เลือกฐานข้อมูลที่เหมาะสมเพื่อการปรับปรุงแอปพลิเคชันให้ทันสมัย (ระดับ 200)
แนวคิดของฐานข้อมูลเสาหินขนาดเดียวสำหรับทุกคนไม่เหมาะกับปัจจุบันอีกต่อไปเนื่องจากองค์กรจำนวนมากกำลังสร้างแอปพลิเคชันที่มีการกระจายสูงโดยใช้ฐานข้อมูลที่สร้างตามวัตถุประสงค์มากมาย โลกกำลังพัฒนา และฐานข้อมูลหมวดหมู่ต่าง ๆ ก็ยังคงเพิ่มขึ้นต่อไป เรามองเห็นลูกค้าที่ต้องการสร้างแอปพลิเคชันระดับอินเทอร์เน็ตที่ต้องการโมเดลข้อมูลที่หลากหลายเพิ่มขึ้น เพื่อตอบสนองความต้องการเหล่านี้ ปัจจุบันเราจึงมีตัวเลือกของฐานข้อมูลเชิงสัมพันธ์ ค่าคีย์ คอลัมน์แบบกว้าง เอกสาร ในหน่วยความจำ กราฟ อนุกรมเวลา และฐานข้อมูลแบบแยกประเภท แต่ละตัวเลือกจะช่วยแก้ไขปัญหาเฉพาะหรือปัญหาหลาย ๆ ข้อได้ ในเซสชันนี้ ร่วมเรียนรู้เพิ่มวิธีที่ฐานข้อมูลที่สร้างตามวัตถุประสงค์ของ AWS เป็นไปตามข้อกำหนดด้านขนาด ประสิทธิภาพ และความสามารถในการบริหารจัดการของแอปพลิเคชันยุคใหม่

วิทยากร: 
William Wong หัวหน้าสถาปนิกโซลูชันฐานข้อมูลของ AWS
Surendar Munimohan สถาปนิกอาวุโสด้านโซลูชันฐานข้อมูลของ AWS

ระยะเวลา: 30 นาที

โอนย้ายและปรับฐานข้อมูลเชิงพาณิชย์ให้ทันสมัยบน AWS (ระดับ 200)
เมื่อข้อมูลเติบโตขึ้นอย่างต่อเนื่อง องค์กรต่าง ๆ จึงต้องแบกรับภาระมากขึ้นกับความท้าทายในด้านความสามารถในการปรับขนาด ความเสถียร และค่าใช้จ่ายที่เกี่ยวข้องกับการเรียกใช้อินสแตนซ์ฐานข้อมูลเหล่านี้ เข้าร่วมเซสชันนี้เพื่อเรียนรู้วิธีโอนย้ายและปรับปรุงฐานข้อมูลของคุณให้ทันสมัย เพื่อแก้ปัญหาความท้าทายเหล่านี้ ตรวจสอบความพร้อมใช้งานของแอปพลิเคชัน และลดค่าใช้จ่ายรวมในการเป็นเจ้าของ (TCO) เราจะหารือเกี่ยวกับข้อควรพิจารณาที่สำคัญที่คุณต้องทราบก่อนที่จะเริ่มขั้นตอนแรกในการโยกย้ายฐานข้อมูลเชิงพาณิชย์ของคุณไปยัง AWS เราเจาะลึกแนวทางการย้ายข้อมูล เครื่องมือ และบริการที่พร้อมช่วยคุณย้ายฐานข้อมูลไปยัง Amazon RDS สำหรับ SQL Server หรือ Oracle และแนวทางในการปรับปรุงฐานข้อมูลของคุณให้ทันสมัยไปยังฐานข้อมูลแบบโอเพนซอร์สบน Amazon Aurora เซสชันนี้ยังมีกรณีการใช้งานทั่วไปเพื่อเพิ่มประสิทธิภาพฐานข้อมูลของคุณเพิ่มเติมเพื่อให้ได้ความคล่องตัว ประสิทธิภาพ และความสามารถในการปรับขนาดสำหรับแอปพลิเคชันสมัยใหม่ของคุณ

วิทยากร: 
Barry Ooi สถาปนิกอาวุโสด้านโซลูชันฐานข้อมูลของ AWS
Jay Shin ผู้เชี่ยวชาญอาวุโสด้านการย้ายฐานข้อมูลของ AWS

