A inteligência artificial (IA) e o machine learning (ML) têm como objetivo transformar setores, aumentar eficiências e impulsionar a inovação. Os executivos têm um papel importante na aceleração da jornada para o ML, mas embora muitos estejam priorizando essa área, ir da ideia para a implementação pode ser desanimador e impedir que as empresas façam a primeira jogada. Nessa sessão, debatemos os desafios de implementação do ML e explicamos como os clientes da AWS têm obtido êxito na introdução do ML para ajudar a alcançar as metas dos negócios. Compartilhamos como os clientes estão trabalhando com a AWS para alinhar equipes, promover motivação para o ML, fornecer a formação técnica certa aos desenvolvedores e identificar os casos de uso adequados para começar a colocar as ideias em produção.

Palestrante: Joel Minnick, chefe de marketing de produtos de IA, AWS

O machine learning (ML) e a inteligência artificial (IA) estão roubando a atenção nas manchetes e despertando a imaginação de funcionários de grandes organizações e da comunidade de startups. Ainda assim, uma das maiores barreiras à adoção do ML é encontrar e cultivar talentos treinados. Nessa sessão, aprenda como o AWS Training and Certification está criando o programa usado para treinar milhares de desenvolvedores da Amazon e oferecer os recursos para ajudar você a transformar sua visão de ML em realidade.

Palestrante: Elly Juniper, gerente sênior de desenvolvimento técnico comercial, AWS

As empresas investem um tempo significativo desenvolvendo, pesquisando e avaliando algoritmos e modelos para solucionar problemas comerciais usando machine learning (ML). O AWS Marketplace tem centenas de pacotes com algoritmos e modelos que podem ser implantados rapidamente no Amazon SageMaker. Essa sessão apresenta o AWS Marketplace e mostra como ele pode ajudá-lo a acelerar seus projetos de ML usando modelos e algoritmos de terceiros.

Palestrante: Kanchan Waikar, arquiteto sênior de soluções para parceiros, AWS

O Amazon SageMaker é um serviço modular e completamente gerenciado que habilita desenvolvedores e cientistas de dados a criar e dimensionar a escala de soluções de machine learning (ML). Com ele, você pode implantar soluções de ML diretamente em ambientes hospedados prontos para a produção. Venha aprender sobre o Amazon SageMaker Studio, um IDE (Ambiente de desenvolvimento integrado) que permite criar, treinar, depurar, implantar e monitorar modelos de ML. Esse serviço fornece as ferramentas necessárias para acelerar o processo de levar seus modelos da experimentação para a produção e também para impulsionar a produtividade. Em uma interface visual unificada, você pode criar e executar código em notebooks Jupyter, monitorar o desempenho das suas previsões e também rastrear e depurar experimentos de ML.

Palestrante: Kapil Pendse, arquiteto sênior de soluções, AWS

O Amazon SageMaker é um serviço completamente gerenciado de machine learning (ML) que cientistas de dados e desenvolvedores usam para criar modelos preditivos e analíticos com os próprios dados. Os conjuntos de dados usados para a pesquisa podem conter informações sigilosas, como registros médicos ou propriedade intelectual, que precisam de proteção. Nessa sessão, você receberá orientações sobre as etapas necessárias para garantir a segurança e a conformidade enquanto usa o Amazon SageMaker, incluindo o uso de criptografia de dados, gerenciamento de identidade e acesso, monitoramento e registro em log, validação de conformidade e segurança de infraestrutura.

Palestrante: Michael Stringer, arquiteto sênior de soluções, AWS

Até recentemente, os cientistas de dados precisavam investir níveis significativos de tempo executando tarefas operacionais, como garantir que estruturas, tempos de execução e drivers de CPUs e GPUs funcionassem bem de maneira conjunta. Eles também precisavam projetar e criar pipelines de machine learning (ML) para orquestrar fluxos de trabalho complexos para implantar modelos de ML na produção. Nessa sessão, investigaremos a fundo o Amazon SageMaker e as tecnologias de contêiner, e vamos debater como é fácil integrar tarefas como treinamento e implantação de modelos no Kubernetes e em pipelines de ML baseados em Kubernetes. Além disso, mostramos como o novo Amazon SageMaker Operators for Kubernetes torna ainda mais fácil usar o Kubernetes para treinar, ajustar e implantar modelos de ML no Amazon SageMaker.

