Identifiant de session : FPA01
Langue : anglais
Niveau : 300
Durée: 30 min
Intervenant : Matheus Guimaraes, responsable senior de la promotion des développeurs, Royaume-Uni et Irlande, AWS

La modélisation de vos données dans la base de données DynamoDB nécessite une approche différente de la modélisation dans les bases de données relationnelles. Découvrez les étapes clés, les principes et les meilleures pratiques que vous pouvez appliquer lorsque vous travaillez avec DynamoDB.

Identifiant de session : FPA02
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Yohan Wadia, architecte de solutions du secteur public senior, AWS

Grâce à une architecture innovante qui dissocie le calcul du stockage et qui propose des fonctionnalités avancées telles que Global Database et des répliques de lecture à faible latence, Amazon Aurora réimagine ce que signifie être une base de données relationnelle. Le résultat est un service de base de données moderne qui offre performance et haute disponibilité à grande échelle, des éditions entièrement open source compatibles avec MySQL et PostgreSQL, ainsi qu'une gamme d'outils pour développeur permettant de créer des applications sans serveur et axées sur le machine learning. Au cours de cette session, découvrez certaines des fonctionnalités les plus intéressantes proposées par Aurora, notamment Aurora Serverless v2 et Global Database. Découvrez également les innovations récentes qui améliorent les performances, la capacité de mise à l’échelle et la sécurité, tout en réduisant les défis opérationnels.

Identifiant de session : FPA03
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Om Prakash Jha, architecte de solutions principal, AWS

Amazon ElastiCache est un service de mise en cache entièrement géré qui fournit des performances en temps réel pour les applications modernes à l'échelle d'Internet. Nous allons partager l'innovation qui permet désormais d'améliorer de 100 % les performances d'ElastiCache et la manière dont l'utilisation d'ElastiCache peut réduire votre coût total de possession.

Identifiant de session : FPA04
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenante : Mirabela Dan, architecte de solutions, AWS

La modernisation de vos applications ne se limite pas à leur migration vers le cloud. Il ne s'agit que de la première étape. En déplaçant vos applications vers le cloud, vous accédez aux dernières technologies de base de données, ce qui vous permet de moderniser vos applications afin de mieux servir vos clients, vos parties prenantes. Au cours de cette session, découvrez comment utiliser les bases de données relationnelles open source et les nouvelles technologies telles que les valeurs clés, les documents et les graphes pour améliorer les performances de vos applications.

Identifiant de session : FPA05
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Nikhil Anand, architecte de solutions, AWS

Ne vous contentez pas de déplacer vos bases de données vers le cloud. Au lieu de cela, migrez ou optimisez vos charges de travail de base de données sur le Cloud AWS avec des bases de données sur mesure. Pour de nombreuses applications modernes, telles que le commerce électronique, les systèmes de gestion de contenu et la gestion des profils, le modèle de données relationnel traditionnel peut devenir encombrant et rigide. Tirez parti d'Amazon DocumentDB, une base de données documents JSON native entièrement gérée. Le modèle de données des documents JSON offre la souplesse, les performances accrues et l'agilité nécessaires pour répondre aux exigences de ces cas d'utilisation. Dans cette session, découvrez comment la modélisation des données pour Amazon DocumentDB (compatible avec MongoDB) diffère de la modélisation des données pour les bases de données relationnelles. Découvrez également comment utiliser les concepts de conception de schémas et de modélisation de données d'Amazon DocumentDB pour créer des applications flexibles et évolutives.

Identifiant de session : ANA01
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenants : Pragnesh Shah, architecte de solutions, AWS et Victory Uchenna, architecte de solutions, AWS

Les services d'analyse AWS permettent aux utilisateurs de données, tels que les data scientists, les analystes et les utilisateurs professionnels possédant une expertise technique diversifiée, au sein d'une entreprise d'accéder rapidement à leurs données, de les analyser et d'en tirer des informations. Au cours de cette session, découvrez comment AWS peut démocratiser l'analytique au sein de votre entreprise en simplifiant l'utilisation et en offrant un meilleur rapport qualité-prix. Découvrez comment AWS sans serveur simplifie la préparation des données et permet aux analystes et aux data scientists de tous niveaux d'utiliser plus facilement le machine learning.