ระยะเวลา: 30 นาที

เพิ่มประสิทธิภาพและปรับปรุง SQL Server ให้ทันสมัยบน AWS (ระดับ 300)
การปรับปรุงฐานข้อมูล SQL Server แบบดั้งเดิมให้ทันสมัยอาจใช้เวลานานและใช้ทรัพยากรมาก เนื่องจากมักจะมีงานที่ต้องทำมากขึ้นในการโยกย้ายแอปพลิเคชันเอง รวมถึงการเขียนโค้ดแอปพลิเคชันใหม่ที่โต้ตอบกับฐานข้อมูล เซสชันนี้สรุปประโยชน์ของการเรียกใช้ SQL Server บน AWS เพื่อให้เกิดความสามารถในการปรับขนาด ความพร้อมใช้งานสูง และกระบวนการกู้คืนจากความเสียหาย และจัดการค่าใช้จ่ายในการให้สิทธิ์การใช้งาน เราจะพูดถึงหนึ่งในกลยุทธ์ที่มักจะเกี่ยวข้องกับการเปลี่ยนแปลงแอปพลิเคชันและการปรับปรุงให้ทันสมัยโดยใช้ฐานข้อมูลโอเพนซอร์สหรือฐานข้อมูลที่สร้างขึ้นสำหรับระบบคลาวด์ และวิธีหลีกเลี่ยงใบอนุญาตที่มีราคาแพง (ส่งผลให้ต้นทุนลดลง) ระยะเวลาตรึงอยู่กับผู้ขายและการตรวจสอบ เซสชันนี้ประกอบด้วยการสาธิตที่ให้มุมมองเชิงปฏิบัติเกี่ยวกับวิธีใช้ Babelfish สำหรับ Aurora PostgreSQL และเริ่มเรียกใช้การสืบค้นในเวลาเพียงเสี้ยววินาทีที่เกี่ยวข้องกับการโยกย้ายฐานข้อมูลแบบดั้งเดิม และเพิ่มประสิทธิภาพการใช้จ่ายด้านใบอนุญาตของคุณ

วิทยากร: 
Sriwantha Attanayake หัวหน้าสถาปนิกโซลูชันคู่ค้าของ AWS
Rita Ladda สถาปนิกโซลูชันผู้เชี่ยวชาญด้าน Microsoft ของ AWS

ระยะเวลา: 30 นาที

สร้างแอปพลิเคชันที่ปรับขนาดได้ด้วย Amazon Aurora (ระดับ 200)
เป็นเวลาหลายทศวรรษที่แอปพลิเคชันถูกสร้างขึ้นด้วยฐานข้อมูลเชิงพาณิชย์แบบเก่า ซึ่งมีราคาแพงและเป็นกรรมสิทธิ์ หลายคนกำหนดเงื่อนไขการออกใบอนุญาตลงโทษ และยากที่จะจัดการและปรับขนาด ในเซสชันนี้ เราจะแสดงวิธีจัดการข้อมูลของคุณและสร้างแอปพลิเคชันที่ปรับขนาดได้ เชื่อถือได้ และมีประสิทธิภาพสูงด้วย Amazon Aurora ซึ่งเป็นฐานข้อมูลแบบเชิงสัมพันธ์ที่เข้ากันได้กับ MySQL และ PostgreSQL ซึ่งรวมเอาประสิทธิภาพและความพร้อมใช้งานของฐานข้อมูลเกรดเชิงพาณิชย์เข้ากับความเรียบง่ายและความคุ้มค่าของฐานข้อมูลโอเพนซอร์ส เราพูดถึงการปรับขนาดของ Amazon Aurora เพื่อตอบสนองความสามารถในการปรับขนาดแอปพลิเคชัน ความพร้อมใช้งานสูง และข้อกำหนดในกระบวนการกู้คืนจากความเสียหาย เซสชันนี้ยังแสดงให้เห็นว่า Amazon Aurora Serverless V2 ช่วยให้คุณสามารถปรับขนาดเวิร์กโหลดฐานข้อมูลได้ทันทีจากหลายร้อยเป็นหลายพันธุรกรรมต่อวินาที และปรับความจุทีละน้อยเพื่อให้ทรัพยากรฐานข้อมูลในปริมาณที่เหมาะสม

