Créer un compte gratuit

Les services d'IA d'Amazon mettent à la portée de chaque développeur des technologies de compréhension du langage naturel (NLU), de reconnaissance vocale automatique (ASR), de reconnaissance d'image et de recherche visuelle, de synthèse vocale (TTS) et d'apprentissage automatique (ML). Basés sur les mêmes produits et services éprouvés et hautement évolutifs créés par les milliers experts en apprentissage profond et en apprentissage automatique d'Amazon, les services d'IA Amazon offrent des capacités d'IA efficaces, précises, évolutives et économiques.

De plus, l'AMI Deep Learning d'AWS permet aux développeurs et aux chercheurs en IA de commencer à utiliser rapidement et facilement un des grands frameworks d'apprentissage profond pour former des modèles d'IA sur mesure sophistiqués, pour expérimenter avec de nouveaux algorithmes et pour apprendre de nouvelles compétences et techniques d'apprentissage profond sur l'immense infrastructure de calcul d'AWS.


Date Sujet des discussions techniques
10 avril
Use Amazon Polly to Create Apps that Talk
17 avril An Overview of AI on the AWS Platform

Stratégie de produits Amazon pour l'IA

Notre approche de l'IA est divisée en trois grandes couches développées à partir de l'infrastructure AWS :

Services d'IA : au niveau le plus élevé, pour les développeurs qui souhaitent accéder aux technologies d'intelligence artificielle sans avoir à former ou développer leurs propres modèles d'apprentissage automatique, AWS propose une gamme de services d'IA gérés préformés, pré-ajustés et hautement évolutifs dont la prise en main ne nécessite pas de connaissances préalables en intelligence artificielle ou en apprentissage profond. Amazon Rekognition pour l'analyse faciale et des images, Amazon Polly pour la synthèse vocale et Amazon Lex pour développer des agents conversationnels dotés de capacités de reconnaissance vocale automatique et de compréhension du langage naturel (NLU).

Plates-formes d'IA : pour les clients aux données existantes et désirant se concentrer sur la création de modèles d'inférence personnalisés, nous proposons un ensemble de plates-formes d'IA qui éliminent les tâches lourdes associées au déploiement et à la gestion de l'apprentissage d'IA et de l'hébergement de modèles. Le service Amazon Machine Learning vous permet de développer des modèles d'apprentissage automatique personnalisés avec vos propres données, sans posséder de compétences ou d'expertise dans le domaine de l'apprentissage automatique profond. De plus, Apache Spark sur Amazon EMR comprend la bibliothèque MLlib pour offrir un large éventail d'algorithmes évolutifs d'apprentissage automatique.

Frameworks d'IA : enfin, nous soutenons tous les grands frameworks d'IA pour les chercheurs et les scientifiques des données désirant créer des systèmes d'IA sophistiqués et avancés. Des frameworks comme Apache MXNet, TensorFlow, Caffe, Theano, Torch, Keras et CNTK offrent des modèles de programmation flexibles pour la formation de modèles personnalisés à grande échelle. L'AMI Deep Learning d'AWS est disponible pour Amazon Linux et Ubuntu et propose tous ces frameworks, préinstallés et préconfigurés, sur une Amazon Machine Image pratique à utiliser, afin de pouvoir démarrer rapidement et facilement.

Infrastructure d'IA : les frameworks d'apprentissage profond comme Apache MXNet utilisent des réseaux neuronaux qui impliquent de multiplier un grand nombre de matrices. Les instances P2 Amazon EC2 sont équipées de puissants GPU NVIDIA pour accélérer considérablement ces calculs, afin de vous permettre de former vos modèles en une fraction du temps requis avec des CPU traditionnels. Après l'apprentissage, les instances C4 optimisées en calcul et M4 à usage général Amazon EC2 sont idéales pour exécuter des inférences sur le modèle formé. En outre, AWS Lambda vous permet de simplifier vos opérations avec des prédictions d'apprentissage automatique sans serveur, tandis qu'AWS Greengrass exécute des applications IoT avec IA de façon transparente au niveau du cloud AWS et des appareils locaux.

Haut de la page »


Les services d'IA permettent aux développeurs de créer facilement des applications capables de transformer du texte en un enregistrement audio réaliste, de tenir des conversations à l'oral ou à l'écrit et d'analyser des images pour identifier des visages, des objets et des scènes.

Amazon Lex

Amazon Lex utilise la même technologie qu'Amazon Alexa pour offrir des fonctions avancées d'apprentissage profond pour la reconnaissance vocale automatique (ASR) et la compréhension du langage naturel (NLU), afin de vous permettre de créer des applications dotées d'interfaces de conversation communément appelées agents conversationnels.

En savoir plus »

Amazon Polly

Amazon Polly est un service qui convertit le texte en un enregistrement audio réaliste. Polly permet de créer des applications capables de s'exprimer dans des dizaines de langues, avec une grande variété de voix masculines et féminines réalistes pour arriver à de nouvelles catégories de produits à interface vocale.

En savoir plus »

Amazon Rekognition

Basé sur la technologie utilisée par Amazon Premium Photos pour analyser plusieurs milliards d'images par jour, Amazon Rekognition est un service qui facilite l'intégration d'une fonction d'analyse d'image à vos applications. Avec Rekognition, vous pouvez détecter des objets, des scènes et des visages dans des images et faire des recherches et des comparaisons faciales entre plusieurs images.