Identifiant de session : ANA-02
Langue : anglais
Niveau : 300
Durée: 30 min
Intervenant :Roy Yung, architecte de solutions spécialisées QuickSight, AWS

Au cours de cette session, découvrez comment utiliser la solution de Business Intelligence sans serveur AWS pour fournir à vos utilisateurs des tableaux de bord interactifs basés sur le machine learning et compatibles avec les requêtes en langage naturel (NLQ). Et apprenez à créer par programmation un tableau de bord analytique à partir de zéro.

Identifiant de session : ANA03
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant :Wojtek Gawroński, Senior Developer Advocate (CEE), AWS

De nombreuses organisations qui essaient de créer des architectures d'analyse de streaming à partir de leurs sources de données en temps réel ont souvent du mal à trouver les modèles architecturaux éprouvés mis en œuvre par les clients.  Lors de la création d'une architecture de données moderne, il est parfois nécessaire que les données circulent avec une faible latence entre les composants afin de favoriser des décisions en temps réel.  Cette session aide les architectes cloud, les scientifiques des données et les développeurs à concevoir et à créer des architectures modernes de flux de données qui peuvent rapidement générer des informations en tirant parti des services de flux AWS tels que Amazon Kinesis Data Streams, Amazon Kinesis Firehose, Amazon Kinesis Data Analytics et Amazon Managed Service for Apache Kafka (Amazon MSK). Nous parlerons également des meilleures pratiques lors de la création d'une architecture moderne de streaming de données à faible latence sur AWS.

Identifiant de session : ANA04
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant :Gregory Knowles, architecte de solutions spécialisé dans les analyses, AWS

Pour relever les défis que représente l'exploitation de vastes quantités de données, votre entrepôt des données doit être évolutif, facile à configurer et à exploiter sur le plan analytique. Il doit également être compétent en matière de machine learning et capable d’analyser toutes vos données.

Découvrez comment Amazon Redshift, un pionnier de l'entreposage de données en nuage, élargit la façon dont l'entreposage de données en nuage peut fournir des informations et permettre la prise de décision basée sur les données pour les clients de divers secteurs.

Identifiant de session : ANA05
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Suman Debnath, Principal Developer Advocate, AWS

La première étape d'un projet d'analyse ou de machine learning consiste à découvrir et à préparer vos données pour obtenir des résultats de qualité. AWS Glue est un service évolutif d'intégration des données sans serveur qui vous permet de découvrir, de préparer, de déplacer et d'intégrer des données depuis des sources multiples.  Au cours de cette session, découvrez les toutes dernières innovations d'AWS Glue et écoutez comment un client AWS utilise AWS Glue pour permettre la préparation de données en libre-service au sein de son organisation.

Identifiant de session : MLT01
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Adam Temple, architecte de solutions senior, AWS

Pour réussir, le processus de machine learning nécessite des expérimentations continues et un prototypage rapide. Ces processus sont généralement longs et coûteux. Amazon SageMaker propose des options sans code et à faible code pour chaque étape du cycle de vie du machine learning afin que vous puissiez créer, former et déployer des modèles de haute qualité plus rapidement. Au cours de cette session, découvrez comment les outils à faible code, notamment Amazon SageMaker Canvas, Amazon SageMaker Data Wrangler, Amazon SageMaker Autopilot et Amazon SageMaker JumpStart, vous permettent d'expérimenter plus rapidement et donc de vous concentrer davantage sur l'affinement des prédictions et moins sur le code de bas niveau.

Identifiant de session : MLT02
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Ahmed Raafat, architecte de solutions principal chez AWS

Participez à cette session pour découvrir en détail les deux options d'Amazon SageMaker destinées aux ordinateurs portables Jupyter entièrement gérés, destinés à l'exploration des données et à la création de modèles de machine learning. Découvrez comment utiliser la fonctionnalité intégrée de préparation des données et les blocs-notes collaboratifs SageMaker Studio pour augmenter la productivité à toutes les étapes de votre développement de machine learning. Découvrez également comment démarrer avec les Instances autonomes de bloc-notes SageMaker qui offrent le plus grand choix de ressources informatiques disponibles dans le cloud, notamment des GPU pour le calcul accéléré et les dernières versions de packages ML open source.