วิทยากร: Roneel Kumar สถาปนิกอาวุโสด้านโซลูชันฐานข้อมูลของ AWS
ระยะเวลา: 30 นาที

การสร้างแอปพลิเคชันประสิทธิภาพสูงในทุกขนาดด้วย Amazon DynamoDB (ระดับ 200)
ฐานข้อมูล NoSQL นั้นสร้างขึ้นเป็นพิเศษสำหรับโมเดลข้อมูลที่เฉพาะเจาะจง และได้รับการปรับให้เหมาะสำหรับแอปพลิเคชันสมัยใหม่อย่างแอปพลิเคชันบนมือถือ เว็บ และการเล่นเกม ซึ่งต้องการความสามารถในการปรับขนาด เวลาแฝงต่ำ และความยืดหยุ่น เข้าร่วมเซสชันนี้เพื่อเรียนรู้วิธีที่ Amazon DynamoDB นำเสนอฐานข้อมูลที่พร้อมสำหรับองค์กรซึ่งช่วยให้คุณส่งมอบแอปที่มีประสิทธิภาพระดับมิลลิวินาทีหลักเดียวที่สม่ำเสมอ รวมถึงอัตราการโอนถ่ายข้อมูลและพื้นที่จัดเก็บที่แทบไม่จำกัด เราเจาะลึกคุณสมบัติของ DynamoDB ดัชนี วิธีปรับขนาดอย่างง่ายดาย และส่วนประกอบด้านต้นทุน นอกจากนี้เรายังสาธิตวิธีใช้เวิร์กเบนช์ NoSQL เพื่อออกแบบโมเดลข้อมูลสำหรับแอปพลิเคชันเกมออนไลน์แบบผู้เล่นหลายคนที่ปรับขนาดได้สูงซึ่งสามารถให้ประสิทธิภาพมิลลิวินาทีหลักเดียวที่สม่ำเสมอในทุกขนาด ค้นหาวิธีที่คุณสามารถตรวจสอบเวิร์กโหลด DynamoDB ตามขนาดเพื่อสังเกตเมตริกหลัก เช่น เวลาแฝง คำขออ่านและเขียนต่อวินาที พาร์ติชันด่วน การควบคุมปริมาณ และข้อผิดพลาด

วิทยากร: Vaibhav Bhardwaj สถาปนิกโซลูชันผู้เชี่ยวชาญ DynamoDB อาวุโสของ AWS
ระยะเวลา: 30 นาที

จัดการเวิร์กโหลดเอกสารที่สำคัญในทุกขนาดด้วย Amazon DocumentDB (ระดับ 200)
องค์กรต่าง ๆ หันมาใช้ฐานข้อมูลที่เน้นเอกสารมากขึ้นเพื่อจัดเก็บและสืบค้นข้อมูลที่พัฒนาอย่างราบรื่นตามความต้องการของแอปพลิเคชันได้อย่างง่ายดาย เข้าร่วมเซสชันนี้เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับฐานข้อมูลแบบโครงสร้างเอกสารและกรณีการใช้งาน ค้นหาว่า Amazon DocumentDB ที่ใช้งานร่วมกับ MongoDB ร่วมกันได้อย่างไร ช่วยให้คุณสามารถเรียกใช้และใช้งานเวิร์กโหลด JSON ที่สำคัญต่อภารกิจได้ทุกขนาด และก้าวข้ามขีดจำกัดความสามารถในการปรับขนาดที่เห็นในฐานข้อมูลแบบเดิม เซสชันนี้ยังนำเสนอวิธีที่โซลูชันนี้ต้องการการเปลี่ยนแปลงโค้ดเป็นศูนย์ถึงน้อยที่สุดในแอปพลิเคชันที่คุณมี เราให้คำแนะนำเกี่ยวกับวิธีการผสานรวมกับบริการของ AWS ที่มีอยู่และแนวทางปฏิบัติที่ดีที่สุดสำหรับการโยกย้ายด้วยการสาธิตวิธีเริ่มต้นใช้งาน DocumentDB

วิทยากร: Gururaj Bayari สถาปนิกผู้เชี่ยวชาญด้านโซลูชันอาวุโสของ AWS
ระยะเวลา: 30 นาที

สร้างแอปพลิเคชันสมัยใหม่ประสิทธิภาพสูงโดยใช้ Amazon ElastiCache และ MemoryDB สำหรับ Redis (ระดับ 200)
แอปพลิเคชันที่ทันสมัยในปัจจุบันต้องการประสิทธิภาพสูงและการตอบสนองในทุกขนาด ในเซสชันนี้ เราจะแสดงวิธีที่คุณสามารถสร้างแอปพลิเคชันประสิทธิภาพสูงที่ส่งผลต่อรายได้ ประสบการณ์ของลูกค้า และความพึงพอใจโดยใช้ที่เก็บข้อมูลในหน่วยความจำแบบกระจายด้วย Amazon ElastiCache สำหรับ Redis Amazon ElastiCache คือบริการแคชที่มีการจัดการอย่างเต็มรูปแบบ ซึ่งช่วยเร่งความเร็วของแอปพลิเคชันโดยมีเวลาแฝงเพียงระดับไมโครวินาที ค้นพบว่าการแคชสามารถเพิ่มเวิร์กโหลดของคุณได้อย่างไร และวิธีสร้างแอปพลิเคชันที่รวดเร็ว ปลอดภัย และพร้อมใช้งานสูง

