La inteligencia artificial (IA) y el aprendizaje automático (ML) presentan el potencial de transformar las industrias, aumentar la eficiencia e impulsar la innovación. Los ejecutivos tienen roles importantes en la aceleración del aprendizaje automático, y aunque muchos priorizan el aprendizaje automático, pasar de la idea a la implementación puede ser abrumador y podría hacer que las empresas se detengan antes de comenzar. En esta sesión, analizaremos los desafíos en la implementación del aprendizaje automático y explicaremos cómo hicieron los clientes de AWS para lograrlo con éxito y alcanzar sus objetivos de negocio. Compartiremos cómo los clientes trabajan con AWS a fin de alinear a los equipos, generar entusiasmo por el aprendizaje automático, proporcionar a los desarrolladores la capacitación técnica adecuada e identificar los casos de uso apropiados para comenzar a pasar de la idea a la producción.

Orador: Joel Minnick, director de marketing de productos de inteligencia artificial, AWS

El aprendizaje automático (ML) y la inteligencia artificial (IA) están ganando protagonismo y despiertan la curiosidad de las grandes organizaciones así como de la comunidad de empresas emergentes. Sin embargo, una de las mayores limitaciones para la adopción del aprendizaje automático es encontrar y capacitar a las personas con habilidades especializadas. En esta sesión, aprenda cómo AWS Training and Certification está basado en el plan de estudios utilizado en la capacitación de miles de desarrolladores de Amazon y como puede brindarle recursos que lo ayudarán a hacer realidad su visión de ML.

Orador: Elly Juniper, gerente técnico superior de desarrollo de negocios, AWS

Las empresas invierten mucho tiempo en el desarrollo, la búsqueda, y la evaluación de algoritmos y modelos para solucionar problemas de negocios con aprendizaje automático (ML) AWS Marketplace tiene cientos de algoritmos y paquetes de modelos que pueden ser implementados rápidamente en Amazon SageMaker. Esta sesión brinda una introducción a AWS Marketplace y cómo puede ayudar a acelerar sus proyectos de ML mediante modelos y algoritmos de terceros.

Orador: Kanchan Waikar, arquitecto superior de soluciones para socios, AWS

Amazon SageMaker es un servicio modular completamente administrado que permite que los desarrolladores y los científicos de datos puedan crear y escalar las soluciones de aprendizaje automático (ML). Con él, puede implementar soluciones de ML directamente en un entorno alojado listo para la fase de producción. Aprenda sobre Amazon SageMaker Studio, un entorno de desarrollo integrado (IDE) que permite crear, entrenar, depurar, implementar y monitorear los modelos de ML. Este servicio proporciona las herramientas que necesita para acelerar el proceso y hacer que sus modelos pasen de la experimentación a la producción y así mejorar la productividad. En una interfaz visual unificada, puede escribir y ejecutar código en notebooks Jupyter y monitorear el rendimiento de sus predicciones, así como también, rastrear y depurar experimentos de ML.

Orador: Kapil Pendse, arquitecto superior de soluciones, AWS

Amazon SageMaker es un servicio de aprendizaje automático (ML) completamente administrado que utilizan los científicos de datos y los desarrolladores para crear modelos predictivos y analíticos con sus datos. Los conjuntos de datos que se utilizan para la investigación pueden contener información confidencial, como registros médicos o propiedad intelectual, que deben protegerse. En esta sesión, lo guiaremos a través de los pasos necesarios para garantizar la seguridad y la conformidad cuando utiliza Amazon SageMaker, incluido el uso de cifrado de datos, la administración de identidad y acceso, registro y monitoreo, validación de cumplimiento y seguridad de la infraestructura.