Identifiant de session : MLT03
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Stephen Gallagher, architecte de solutions senior, AWS

Les entreprises sont aujourd'hui à la recherche de solutions éprouvées et de conseils en matière d'architecture pour relever rapidement les défis commerciaux. Que les clients préfèrent les déploiements prêts à l'emploi ou les architectures personnalisables, la Bibliothèque de solutions AWS propose des solutions conçues par AWS et les Partenaires AWS pour un large éventail de cas d'utilisation industriels et technologiques. Il s'agit de modèles open source gratuits que vous pouvez lancer sur votre compte AWS d’un simple clic.

Identifiant de session : MLT04
Langue : anglais
Niveau : 300
Durée: 30 min
Intervenant : Ayman Salama, architecte de solutions partenaires, AWS

La formation de modèles de machine learning à grande échelle peut apporter de nombreux avantages, tels que des prévisions plus rapides et plus précises, mais elle comporte également ses propres défis. Amazon SageMaker est une plateforme entièrement gérée qui vous aide à surmonter ces défis et à accélérer la formation de vos modèles de machine learning à grande échelle. Au cours de cette session, nous aborderons en profondeur les avantages et les défis du machine learning à grande échelle et la manière dont SageMaker peut vous aider à les surmonter. Nous verrons également comment SageMaker permet la formation distribuée et explorerons une étude de cas dans laquelle nous formons et hébergeons une diffusion stable sur 200 GPU SageMaker. De plus, nous mettrons en lumière AI21 Labs, une entreprise qui a réussi à tirer parti de SageMaker pour former et déployer ses modèles de machine learning à grande échelle. À la fin de cette session, vous aurez acquis une solide compréhension de la manière d'utiliser SageMaker pour former des modèles de machine learning à grande échelle et des avantages que cela peut apporter à votre entreprise.

Identifiant de session : MLT05
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Srivalsan Mannoor Sudhagar, architecte cloud, AWS

Cette session abordera en détail la manière de produire des charges de travail de machine learning à l'aide d'Amazon Sagemaker MLOPS. Nous verrons également en détail les nouvelles fonctionnalités disponibles dans Amazon Sagemaker pour les MLOP et la manière de dimensionner les MLOP en fonction des exigences d'organisation.

Identifiant de session : DAI01
Langue : anglais
Niveau : 300
Durée: 30 min
Intervenante : Aamna Najmi, consultante en AI/ML, services professionnels, AWS

Au cours de cette session, découvrez comment vous pouvez résoudre des problèmes commerciaux courants à l'aide des services AWS AI/ML. Les résultats se répartissent en quatre catégories : améliorer l'expérience client, permettre aux employés et aux organisations de prendre de meilleures décisions plus rapidement, améliorer les opérations commerciales tout en réduisant les coûts et la création de produits et services entièrement nouveaux basés sur l'AI et le machine learning. Au cours de la session, nous approfondirons également trois cas d'utilisation majeurs, à savoir le traitement intelligent des documents, la synthèse de texte et la personnalisation. Nous parlerons également de la manière dont les clients tirent parti de divers services AWS AI/ML tels qu'Amazon Textract, Amazon SageMaker, Amazon Comprehend et Amazon Personalize pour des cas d'utilisation courants, ainsi que de brèves démos pour voir les services en action.

Identifiant de session : DAI02
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenants : Chara Gravani, responsable des solutions, AWS et Emilio Garcia Montano, architecte de solutions, AWS

Les consommateurs s'attendent à des expériences en temps réel et organisées sur les canaux numériques lorsqu'ils étudient, achètent et utilisent des produits et des services. Grâce à l'intégration simple d'Amazon Personalize dans vos applications existantes, vous pouvez créer une personnalisation à haute valeur ajoutée à chaque point de contact. Découvrez comment fournir des recommandations personnalisées et personnaliser chaque point de contact utilisateur avec Amazon Personalize, sans aucune expertise en machine learning. Au cours de cette session, nous allons montrer le fonctionnement d'Amazon Personalize ainsi que les principales fonctionnalités du service. Enfin, nous partagerons une démo montrant comment Amazon Personalize peut être utilisé pour ajouter de la personnalisation à l'expérience d'achat des clients.

Identifiant de session : DAI03
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenante : Mia Chang, solutions spécialisées ML

De nombreuses organisations sont accablées par un pipeline de traitement de documents fragile ou inadéquat. Dans cette session, découvrez comment les organisations peuvent tirer parti des dernières innovations d'AWS en matière d'AI et de machine learning. Grâce à la dernière mise à jour de classification des documents et d'analyse de prêts, les clients apprendront comment améliorer l'efficacité de leur cas d'utilisation du traitement des documents.