วิทยากร: Shirish Kulkarni ผู้เชี่ยวชาญ ElastiCache/MemDB อาวุโสประจำภูมิภาคเอเชียแปซิฟิกและญี่ปุ่นของ AWS
ระยะเวลา: 30 นาที

ใช้ประโยชน์จากพลังของข้อมูลและเลือกการวิเคราะห์ที่เหมาะสมสำหรับกรณีการใช้งานของคุณ (ระดับ 200)
องค์กรสามารถใช้แนวทางการวิเคราะห์ที่เหมาะสมเพื่อปลดล็อกศักยภาพสูงสุดจากข้อมูลของคุณ รับข้อมูลเชิงลึกที่มีความหมาย และทำการตัดสินใจอย่างชาญฉลาด เซสชันนี้จะสรุปวิธีการเลือกการวิเคราะห์ที่เหมาะสมตามกรณีการใช้งานของคุณเพื่อค้นหาข้อมูลเชิงลึกจากประเภทข้อมูลที่หลากหลายตลอดจนวิธีทำให้พร้อมใช้งานสำหรับบุคคลและระบบที่เหมาะสม เราจะพูดถึงถึงวิธีการสร้างรากฐานที่แข็งแกร่งในการจัดการข้อมูล, กำจัด Data Silo และเร่งเวลาในการออกสู่ตลาดด้วย Data Lake และที่เก็บข้อมูลที่สร้างขึ้นตามวัตถุประสงค์บน AWS

วิทยากร: Niladri Bhattacharya หัวหน้าสถาปนิกโซลูชันการวิเคราะห์ของ AWS
ระยะเวลา: 30 นาที

ปลดล็อกข้อมูลข้ามขอบเขตองค์กรด้วยการกำกับดูแลในตัวโดยใช้ Amazon DataZone (ระดับ 200)
ระบบข้อมูลมักจะแผ่กิ่งก้านสาขา เป็นแบบไซโล และมีความซับซ้อน โดยมีชุดข้อมูลที่หลากหลายกระจายอยู่ทั่วที่ Data Lake, คลังข้อมูล, ฐานข้อมูลระบบคลาวด์, แอปพลิเคชันแบบ SaaS, อุปกรณ์ IoT และระบบภายในองค์กร จึงจำเป็นต้องสามารถเข้าถึงได้โดยบุคคลและระบบที่ต้องการการวิเคราะห์เพื่อให้ได้คุณค่าจากข้อมูลของคุณ เข้าร่วมเซสชันนี้เพื่อเรียนรู้วิธีที่ Amazon DataZone ช่วยให้คุณสามารถแชร์ ค้นหา และค้นพบข้อมูลในวงกว้างข้ามขอบเขตขององค์กร และทำงานร่วมกันในโครงการข้อมูลผ่านพอร์ทัลการวิเคราะห์ข้อมูลแบบรวมที่ให้มุมมองส่วนบุคคลของข้อมูลทั้งหมดของคุณในขณะที่บังคับใช้นโยบายการกำกับดูแลและการปฏิบัติตามข้อกำหนดของคุณ

วิทยากร: Vikas Omer หัวหน้าผู้เชี่ยวชาญด้านการวิเคราะห์ของ AWS
ระยะเวลา: 30 นาที

รวมศูนย์และรวมการเข้าถึงข้อมูลสำหรับผู้ใช้ข้อมูลทั้งหมดให้เป็นหนึ่งเดียวโดยใช้ AWS Lake Formation (ระดับ 200)
หลายองค์กรกำลังมองหาโซลูชันข้อมูล การวิเคราะห์ และ ML เพื่อให้ข้อมูลพร้อมใช้งานสำหรับการวิเคราะห์ที่หลากหลาย เซสชันนี้จะพูดถึงวิธีสร้างแพลตฟอร์มข้อมูลแบบครบวงจรที่ขับเคลื่อนโดย Data Lake ที่ใช้ Amazon S3 ด้วยเครื่องมือที่สร้างขึ้นตามวัตถุประสงค์และกลไกการประมวลผลเพื่อแยกย่อย Data Silo, แบ่งปันข้อมูลในสายธุรกิจ และตัดสินใจโดยอาศัยข้อมูล เรียนรู้วิธีควบคุมอย่างเข้มงวดยิ่งขึ้นว่าใครสามารถเข้าถึงข้อมูลที่ละเอียดอ่อนที่สุดในฐานะผู้ใช้แพลตฟอร์ม และครอบคลุมหลักการการให้สิทธิ์เท่าที่จำเป็น รับข้อมูลเชิงลึกเกี่ยวกับวิธีจัดการการเข้าถึงชุดข้อมูลที่มีอยู่จากส่วนกลาง และใช้สิทธิ์แบบละเอียดสำหรับผู้ใช้หลายรายด้วยเครื่องมือประมวลผลที่เลือก