Palestrante: Arun Balaji, arquiteto de soluções para parceiros, AISP 

Está comprovado que a personalização da experiência do usuário aumenta a capacidade de descoberta, o relacionamento com o usuário, a satisfação e a receita. No entanto, muitos clientes da AWS enfrentam dificuldades para fazer a personalização da maneira correta. Sistemas efetivos de recomendação exigem a solução de vários problemas difíceis, inclusive o comportamento altamente dinâmico do cliente, novos itens de catálogo (inicialização a frio) e mais. Nessa sessão, abordamos alguns dos métodos mais comuns de personalização e recomendação. Além disso, a equipe do Amazon Prime Video compartilha a evolução de seu sistema de recomendações e os desafios do mundo real que enfrentou ao criar sistemas de recomendações em grande escala.

Palestrante: Liam Morrison, arquiteto chefe especialista de soluções, AWS 

Cientistas de dados e engenheiros de machine learning (ML) usam uma variedade de ferramentas que facilitam o início das tarefas cotidianas. Mas conforme os modelos ficam cada vez mais complexos e os conjuntos de dados ficam maiores, o tempo de treinamento e a latência de previsão passam a ser preocupações significativas. Nessa sessão, mostramos como escalar cargas de trabalho de ML usando serviços da AWS, inclusive AMIs e contêineres do AWS Deep Learning, além de Amazon ECS, Amazon EKS e AWS Fargate. Também debatemos sobre as vantagens relativas desses serviços e fazemos algumas demonstrações interessantes.

Palestrante: Praveen Jayakumar, arquiteto de soluções, AISPL

O machine learning (ML) envolve mais do que o simples treinamento de modelos. Os desenvolvedores precisam depurar esses modelos de aprendizagem profunda, bem como monitorar seu desempenho em produção para garantir que eles atendam à finalidade comercial planejada. No entanto, os modelos podem ficar desatualizados conforme a natureza dos dados muda, causando um desvio do modelo e gerando resultados irrelevantes. Esse tipo de degradação de modelo tende a passar despercebido. Nessa sessão, abordamos maneiras para ajudar a reduzir radicalmente o tempo de solução de problemas durante o processo de criação e treinamento de modelos de ML de alta qualidade e como identificar e detectar desvios em seu modelo de ML após a implantação.

Palestrante: Aparna Elangovan, engenheiro de protótipos, IA/ML, AWS

Caso acredite que o machine learning (ML) soa como algo repleto de trabalho experimental de tentativa e erro, você está certíssimo. Tradicionalmente a criação de modelos de ML exigiu uma escolha binária: ter grande expertise interna, o que é raro, ou usar uma abordagem automatizada que oferece pouca visibilidade sobre a criação do modelo. Nessa sessão, descubra como é possível simplesmente chamar uma API para concluir o trabalho e saiba como o Amazon SageMaker Autopilot permite criar automaticamente modelos de ML sem concessões.

Palestrante: Tapan Hoskeri, arquiteto de soluções, AISPL

Colocar soluções de ML em produção exige saber o quê, o onde e o como da implantação de modelos de ML. É necessário saber qual é o modelo (requisitos de recursos em produção) e qual é o contexto de negócios (carga de trabalho da entrada, consumidores da saída, inferência em lote vs. em tempo real etc.); onde implantar (nuvem ou borda, com base na relação entre custo e benefício, atendimento de SLAs comerciais etc.); e como implantar (com base em implantação, dimensionamento de escala, teste A/B etc.). Trabalhando de trás para frente nessas perguntas dos clientes, a AWS oferece a mais ampla e detalhada gama de opções para implantação de ML. Essa sessão aborda essas opções e fala sobre como elas respondem às perguntas acima sob um ponto de vista de melhores práticas.