Identifiant de session : DAI04
Langue : anglais
Niveau : 300
Durée: 30 min
Intervenants : Sandipan Bhaumik, architecte de solutions spécialisé senior, analyses, AWS et Subham Rakshit, architecte de solutions spécialisé senior, analyses, AWS

La connexion à tous les systèmes de données de votre organisation, à l'échelle et à la vitesse de fonctionnement de l'entreprise, est essentielle à l'innovation. Pour permettre une telle intégration, vous devez créer des pipelines ETL (extraction, transformation, chargement) complexes. Ces pipelines sont utilisés pour extraire des données de diverses sources, les transformer en un format utilisable, puis les charger dans un référentiel central tel qu'un entrepôt de données ou un lac de données. Vous devez consacrer beaucoup de temps et d'argent à la construction de ces pipelines ETL. Pour faire face à la nature dynamique des données et à la vitesse à laquelle votre entreprise doit évoluer, l'intégration des données doit être fluide. Pour vous faciliter la tâche, AWS investit dans un avenir sans ETL, dans lequel vous n'aurez plus jamais à créer manuellement un pipeline ETL. Au cours de cette session, nous allons découvrir comment vous pouvez tirer parti de certaines fonctionnalités des services de données et d'analyse AWS afin de minimiser le temps que les ingénieurs de données consacrent au développement d'ETL. Nous aborderons certaines des fonctionnalités que nous avons annoncées dans re:Invent concernant l'intégration entre des services tels qu'Amazon Aurora, Amazon Redshift, Amazon S3 et les charges de travail Apache Spark dans Amazon EMR et AWS Glue. Si vous êtes architecte de solutions, architecte de données, ingénieur de données, développeur ou si vous occupez un poste correspondant aux tâches d'intégration de données, cette session est pour vous.

Numéro de session : DAI05
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Navaneeth Ramakrishnan, Senior UKIR SAP Specialist Solutions Architect, AWS

Le cloud est transformateur pour nos clients lorsqu'ils peuvent tirer de nouvelles informations commerciales à partir d'une combinaison de données SAP et non SAP. Les clients de SAP sur AWS peuvent exploiter les capacités d'analyse, d'intelligence artificielle et de machine learning d'AWS pour obtenir des informations en temps quasi réel qui leur permettent d'améliorer les performances de leur entreprise, d'accroître l'efficacité opérationnelle, d'augmenter l'efficacité de la chaîne d'approvisionnement, de générer de nouveaux flux de revenus, de détecter les risques commerciaux et d'y répondre plus rapidement. Regardez une démo expliquant comment transférer des données d'une application SAP vers un lac de données S3 sans serveur à l'aide d'AppFlow, cataloguer à l'aide d'AWS Glue, exécuter des requêtes à l'aide d'AWS Athena et les visualiser sur QuickSight.

ID de session : SGD01
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Ismail Makhlouf, architecte de solutions spécialisé principal, analyse de données, AWS

Exploiter la valeur des données peut profiter à toutes les entreprises et à tous les secteurs d'activité. De nombreuses organisations disposent d'une mine de données, mais ne savent pas par où commencer pour en tirer parti. Au cours de cette session, nous allons découvrir comment AWS permet d'exploiter les principaux cas d'utilisation des données. Nous verrons des exemples concrets de la façon dont les organisations tirent parti des informations basées sur les données pour améliorer la prise de décision, optimiser les processus, réduire les coûts et offrir de meilleures expériences clients.

Identifiant de session : SGD02
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenants : Meena Morrish, Senior Solutions Architect, AWS et Javier Poveda-Panter, Data Scientist, AWS

Venez nous rejoindre pour découvrir comment la Bundesliga a rapproché ses fans enthousiastes de ses joueurs et a mis en place une histoire étonnante derrière chaque événement en utilisant les données et le machine learning AWS.