วิทยากร: Praveen Kumar สถาปนิกอาวุโสด้านโซลูชันการวิเคราะห์ของ AWS
ระยะเวลา: 30 นาที

เรียกใช้ Apache Spark อย่างปลอดภัยและตามขนาดด้วยค่าใช้จ่ายในการดำเนินงานขั้นต่ำ (ระดับ 200)
จำเป็นอย่างยิ่งที่องค์กรจะต้องลดเวลาในการออกสู่ตลาดของเวิร์กโหลดการวิเคราะห์ในภูมิทัศน์ของตลาดที่มีการพัฒนาอยู่ตลอดเวลา หลายองค์กรใช้ Apache Spark เพื่อให้ได้เปรียบในการแข่งขัน เพิ่มประสิทธิภาพต้นทุนทางธุรกิจ และเร่งการตัดสินใจ ในเซสชันนี้ เราจะพูดถึง 3 ตัวเลือกในการเรียกใช้งาน Apache Spark ที่เข้ากันได้กับโอเพนซอร์สบน AWS เราจะพูดถึงวิธีเรียกใช้เวิร์กโหลดการวิเคราะห์ Apache Spark ตามขนาดที่มีการกำหนดค่าและค่าใช้จ่ายในการดำเนินงานน้อยที่สุด และอย่างปลอดภัยบน Amazon Athena สำหรับ Apache Spark และ Amazon EMR Serverless

วิทยากร: Amir Shenavandeh สถาปนิกอาวุโสด้านโซลูชัน Big Data ของ AWS
ระยะเวลา: 30 นาที

การสร้าง Data Lake แบบไม่ต้องใช้เซิร์ฟเวอร์ธุรกรรมประสิทธิภาพสูงบน AWS (ระดับ 200)
Data Lake เป็นที่เก็บส่วนกลางเพื่อจัดเก็บข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างในทุกขนาดและในรูปแบบต่าง ๆ อย่างไรก็ตามงานต่าง ๆ เช่น การอัปเดต การลบชุดย่อยของบันทึกที่ระบุออกจาก Data Lake และการเปลี่ยนแปลงที่เกิดขึ้นพร้อมกันอาจใช้เวลานานและมีค่าใช้จ่ายสูง ในเซสชันนี้ เราจะสำรวจรูปแบบ Data Lake ของธุรกรรมที่พบบ่อยที่สุด เราจะยกตัวอย่างในโลกแห่งความเป็นจริงเพื่อสาธิตวิธีสร้าง Data Lake ธุรกรรมประสิทธิภาพสูงสำหรับเรียกใช้การสืบค้นการวิเคราะห์ที่ให้ผลลัพธ์ที่สม่ำเสมอและเป็นปัจจุบันด้วยการวิเคราะห์และโซลูชันแบบไม่ต้องใช้เซิร์ฟเวอร์ รวมถึง Amazon Apache Iceberg บน EMR Serverless และ Amazon Athena เซสชันนี้จะกล่าวถึงวิธีรองรับธุรกรรม ACID (Atomicity, Consistency, Isolation, Durability) ใน Data Lake การเดินทางข้ามเวลาวิวัฒนาการของสคีมา / พาร์ติชันและการล้างบันทึกแต่ละรายการเพื่อตอบสนองความต้องการด้านกฎระเบียบและการปฏิบัติตามข้อกำหนดเมื่อกรณีการใช้งาน Data Lake เติบโตขึ้น

วิทยากร: Indrajit Ghosalkar สถาปนิกอาวุโสด้านโซลูชันของ AWS
ระยะเวลา: 30 นาที

ปรับปรุงแอปพลิเคชันของคุณด้วย Amazon QuickSight (ระดับ 200)
ผู้ใช้ในองค์กรของคุณจะตัดสินใจที่ส่งผลต่อผลลัพธ์ทางธุรกิจทุกวัน เมื่อมีข้อมูลที่ถูกต้องในเวลาที่เหมาะสม ผู้ใช้จะสามารถตัดสินใจเลือกที่ทิศทางที่ถูกต้องให้กับบริษัทได้ เซสชันนี้จะพูดถึงวิธีการฝังแบบต่าง ๆ ที่คุณสามารถใช้เพื่อฝัง Amazon QuickSight ภายในแอปพลิเคชันของคุณและกรณีการใช้งานสำหรับการฝังแดชบอร์ด QuickSight เราสาธิตวิธีที่คุณสามารถรวม QuickSight เข้ากับสถาปัตยกรรมแอปพลิเคชันกำหนดค่าสิทธิ์และความปลอดภัยและใช้ API ของ QuickSight เพื่อฝังแดชบอร์ดและรายงาน

