SageMaker proporciona herramientas de machine learning completamente administradas que automatizan los flujos de trabajo, desde la preparación de datos hasta la implementación y la supervisión de modelos. Esto elimina la necesidad de administrar una infraestructura de machine learning compleja. Lambda le permite poner en marcha código sin aprovisionar ni administrar servidores, lo que reduce aún más la carga operativa. Además, Amazon DynamoDB facilita el almacenamiento y la recuperación de datos de baja latencia y minimiza las tareas administrativas. Por último, AWS Step Functions simplifica la organización de flujos de trabajo complejos y proporciona capacidades integradas de gestión de errores, lo que mejora la confiabilidad y reduce la necesidad de intervención manual.

AWS Identity and Access Management (IAM) le permite implementar el principio de privilegios mínimos, que otorga a los usuarios y servicios autorizados solo los permisos mínimos necesarios para realizar las tareas previstas, lo que reduce el riesgo de acceso no autorizado o uso indebido accidental. Amazon Virtual Private Cloud (Amazon VPC) proporciona un entorno lógicamente aislado para los componentes que componen esta guía, lo que le permite usar grupos de seguridad y listas de control de acceso a la red para controlar el tráfico entrante y saliente. Además, como servicio sin servidor, Lambda mejora la seguridad, pues minimiza la posible superficie expuesta a ataques. Puesto que no es necesario administrar ni proteger los servidores subyacentes, se reduce el riesgo de que se produzcan vulnerabilidades debido a configuraciones incorrectas de los servidores o versiones de software desactualizadas.

Lambda escala automáticamente los recursos de computación en función del tráfico entrante, de modo que su aplicación pueda gestionar las fluctuaciones de la demanda sin intervención manual, lo que minimiza el tiempo de inactividad. DynamoDB proporciona replicación integrada en varias zonas de disponibilidad, lo que proporciona redundancia y minimiza el riesgo de pérdida de datos debido a errores en la infraestructura. Por último, Step Functions le permite crear flujos de trabajo sin servidor resistentes y tolerantes a errores. Sus características integradas, como los reintentos automáticos y la gestión de errores, permiten que las tareas se recuperen de errores transitorios.

Lambda permite que su aplicación escale sin problemas y gestione las fluctuaciones del tráfico sin comprometer el rendimiento. DynamoDB admite el acceso a datos de alto rendimiento y baja latencia, lo que permite que su proceso de detección de fraudes funcione en tiempo real sin obstáculos en el rendimiento. Además, SageMaker automatiza y acelera el ciclo de vida del desarrollo de modelos de aprendizaje automático, lo que le permite iterar y ajustar los modelos de forma rápida y eficiente. Esto mejora la precisión del modelo y el rendimiento general de la solución.

Lea el documento técnico sobre eficiencia del rendimiento

Lambda usa un modelo de computación sin servidor que se escala para adaptarse a la demanda y solo paga por el tiempo de procesamiento que consume. Esto le permite evitar los costos asociados con el sobreaprovisionamiento o la infrautilización de los servidores. DynamoDB elimina la necesidad de administradores de bases de datos dedicados y los costos asociados, y se escala automáticamente para adaptarse a las fluctuaciones del tráfico sin intervención manual. Además, SageMaker proporciona un entorno de aprendizaje automático totalmente administrado, lo que reduce los costos asociados con la adquisición y el mantenimiento del hardware y el software para el desarrollo, la capacitación y la implementación de modelos.

Lea el documento técnico sobre optimización de costos

Lambda permite que su aplicación se amplíe o reduzca automáticamente según la demanda, lo que minimiza el consumo de energía cuando la aplicación no está en uso. SageMaker proporciona un entorno de aprendizaje automático gestionado que reduce el consumo de energía y recursos necesario para configurar y mantener una infraestructura de aprendizaje automático dedicada. Por último, DynamoDB escala automáticamente los recursos en función de los patrones de tráfico, lo que optimiza el uso de los recursos y minimiza el impacto ambiental del sobreaprovisionamiento o la infrautilización de los recursos de la base de datos.

Lea el documento técnico sobre sostenibilidad