Identifiant de session : SGD03
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenante : Zamira Jaupaj, Architecte de solutions, AWS

Les organisations de toutes tailles ont reconnu que les données stimulent l'innovation et leur permettent de créer des expériences pour leurs clients. Pour tirer parti de vos données, celles-ci doivent être accessibles aux personnes et aux systèmes qui en ont besoin à des fins d'analyse. Grâce à AWS Analytics, les producteurs de données (ingénieurs et scientifiques des données) peuvent partager des données en toute sécurité avec les consommateurs de données (analystes et utilisateurs professionnels) au sein de l'organisation, tout en respectant les mesures de sécurité et de gouvernance imposées par celle-ci. Au cours de cette session, apprenez comment les organisations peuvent utiliser les services d'analyse AWS pour découvrir, accéder et partager leurs données au-delà des frontières organisationnelles.

Identifiant de session : SGD04
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Ed Gummett (il/lui), architecte de solutions senior, Storage Technologies, AWS

La résilience et la disponibilité sont des priorités pour les entreprises qui choisissent un service de données dans le cloud. Cette session expliquera comment les services de stockage AWS sont conçus avec une résilience intégrée et partagera les meilleures pratiques pour configurer nos services de stockage en fonction de vos propres besoins en matière de résilience et de haute disponibilité. Les services couverts incluent S3, EBS, FSx, EFS et Backup, notamment comment utiliser les zones de disponibilité et les régions AWS, la planification d'urgence et les fonctionnalités de gestion du basculement des charges de travail, le test de votre plan de résilience, la configuration du chiffrement des données et le rôle de la protection des données et de la planification de la restauration.

Identifiant de session : SGD05
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Miguel Angel Huerta, consultant en analyse de données, AWS

La gouvernance vous permet d'atteindre vos objectifs plus rapidement selon certains paramètres définis et gérés par vous-même. Les données et les modèles prédictifs ne font pas exception. En tirer le meilleur parti dans le cadre d'une gouvernance saine vous permettra de prendre des décisions meilleures, plus rapides et plus sûres en fonction de vos données. Au cours de cette session, nous expliquerons de première main pourquoi nous avons besoin d'une approche descendante de la gouvernance des données et du machine learning afin de définir une stratégie à long terme axée sur les données, qui ne soit pas guidée uniquement par la technologie, mais également par les personnes et les processus, dans le cadre d'une approche commune pour réussir la transformation. Deuxièmement, une approche ascendante qui nous permet de mettre efficacement l'accent sur l'architecture sur laquelle la stratégie s'appuiera sous deux angles différents : les modèles de données et de machine learning. Les données fiables sont au cœur des modèles prédictifs mais également des études analytiques. Elles permettent de régir l'ensemble du cycle de vie de vos données, en veillant à ce que ces actifs soient disponibles dans la qualité attendue et, grâce à un cadre sécurisé, à l'analyse de vos données à un niveau supérieur. AWS Lakeformation, en combinaison avec AWS Glue et Amazon S3, permet de créer une plateforme de données moderne capable de gérer ces deux perspectives de gouvernance. Le succès d'un modèle prédictif robuste repose en grande partie sur ces données gouvernées. La prochaine étape de la gouvernance du machine learning consiste à garantir des performances et un fonctionnement optimal des données prédictives tout au long du cycle de vie du modèle. AWS Sagemaker aide à gérer ce processus en couvrant toutes les phases de la science des données de la modélisation : exploration des données, sélection des fonctionnalités, formation des modèles, évaluation des modèles, déploiement des modèles, surveillance des modèles et maintenance des modèles. Participez à cette session pour découvrir comment AWS vous permet de gérer en détail les données de bout en bout et les modèles de machine learning en utilisant tous ces services AWS.

Identifiant de session :SUP01
Langue : anglais
Niveau : 300
Durée: 30 min
Intervenant : Ceren Tahtasiz, architecte de solutions pour start-ups

En tant que start-up, obtenez vos analyses plus rapidement sans vous soucier de la gestion de votre entrepôt de données et en maximisant votre utilisation. Amazon Redshift sans serveur vous permet de démarrer en quelques secondes et d'exécuter des charges de travail d'entreposage de données et d'analyse à grande échelle au fur et à mesure de la croissance de votre entreprise. Au cours de cette session, découvrez comment Amazon Redshift adapte intelligemment les ressources sous-jacentes afin de fournir des performances constamment élevées, des coûts efficaces et des opérations simplifiées, même pour les charges de travail les plus exigeantes.