วิทยากร: Olivia Carline สถาปนิกโซลูชัน QuickSight ของ AWS
ระยะเวลา: 30 นาที

บันทึกข้อมูลการวิเคราะห์ใน 20 นาทีโดยใช้การบันทึกแบบรวมศูนย์ด้วยโซลูชัน Amazon OpenSearch (ระดับ 200)
การวิเคราะห์ข้อมูลบันทึกเป็นสิ่งสำคัญในการตรวจสอบปัญหาเพื่อแก้ไขการหยุดทำงานและเพิ่มความสามารถในการกู้คืนสภาพของแอปพลิเคชัน แอปพลิเคชันอาจมีส่วนที่เคลื่อนไหวได้มากมาย และไม่ใช่ทุกทีมที่มีทักษะหรือเวลาที่เหมาะสมในการสร้างความสามารถในการบันทึกแบบรวมศูนย์เพื่อเชื่อมโยงเหตุการณ์ระหว่างระดับแอปพลิเคชันต่าง ๆ ในเซสชันนี้ เราจะแบ่งปันวิธีที่ Amazon OpenSearch เตรียมการจัดการข้อมูลบันทึกที่ครอบคลุมและความสามารถในการลดความซับซ้อนของการสร้างไปป์ไลน์การวิเคราะห์ข้อมูลบันทึก เรียนรู้วิธีดึงข้อมูลบันทึกจาก CDN ไฟร์วอลล์ เครือข่าย แอปพลิเคชัน และฐานข้อมูลด้วยการคลิกเพียงไม่กี่ครั้งและไปยังแดชบอร์ดเดียวโดยไม่ต้องเขียนโค้ดใด ๆ นอกจากนี้เรายังสาธิตวิธีสร้างแพลตฟอร์มการวิเคราะห์ข้อมูลบันทึกแบบรวมศูนย์ด้วย Amazon OpenSearch Service บน AWS ภายใน 20 นาที นอกจากนี้เรายังแนะนำวิธีการนำเข้าและแสดงภาพข้อมูลบันทึกจากแอปพลิเคชันที่กำหนดเองและโซลูชัน AWS อื่น ๆ

วิทยากร: Muhammad Ali หัวหน้าสถาปนิกโซลูชันการวิเคราะห์ของ AWS
ระยะเวลา: 30 นาที

ปลดล็อกความสามารถในการวิเคราะห์โดยการย้ายฐานข้อมูลเดิมของคุณไปยังคลังข้อมูล Amazon Redshift (ระดับ 200)
ลูกค้ากำลังมองหาการเพิ่มมูลค่าจากข้อมูลของตนเอง และการใช้แอปพลิเคชันรุ่นเก่าก็ยากขึ้นเรื่อย ๆ Amazon Redshift ซึ่งเป็นบริการวิเคราะห์ขนาดใหญ่ที่สร้างขึ้นตามวัตถุประสงค์ ให้ Quick Insights ที่ลึกซึ้งและรวดเร็วยิ่งขึ้นจากข้อมูลของคุณทั่วทั้งธุรกิจ ในเซสชันนี้ เราจะแบ่งปันสถานการณ์ทั่วไปที่เราเห็นจากลูกค้าที่ต้องการย้ายข้อมูลไปยัง Amazon Redshift และประโยชน์ที่ได้รับจากการปลดล็อกผ่านการปรับปรุงแพลตฟอร์มการวิเคราะห์ให้ทันสมัย เราแสดงวิธีที่คุณสามารถโยกย้ายฐานข้อมูลเดิมไปยัง Amazon Redshift ได้อย่างรวดเร็วและง่ายดาย ใช้ประโยชน์จากคุณสมบัติของ Redshift และเร่งเวลาในการทำความเข้าใจด้วยการวิเคราะห์ที่รวดเร็ว ง่ายดาย และปลอดภัยในทุกขนาด

วิทยากร: Sean Beath สถาปนิกผู้เชี่ยวชาญโซลูชัน Redshift ของ AWS
ระยะเวลา: 30 นาที

