Beispiel zeigt Ihnen der Sprecher:innen eine Demo über eine ereignisgesteuerte Serverless-Streaming-Analytics-Architektur zur Durchführung von Clickstream-Analysen. Die Architektur wird Service für Service gezeigt.

Session-ID: T&C02
Sprache: Englisch
Level: 200
Dauer: 120 Minuten (10:25–12:25 GMT)
Sprecherin: Laura Verghote, Solutions Architect, AWS & Marco Tamassia, AWS Senior Technical Trainer, AWS

Stellen Sie Ihre Cloud-Fähigkeiten auf die Probe, indem Sie Herausforderungen lösen, die echte AWS-Anwendungsfälle nachbilden! In dieser Session führen wir ein AWS JAM durch, das Ihnen die einmalige Gelegenheit bietet, Ihre AWS-Kenntnisse und Problemlösungsfähigkeiten in einer kostenlosen Übungsumgebung zu testen. Das JAM funktioniert nach dem Prinzip „Spielen – Lernen – Validieren“ und gibt Ihnen die Möglichkeit, reale Probleme im Zusammenhang mit KI/ML und Daten zu lösen. Gewinnen Sie tolle Preise wie Präzenzschulungen, Zertifizierungsgutscheine und Amazon-Geräte! Wir sehen uns!

Session-ID: FPAQA
Sprache: Englisch
Dauer: 40 Minuten

Session-ID: ANAQA
Sprache: Englisch
Dauer: 40 Minuten

Session-ID: MLTQA
Sprache: Englisch
Dauer: 40 Minuten

Session-ID: DAIQA
Sprache: Englisch
Dauer: 40 Minuten

Session-ID: MLTQA
Sprache: Englisch
Dauer: 40 Minuten

Session-ID: SUPQA
Sprache: Englisch
Dauer: 40 Minuten

Session-ID: T&CQA
Sprache: Englisch
Dauer: 40 Minuten