Palestrante: Sujoy Roy, cientista sênior de dados, AWS

As AMIs do AWS Deep Learning oferecem a profissionais e pesquisadores do machine learning a infraestrutura e as ferramentas para acelerar a aprendizagem profunda na nuvem e em qualquer escala. Seja usando instâncias de GPU ou CPU do Amazon EC2, com as AMIs do AWS Deep Learning, os usuários só pagam pelos recursos da AWS necessários para armazenar e executar seus aplicativos. Nessa sessão, aprenda como executar rapidamente instâncias do Amazon EC2 pré-instaladas com estruturas e interfaces populares de aprendizagem profunda, como TensorFlow, PyTorch e Apache MXNet, Chainer, Gluon, Horovod e Keras para treinar modelos sofisticados e personalizados de IA, experimentar novos algoritmos ou aprender novas técnicas e habilidades. Não importa se você precisa de instâncias de GPU ou CPU do Amazon EC2, não há cobrança adicional para AMIs do Deep Learning e você só paga pelos recursos da AWS necessários para armazenar e executar seus aplicativos.

Palestrante: Pedro Paez, arquiteto especialista de soluções, AWS

Dezenas de bilhões de dólares são perdidos todos os anos para fraudes online em todo o mundo. As empresas que fazem negócios online estão especialmente sujeitas a ataques de partes mal-intencionadas, que frequentemente exploram táticas como a criação de contas falsas e a realização de pagamentos com cartões de crédito roubados. Normalmente as empresas usam aplicativos de detecção de fraude para identificar e impedir os golpistas antes que eles possam provocar interrupções nos negócios. Essa sessão detalha como implementar uma solução personalizada de detecção de fraude para atividades online, usando machine learning para identificar e implementar proativamente mudanças na proteção de sua empresa e de seus clientes.

Palestrante: Eric Greene, arquiteto especialista de soluções de IA, AWS

A implantação de modelos personalizados de machine learning (ML) para solucionar desafios comerciais complexos não precisa ser difícil. Com base na tecnologia de ML aperfeiçoada por anos e anos de uso na Amazon.com, o Amazon Forecast e o Amazon Personalize permitem que desenvolvedores sem experiência prévia com ML criem facilmente capacidades precisas de previsão e personalização sofisticada em seus aplicativos. Nessa sessão, mostramos como usando um novo processo de automação, o AutoML, esses dois serviços criam recomendações individuais para clientes e entregam previsões altamente precisas. Ambos os serviços funcionam em infraestrutura totalmente gerenciada e oferecem receitas fáceis de usar que entregam modelos de alta qualidade mesmo que você tenha pouca experiência com ML.

Palestrante: Anand Iyer, arquiteto de soluções empresariais, AISPL

Como obter o resultado mais preciso e específico em uma consulta de pesquisa quando a resposta está oculta em vários sistemas de informações empresariais? Nessa sessão, mostramos como usar o Amazon Kendra, uma solução de pesquisa empresarial que oferece respostas diretas a consultas específicas de pesquisa, como “Qual o Nível de recompensa em dinheiro no cartão de crédito corporativo?”. Descubra como o Amazon Kendra pode aprimorar o compartilhamento de conhecimento entre equipes, aumentar as vendas e aprimorar os serviços de atendimento ao cliente. Além disso, descubra como esse novo serviço permite que clientes tenham maior facilidade para encontrar as informações de que precisam.