สร้างมูลค่าตามเวลาได้เร็วขึ้นด้วยการรวม Data Silo เข้ากับ Amazon Redshift (ระดับ 200)
ข้อมูลที่คุณต้องการสำหรับข้อมูลเชิงลึกไม่เพียง แต่เพิ่มปริมาณ แต่ยังมีความหลากหลายมากขึ้น (บันทึกข้อมูล คลิกสตรีม เสียง วิดีโอ) ซึ่งมักจะอยู่ใน Data Silo ต่าง ๆ แม้แต่องค์กรบุคคลที่สามก็ด้วย ผู้ใช้ในแผนก องค์กร และภูมิภาคต่าง ๆ จะต้องทำงานกับข้อมูลที่สอดคล้องทางธุรกรรม อย่างไรก็ตามกระบวนการแปลงข้อมูลในไซโลเหล่านี้เต็มไปด้วยปัญหาต่าง ๆ เช่น การทำซ้ำและการสูญหายของข้อมูล ความไม่สอดคล้องกัน ความไม่ถูกต้อง รวมถึงความล่าช้าเมื่อข้อมูลเคลื่อนที่และปัญหาคอขวดของเครือข่าย เซสชันนี้จะพูดถึงวิธีที่ Amazon Redshift ซึ่งเป็นบริการคลังข้อมูลบนระบบคลาวด์ที่มีการจัดการเต็มรูปแบบจะเจาะผ่าน Data Silo และเปิดใช้งานการแชร์ข้อมูลข้ามรีเจี้ยนและบัญชี เรียนรู้รูปแบบการผสานรวมข้อมูลทั่วไปสำหรับ Amazon Redshift ที่ใช้ประโยชน์จากการผสานรวมแบบเนทีฟกับบริการที่หลากหลาย เซสชันนี้ยังแสดงให้เห็นถึงความสามารถในการแบ่งปันข้อมูลและวิธีการแชร์และเข้าถึงข้อมูลที่ใช้งานได้อย่างปลอดภัยโดยไม่ต้องเคลื่อนย้ายข้อมูลหรือการคัดลอกข้อมูล

วิทยากร: Paul Villena สถาปนิกโซลูชัน Redshift ของ AWS
ระยะเวลา: 30 นาที

แนวทางในการลดความซับซ้อนของการรวมข้อมูลเพื่อข้อมูลเชิงลึกที่เร็วขึ้น (ระดับ 200)
องค์กรต้องการการวิเคราะห์ข้อมูลการดำเนินงานแบบใกล้เคียงเรียลไทม์มากขึ้นเพื่อปรับปรุงประสบการณ์ของผู้ใช้และเพิ่มประสิทธิภาพกระบวนการ อย่างไรก็ตามระบบการวิเคราะห์การดำเนินงานถูกจำกัดไว้ที่ฐานข้อมูลเดียวหรือประกอบด้วยการสร้างไปป์ไลน์ข้อมูลที่กำหนดเองซึ่งอาจเป็นเรื่องที่ท้าทายและมีค่าใช้จ่ายสูงในการจัดการ และในบางครั้งทำให้เกิดความล่าช้านานหลายชั่วโมงในการรับข้อมูลธุรกรรมสำหรับการวิเคราะห์ เซสชันนี้จะเจาะลึกถึงวิธีใช้ประโยชน์จาก Amazon Aurora ซึ่งรองรับการบูรณาการ ETL แบบไร้รอยต่อกับ Amazon Redshift เรียนรู้ว่าการผสานรวมแบบไม่ต้องเขียนโค้ดใหม่ระหว่าง Amazon Aurora และ Amazon Redshift ช่วยให้คุณมีการวิเคราะห์แบบเกือบเรียลไทม์และแมชชีนเลิร์นนิงบนข้อมูลธุรกรรมระดับเพตะไบต์ได้อย่างไร

วิทยากร: Partha Sarathi Sahoo ผู้จัดอาวุโสด้านบัญชีลูกค้าเทคนิคฝ่ายการวิเคราะห์ของ AWS
ระยะเวลา: 30 นาที

ลดความซับซ้อนและเร่งการรวมข้อมูลและความทันสมัยของ ETL ด้วย AWS Glue (ระดับ 200)
ETL (Extract-Transform-Load) มีบทบาทสำคัญในทุกเส้นทางการแปลงข้อมูล ขั้นตอนแรกในโครงการวิเคราะห์หรือแมชชีนเลิร์นนิงคือการค้นหาและเตรียมข้อมูลของคุณเพื่อให้ได้ผลลัพธ์ที่มีคุณภาพ ในเซสชันนี้ คุณจะได้เรียนรู้ว่า AWS Glue ซึ่งเป็นโซลูชันการรวมข้อมูลแบบไม่ต้องใช้เซิร์ฟเวอร์และปรับขนาดได้มอบความสามารถแบบครบวงจรสำหรับผู้ใช้ทุกคนในการสร้างและจัดการไปป์ไลน์ข้อมูลได้อย่างง่ายดาย เราสาธิตวิธีเปิดใช้งานการเตรียมข้อมูลแบบบริการตนเองทั่วทั้งองค์กรและเริ่มต้นใช้งานการย้าย ETL ด้วย AWS Glue นอกจากนี้เรายังแบ่งปันวิธีที่ผู้ใช้ชุดทักษะทั้งหมดสามารถสร้างและจัดการไปป์ไลน์ข้อมูลด้วย AWS Glue