Orador: Michael Stringer, arquitecto superior de soluciones, AWS

Hasta hace poco, los científicos de datos invertían mucho tiempo en realizar tareas operativas, tales como, asegurarse que los marcos, los tiempos de ejecución y los controladores para las CPU y las GPU funcionaran bien juntos. Además, necesitaban diseñar y crear canalizaciones de aprendizaje automático a fin de administrar flujos de trabajo complejos para implementar modelos de ML en la fase de producción. En esta sesión, analizaremos en profundidad a Amazon SageMaker y las tecnologías de contenedores, y hablaremos sobre lo fácil que resulta integrar tareas, tales como modelos de entrenamiento e implementación de modelos en canalizaciones de ML basadas en Kubernetes y Kubeflow. Además, mostraremos cómo los nuevos operadores de Amazon SageMaker para Kubernetes facilitan el uso de Kubernetes para entrenar, ajustar e implementar modelos de ML en Amazon SageMaker.

Orador: Arun Balaji, arquitecto de soluciones de socios, AISPL

La personalización de la experiencia del usuario ha demostrado aumentar el descubrimiento, el compromiso, la satisfacción y la ganancia del usuario. Sin embargo, para muchos clientes de AWS es difícil lograr la personalización de forma correcta. Los sistemas recomendados efectivos requieren que se solucionen múltiples problemas difíciles, tales como cambiar el comportamiento del usuario, incluir nuevos productos al catálogo (arranque en frio), entre otros. En esta sesión, analizaremos algunos de los métodos más comunes de personalización y recomendación. Además, el equipo de Amazon Prime Video compartirá la evolución de su sistema de recomendación y los desafíos del mundo real con los que se han encontrado cuando creaban sistemas de recomendación a escala.

Orador: Liam Morrison, arquitecto principal especialista en soluciones, AWS 

Los científicos de datos y los ingenieros en aprendizaje automático (ML) utilizan distintas herramientas para ejecutar tareas cotidianas de manera sencilla. Pero a medida que los modelos se vuelven más complejos y el tamaño de los conjuntos de datos aumenta, el tiempo de entrenamiento y la latencia de predicción comienzan a presentar mayores dificultades. En esta sesión, mostraremos cómo escalar las cargas de trabajo de ML con los servicios de AWS, incluidos los contenedores y AMI de AWS Deep Learning, Amazon ECS, Amazon EKS y AWS Fargate. También discutiremos las ventajas relativas de estos servicios y haremos algunas demostraciones interesantes.

Orador: Praveen Jayakumar, arquitecto de soluciones, AISPL

El aprendizaje automático (ML) incluye más que los modelos de entrenamiento. Los desarrolladores necesitan depurar tales modelos de aprendizaje profundo así como monitorear el rendimiento de la producción para cumplir sus objetivos de negocio. Sin embargo, los modelos pueden volverse obsoletos a medida que cambia la naturaleza de los datos y causar cambios en el modelo en la fase de producción que generen resultados irrelevantes. Este tipo de degradación de los modelos tiende a pasar inadvertida. En esta sesión, analizaremos cómo ayudar a reducir drásticamente el tiempo de resolución de problemas en la creación y el entrenamiento de modelos de ML de alta calidad, y cómo identificar y detectar cambios en los modelos de ML después de su implementación.

Orador: Aparna Elangovan, ingeniero de prototipos, IA/ML, AWS

Si considera que el aprendizaje automático (ML) conlleva mucho trabajo práctico de prueba y error, está en lo cierto. La creación de modelos de ML, tradicionalmente, ha requerido una elección binaria: tener un profundo conocimiento interno, que no es común, o utilizar un enfoque automático que le da poca visibilidad en torno a cómo fue creado el modelo. En esta sesión, descubriremos cómo puede comunicarse de forma sencilla con un API y completar el trabajo, y aprenderemos cómo Amazon SageMaker Autopilot le permitirá crear modelos de ML automáticamente sin hacer concesiones.

Orador: Tapan Hoskeri, arquitecto de soluciones, AISPL

Poner las soluciones de ML en producción requiere conocer qué, dónde y cómo implementar modelos de ML. Se necesita conocer cuál es el modelo (los requerimientos de recursos en la fase de producción) y cuál es el contexto del negocio (trabajo de producción de entrada, la producción de los consumidores, el lote en comparación con el tiempo real de inferencia, etc.), dónde se implementará (en la nube o en el borde, según la rentabilidad, el cumplimiento de los SLA comerciales, etc.) y cómo implementar (de acuerdo con la facilidad de implementación, el escalado, las pruebas A/B, etc.). Cuando trabaja en retrospectiva desde las consultas del cliente, AWS ofrece el más amplio y completo rango de opciones de implementación de ML. Esta sesión incluye esas opciones y cómo responden a las preguntas antes mencionadas desde la perspectiva de las prácticas recomendadas.