Palestrante: Will Badr, arquiteto sênior de soluções de IA/ML, AWS

A Amazon deixa o processamento de linguagem natural, o reconhecimento de fala, as capacidades de conversão de texto em fala e a tradução de máquina disponíveis para qualquer desenvolvedor. Os serviços de aplicativo impulsionados por API permitem que cientistas de dados e desenvolvedores adicionem facilmente funcionalidades pré-compiladas de inteligência artificial aos seus aplicativos e fluxos de trabalho de automatização. Nessa sessão, aprenda como criar a última geração de aplicativos inteligentes que escutam, falam e entendem o mundo ao nosso redor.

Palestrante: Sara van de Moosdijk, arquiteta de soluções para parceiros, AWS

Hoje em dia, a maioria das análises de central de contatos têm como base a atividade de interruptores telefônicos ou anotações de chamadas em sistemas de CRM que são registradas pelos próprios agentes da central de contatos. No entanto, normalmente essas análises não oferecem percepções sobre as conversas entre agentes e clientes. Nessa sessão, explicamos como o Amazon Connect analisa os detalhes das conversas de central de contatos, inclusive aquelas em idiomas diferentes e que têm vocabulários diferentes. Descubra como o Contact Lens for Amazon Connect permite que os supervisores de atendimento ao cliente realizem pesquisas rápidas e de texto completo em transcrições de chamada e bate-papo para solucionar rapidamente os problemas do cliente. Descubra como esse serviço usa análises específicas de chamada e bate-papo, incluindo análise de sentimento e detecção de silêncio, para aprimorar o desempenho dos agentes.

Palestrante: Sumit Patel, arquiteto de soluções empresariais, AWS

Nessa sessão, apresentamos os fundamentos da aprendizagem por reforço e mostramos como aplicá-la para treinar seus próprios modelos de veículo autônomo. Você também aprende como testá-los em um cenário virtual de corrida automotiva desenvolvido pelo AWS DeepRacer. Aprenda sobre o formato de tomada de tempo com um só carro e os desafios de corrida competitiva com dois carros no simulador de corrida AWS DeepRacer 3D. Ao fim dessa sessão, você poderá participar do AWS DeepRacer League, onde é possível competir por prêmios e conhecer outros entusiastas do machine learning.

Palestrante: Gabe Hollombe, ativista sênior de desenvolvimento, AWS

Até mesmo os engenheiros mais experientes podem ter dificuldades para detectar determinados tipos de problemas de código e identificar as linhas de código mais caras sem experiência em engenharia de desempenho. O CodeGuru é um novo serviço de machine learning que permite descobrir rapidamente problemas de código e aprimorar o o desempenho dos aplicativos. Descubra nessa sessão como o CodeGuru funciona. Mostramos como ele revisa código Java em seus repositórios de código-fonte no GitHub e no AWS CodeCommit, cria perfis de seus aplicativos e pesquisa por otimizações, mesmo durante a produção. Por fim, saiba como o CodeGuru fornece recomendações inteligentes, de modo que você possa agir imediatamente para corrigir problemas ou aprimorar ineficiências.

Palestrante: Atanu Roy, arquiteto chefe de soluções, AISPL

As empresas estão usando visão de computador para entender o conteúdo e o contexto de suas imagens e vídeos em escala. Essa sessão oferece uma visão geral do Amazon Rekognition Custom Labels, um novo recurso do Amazon Rekognition que permite aos clientes criar as próprias capacidades de análise de imagem baseada em machine learning para detectar objetos e cenas exclusivos que sejam relevantes às necessidades comerciais deles. Participe dessa sessão para aprender a usar o Amazon Rekognition Custom Labels para suas necessidades comerciais.

Palestrante: Imran Kashif, arquiteto sênior de soluções, AWS

Nessa sessão, aprenda como usar a IA generativa para criar música com o AWS DeepComposer. Utilize pessoalmente o primeiro teclado musical habilitado por machine learning e grave uma melodia. Em seguida, aprenda como enviá-lo para a nuvem e gerar um acompanhamento. Demonstramos como importar os arquivos MIDI em uma estação de trabalho de áudio digital para criar os arranjos finais.

Palestrante: Julian Bright, arquiteto especialista de soluções de IA, AWS