Identifiant de session : SUP02
Langue : anglais
Niveau : 300
Durée: 30 min
Intervenant : Fernando Gonçalves, architecte de solutions pour les startups, AWS

Les données en streaming peuvent apporter une valeur significative en permettant de prendre des décisions en temps réel, en créant de nouvelles sources de revenus et en améliorant l'expérience client. Dans cet exposé, nous nous concentrerons sur la manière de concevoir une solution de streaming de données entièrement gérée pour votre start-up. Nous expliquerons pourquoi le streaming de données est important, examinerons des cas d'utilisation courants et réaliserons un exercice de conception que vous pourrez reproduire pour créer la solution qui répond le mieux aux besoins de votre start-up.

Identifiant de session : SUP03
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenante : Jamila Jamilova, architecte de solutions, AWS

Data Lake et optimisation des coûts sur AWS. Découvrez comment sécuriser, surveiller et gérer les performances de votre lac de données.

Identifiant de session : SUP04
Langue : anglais
Niveau : 300
Durée: 30 min
Intervenante : Jenny Vega, architecte de solutions pour les startups, AWS

Les modèles deep learning de pointe sont de plus en plus grands à mesure que nous constatons que les modèles plus grands se généralisent mieux. Le temps d'entraînement et la taille du modèle peuvent créer un goulot d'étranglement. Pour accélérer la formation, les développeurs peuvent utiliser le parallélisme des données pour entraîner le modèle sur un cluster d'instances GPU. Pour entraîner des modèles soumis à des contraintes de mémoire, les développeurs peuvent utiliser le parallélisme des modèles pour partitionner les modèles entre plusieurs GPU. Dans cette session, nous aborderons la formation et l'hébergement de grands modèles linguistiques à l'aide du parallélisme sur Amazon SageMaker.

Identifiant de session : SUP05
Langue : anglais
Niveau : 200
Durée: 30 min
Intervenant : Mathieu Desvé, architecte de solutions, AWS

Vous rencontrez des difficultés avec vos bases de données relationnelles ? Bravo, vous avez réussi ! Votre startup prend beaucoup d’ampleur ! Nous devons maintenant examiner votre stratégie en matière de données afin de réduire les coûts, d'améliorer les performances et de pouvoir évoluer davantage. Dans cette session, nous voulons être pratiques et montrer quelle charge de travail peut être migrée vers une base de données sur mesure et comment procéder. Nous allons également entrer dans le monde du Big Data.

Identifiant de session : T&C01
Langue : anglais
Niveau : 200
Durée : 45 minutes (9h35 - 10h20 GMT)
Intervenant : Marco Tamassia, formateur technique senior chez AWS

Au cours de cette session, vous découvrirez les caractéristiques que doit posséder une architecture d'analyse de données moderne sur AWS. À titre d'exemple, l’intervenant vous présentera une démonstration d'une architecture d'analyse de streaming sans serveur pilotée par les événements pour effectuer une analyse du flux de clics. L'architecture sera présentée service par service.

Identifiant de session : T&C02
Langue : anglais
Niveau : 200
Durée : 120 mins (10h25 - 12h25 GMT)
Intervenant : Laura Verghote, architecte des solutions, AWS et Marco Tamassia, formateur technique senior, AWS

Mettez vos compétences cloud à l'épreuve en résolvant des défis qui reproduisent des cas d'utilisation réels d'AWS! Au cours de cette session, nous organiserons un AWS JAM, qui vous donnera l'occasion unique de tester vos connaissances sur AWS et vos capacités de résolution de problèmes dans un environnement de laboratoire libre. Le JAM fonctionne selon une structure « Jouer - Apprendre - Valider » et vous donne la possibilité de résoudre des problèmes réels liés à l'AI/ML et aux données. Gagnez des prix incroyables comme des formations en classe, des bons de certification et des appareils Amazon! Nous vous attendons!

Identifiant de session : FPAQA
Langue : anglais
Durée : 40 min

Identifiant de session : ANAQA
Langue : anglais
Durée : 40 min

Identifiant de session : MLTQA
Langue : anglais
Durée : 40 min

Identifiant de session : DAIQA
Langue : anglais
Durée : 40 min

Identifiant de session : MLTQA
Langue : anglais
Durée : 40 min

Identifiant de session : SUPQA
Langue : anglais
Durée : 40 min

Identifiant de session : T&CQA
Langue : anglais
Durée : 40 min