Orador: Sujoy Roy, científico de datos superior, AWS

Las AMI de AWS Deep Learning brindan a los profesionales e investigadores la infraestructura y las herramientas necesarias para acelerar el aprendizaje profundo en la nube a cualquier escala. Tanto si se utilizan las instancias de GPU o CPU de Amazon EC2, con AMI de AWS Deep Learning, los usuarios solo pagan los recursos de AWS que necesiten para almacenar y ejecutar sus aplicaciones. En esta sesión, aprenda cómo lanzar rápidamente instancias de Amazon EC2 previamente instaladas con marcos e interfaces populares de aprendizaje profundo (tales como TensorFlow, PyTorch y Apache MXNet, Chainer, Gluon, Horovod y Keras) para entrenar modelos de IA sofisticados y personalizados; experimentar con nuevos algoritmos; o aprender nuevas habilidades y técnicas. Ya sea que necesite instancias de GPU o CPU de Amazon EC2, no hay ningún cargo adicional por las AMI de aprendizaje profundo. Solo paga por los recursos que necesite para almacenar y ejecutar sus aplicaciones.

Orador: Pedro Páez, arquitecto especialista en soluciones, AWS

A nivel mundial, cada año se pierden decenas de miles de millones de dólares por fraudes en línea. Las empresas que realizan negocios en línea son particularmente propensas a ataques por parte de agentes malintencionados, quienes a menudo explotan tácticas tales como crear cuentas falsas y realizar pagos con tarjetas de crédito robadas. Por lo general, las empresas usan aplicaciones de detección de fraudes para identificar estafadores y detenerlos antes de que ocasionen costosas interrupciones en los negocios. En esta sesión se detalla cómo implementar una solución de detección de fraude personalizada para las actividades en línea, mediante el aprendizaje automático para identificar e implementar de manera proactiva cambios en la protección de su empresa y sus clientes.

Orador: Eric Green, arquitecto especialista en soluciones de inteligencia artificial, AWS

La implementación de modelos personalizados de aprendizaje automático (ML) para resolver desafíos comerciales complejos no tiene por qué ser complicada. La tecnología de ML perfeccionada a través de años de uso en Amazon.com, Amazon Forecast y Amazon Personalize permite a los desarrolladores sin experiencia previa en ML crear en sus aplicaciones pronósticos precisos y capacidades de personalización con facilidad. En esta sesión, mostramos cómo estos dos servicios, mediante el uso de un nuevo proceso de automatización, AutoML, crean recomendaciones individualizadas para los clientes y ofrecen pronósticos muy precisos. Ambos servicios funcionan con una infraestructura totalmente administrada y proporcionan recetas fáciles de usar que ofrecen modelos de alta calidad, incluso si tiene poca experiencia en ML.

Orador: Anand Iyer, arquitecto de soluciones empresariales, AISPL

¿Cómo puede obtener el resultado más preciso y específico de una consulta de búsqueda cuando la respuesta está oculta en varios sistemas de información de la empresa? En esta sesión, mostramos cómo utilizar Amazon Kendra, una solución de búsqueda empresarial que proporciona respuestas sencillas a consultas de búsqueda específicas, como por ejemplo: “¿Cuánto es la ganancia en efectivo en la tarjeta de crédito de la empresa?”. Aprenda cómo Amazon Kendra puede mejorar el intercambio de conocimientos entre equipos, aumentar las ventas y mejorar sus servicios de atención al cliente. Además, descubra cómo este nuevo servicio les facilita a los clientes encontrar la información que necesitan.