En savoir plus »


Pour les développeurs disposant de données existantes et souhaitant créer des modèles personnalisés, les plates-formes d'IA permettent d'éliminer les coûts associés au déploiement et à la gestion de l'apprentissage d'IA et de l'hébergement de modèles.

Amazon Machine Learning

Amazon Machine Learning fournit des outils et assistants de visualisation qui vous guident à travers le processus de création de modèles d'apprentissage automatique, sans avoir besoin d'en maîtriser les algorithmes et technologies complexes.

En savoir plus »

ha_ed_emr-new-2

Apache Spark sur Amazon EMR comprend la bibliothèque MLlib pour déployer un large éventail d'algorithmes évolutifs d'apprentissage automatique. Vous pouvez également utiliser vos propres bibliothèques. Spark garde des ensembles de données en mémoire pour améliorer les performances des applications d'apprentissage automatique.

En savoir plus »


L'AMI Deep Learning d'AWS (disponible pour Amazon Linux et Ubuntu) et le modèle Deep Learning CloudFormation d'AWS vous permettent de déployer et d'exécuter rapidement un des principaux frameworks d'apprentissage profond à n'importe quelle échelle. L'AMI Deep Learning d'AWS vous permet de créer des clusters gérés et à dimensionnement automatique de GPU pour l'apprentissage à grande échelle et d'exécuter des opérations d'inférence sur des modèles formés. Apache MXNet, TensorFlow, Caffe2 (et Caffe), Theano, Torch, CNTK et Keras sont préinstallés. L'AMI Deep Learning d'AWS est fournie et prise en charge par Amazon Web Services pour une utilisation sur Amazon EC2. Il n'y a pas de frais supplémentaires pour l'AMI Deep Learning d'AWS : vous payez seulement les ressources AWS nécessaires pour stocker et exécuter vos applications.

Apache MXNet est le framework d'apprentissage profond de choix pour Amazon. C'est la plate-forme utilisée par nos services d'IA et par de nombreux projets d'IA sur Amazon.com. Cette bibliothèque open source flexible, efficace, portable et évolutive pour l'apprentissage profond soutient les modèles impératifs et déclaratifs dans un vaste éventail de langages de programmation et de cas d'utilisation.

Programmabilité
Apache MXNet comprend une implémentation unique des systèmes backend et des opérateurs communs et prend en charge de nombreux langages frontend, notamment Python, C++, Scala et R. Grâce à l'architecture d'Apache MXNet, les performances sont homogènes, quel que soit le langage frontend utilisé.

Portabilité
Des optimisations uniques de la mémoire permettent d'utiliser Apache MXNet dans une large gamme de cas d'utilisation. Après avoir exploité le cloud pour former votre modèle, ce dernier peut être déployé sur les appareils connectés en périphérie, les téléphones portables, les navigateurs et les drones professionnels et grand public ou rester dans le cloud.

Performances
Apache MXNet prend intrinsèquement en charge la planification automatique des portions du code source pouvant être mises en parallèle dans un environnement distribué. Associées aux instances P2 Amazon EC2, les applications Apache MXNet peuvent être mises à l'échelle sur des GPU avec 91 % d'efficacité et sur des nœuds de cluster avec 88 % d'efficacité. 

Apache MXNet

TensorFlow est une bibliothèque de logiciel open source pour les calculs numériques à partir de graphes de flux de données avec état.

Caffe2 est un framework d'apprentissage profond léger, modulable et évolutif conçu pour aider les chercheurs à former de grands modèles d'apprentissage profond et incorporer des IA aux appareils mobiles.

Keras est une bibliothèque de réseau neuronal de haut niveau écrite en Python et capable d'être exécutée par-dessus TensorFlow ou Theano. Elle a été développée dans le but de favoriser les expérimentations rapides. 

Microsoft Cognitive Toolkit est une boîte à outils unifiée et dédiée à l'apprentissage profond. Créée par la division Microsoft Research, elle décrit les réseaux neuronaux comme une série d'étapes de calcul par le biais d'un graphe orienté.

Torch est un framework de calcul scientifique qui privilégie les GPU et prend en charge de nombreux algorithmes d'apprentissage automatique. Il est efficace et facile à utiliser, grâce à LuaJIT, un langage de script simple et rapide, et à une implémentation sous-jacente de C/CUDA. 

Theano est une bibliothèque Python qui permet de définir, d'optimiser et d'évaluer efficacement des expressions mathématiques impliquant des tableaux multidimensionnels. 


Amazon Machine Image est un excellent moyen pour commencer à utiliser rapidement les technologies d'apprentissage approfondi sur AWS. Les AMI AWS Deep Learning disposent de frameworks d'apprentissage profond populaires préinstallés (Apache MXNet, TensorFlow, Theano, Torch, CNTK et Caffe), d'accélération GPU via des pilotes CUDA préconfigurés, et prennent en charge des outils tels qu'Anaconda et Jupyter.

Pour en savoir plus, consultez le site consacré à l'AMI Deep Learning d'AWS

Modèle CloudFormation
AMI

AWS CloudFormation propose des templates afin de faire évoluer facilement plusieurs instances EC2 pour les lourdes tâches informatiques, telles que la formation de réseaux neuronaux profonds. Les développeurs peuvent utiliser le template Deep Learning CloudFormation fourni afin d'accélérer un cluster extensible et mis à l'échelle d'instances P2 ou G2 à l'aide de l'AMI Deep Learning pour répondre à leurs besoins accrus en formation.

Consultez le blog AWS EC2 Compute Blog pour en savoir plus sur l'utilisation de CloudFormation pour l'apprentissage profond.