Orador: Will Badr, arquitecto superior de soluciones de IA/ML, AWS

Amazon ofrece procesamiento de lenguaje natural, reconocimiento de voz, capacidades de texto a voz y traducción automática al alcance de todos los desarrolladores. Los servicios de aplicación basados en la API permiten a los científicos y desarrolladores de datos agregar con facilidad una funcionalidad de inteligencia artificial preconstruida en sus aplicaciones y automatizar los flujos de trabajo. En esta sesión, aprenda cómo crear la próxima generación de aplicaciones inteligentes que escuchen, hablen y entiendan el mundo que nos rodea.

Orador: Sara van de Moosdijk, arquitecta de soluciones de socios, AWS

Hoy en día, la mayoría de los análisis de los centros de contacto se basan en la actividad del conmutador telefónico o en notas de llamadas de relaciones con los clientes (CRM) que se graban por el agente del centro de contacto. Sin embargo, estos análisis suelen carecer de información sobre las conversaciones reales entre agentes y clientes. En esta sesión, explicamos cómo Amazon Connect analiza los matices de las conversaciones del centro de contacto, incluidas aquellas en diferentes idiomas y con vocabularios personalizados. Descubra cómo Contact Lens para Amazon Connect permite a los supervisores del servicio de atención al cliente realizar búsquedas rápidas de texto completo en las transcripciones de las llamadas y los chats para solucionar rápidamente los problemas de los clientes. Aprenda cómo este servicio utiliza análisis específicos de llamadas y chats, incluido análisis de sensibilidad y detección de silencio, para mejorar el rendimiento de los agentes.

Orador: Sumit Patel, arquitecto de soluciones empresariales, AWS

En esta sesión, presentamos los fundamentos del aprendizaje de refuerzo y mostramos cómo aplicarlos para entrenar sus propios modelos de vehículos autónomos. También aprenderá a probarlos en un escenario virtual de carreras de autos operado por AWS DeepRacer. Aprenda sobre el formato de contrarreloj de un solo auto y los desafíos de las carreras de dos autos en el simulador de carreras 3D de AWS DeepRacer. Al final de esta sesión, podrá participar en la AWS DeepRacer League, donde podrá competir por premios y conocer a otros entusiastas del aprendizaje automático.

Orador: Gabe Hollombe, promotor superior de desarrolladores, AWS

Puede ser difícil detectar ciertos tipos de problemas de código e identificar las líneas de código más costosas sin conocimientos de ingeniería de rendimiento, incluso para los ingenieros más experimentados. CodeGuru es un nuevo servicio de aprendizaje automático que permite descubrir rápidamente los problemas de código y mejorar el rendimiento de las aplicaciones. Descubra cómo funciona CodeGuru en esta sesión. Le mostramos cómo revisa el código Java en sus repositorios de código fuente de GitHub y AWS CodeCommit, perfila sus aplicaciones y busca optimizaciones, incluso en producción. Finalmente, aprenda cómo CodeGuru proporciona recomendaciones inteligentes para que pueda tomar medidas inmediatas para arreglar problemas de código o mejorar las ineficiencias.

Orador: Atanu Roy, arquitecto principal de soluciones, AISPL

Las empresas utilizan la visión computarizada para comprender el contenido y el contexto de sus imágenes y videos a escala. Esta sesión ofrece una visión general de las etiquetas personalizadas de Amazon Rekognition, una nueva característica de Amazon Rekognition que permite a los clientes crear sus propias capacidades de análisis de imágenes basadas en aprendizaje automático para detectar objetos y escenas únicos que son relevantes para sus necesidades comerciales. Únase a esta sesión para aprender a usar las etiquetas personalizadas de Amazon Rekognition para las necesidades de su empresa.

Orador: Imran Kashif, arquitecto superior de soluciones, AWS

En esta sesión, aprenda a utilizar la inteligencia artificial generativa para crear música con AWS DeepComposer. Pruebe sus habilidades con el primer teclado musical habilitado para aprendizaje automático del mundo y grabe una melodía. Luego, aprenda a enviarla a la nube para generar un complemento. Demostramos cómo importar los archivos MIDI a una estación de trabajo de audio digital para crear el arreglo final.

Orador: Julian Bright, arquitecto especialista en soluciones de IA, AWS