วิทยากร: Suman Debnath หัวหน้าผู้สนับสนุนนักพัฒนาฝ่ายวิศวกรรมข้อมูลของ AWS
ระยะเวลา: 30 นาที

การสร้างแพลตฟอร์มข้อมูลการสตรีมด้วย Amazon Managed Streaming สำหรับ Apache Kafka และ Amazon Kinesis (ระดับ 200)
หลายองค์กรที่พยายามสร้างสถาปัตยกรรมการวิเคราะห์การสตรีมจากแหล่งที่มาของข้อมูลแบบเรียลไทม์มักประสบปัญหาในการค้นหารูปแบบสถาปัตยกรรมที่เหมาะสมที่เหมาะกับตนเอง นอกจากนี้ การวิเคราะห์ข้อมูลการสตรีมยังต้องการทักษะเฉพาะและการมีความเข้าใจที่ดีเกี่ยวกับแนวคิดการประมวลผลสตรีม เช่น ช่วงเวลา เวลา และสถานะอาจมีความซับซ้อน เซสชันนี้จะพูดถึงกระบวนการสร้างแพลตฟอร์มข้อมูลการสตรีมด้วยโซลูชันของ AWS รวมถึง Amazon Managed Streaming สำหรับ Apache Kafka และ Amazon Kinesis เราเจาะลึกสถาปัตยกรรมและความสามารถของบริการเหล่านี้และสาธิตวิธีการใช้เพื่อสร้างโซลูชัน Data Stream ที่ปรับขนาดได้ ทนทานต่อข้อผิดพลาด และมีประสิทธิภาพสูง เรียนรู้แนวคิดหลัก เช่น การนำข้อมูลเข้า การประมวลผลสตรีม พื้นที่เก็บข้อมูล และการวิเคราะห์ข้อมูล และรับข้อมูลเชิงลึกที่เป็นประโยชน์เกี่ยวกับแนวทางปฏิบัติที่ดีที่สุดและกรณีการใช้งาน ในตอนท้ายของเซสชันเดินออกไปพร้อมกับความรู้เกี่ยวกับวิธีสร้างแพลตฟอร์มข้อมูลสตรีมมิ่งเพื่อจัดการข้อมูลแบบเรียลไทม์จำนวนมากและปลดล็อกข้อมูลเชิงลึกที่มีค่าสำหรับองค์กรของคุณ

วิทยากร: Masudur Rahaman Sayem สถาปนิกอาวุโสด้านโซลูชันการสตรีมของ AWS
ระยะเวลา: 30 นาที

รายละเอียดเกี่ยวกับ Data Silo: ถ่ายโอนข้อมูลระหว่างแอปพลิเคชัน SaaS และ AWS (ระดับ 200)
องค์กรจัดเก็บข้อมูลที่สำคัญในหลายตำแหน่งและในแอปพลิเคชันแบบกระจาย การนำข้อมูลเข้า การเตรียมข้อมูล และการรวมแอปพลิเคชันสำหรับการรายงานและการวิเคราะห์อาจมีความซับซ้อนมีค่าใช้จ่ายสูงและใช้เวลานาน ในเซสชันนี้ เราจะอธิบายวิธีถ่ายโอนข้อมูลอย่างปลอดภัยระหว่างแอปพลิเคชัน Software as a Service (SaaS) และบริการของ AWS เช่น Amazon S3 และ Amazon Redshift ด้วยการคลิกเพียงไม่กี่ครั้ง นอกจากนี้เรายังสาธิตการใช้โซลูชันการวิเคราะห์และ ML อื่น ๆ เพื่อตั้งค่าโฟลว์ข้อมูลได้อย่างง่ายดายในไม่กี่นาทีโดยไม่ต้องเขียนโค้ดและรับข้อมูลเชิงลึกทางธุรกิจ

วิทยากร: Donnie Prakoso หัวหน้าที่ปรึกษานักพัฒนาของ AWS
ระยะเวลา: 30 นาที

ทำงานร่วมกันและวิเคราะห์ข้อมูลของคุณอย่างปลอดภัยบน AWS (ระดับ 200)
องค์กรต่าง ๆ มองหาวิธีแชร์ข้อมูลอย่างปลอดภัยและปรับปรุงวิธีการทำงานร่วมกันในหลายฝ่ายอย่างต่อเนื่อง ในเซสชันนี้ คุณจะได้เรียนรู้วิธีใช้เทคโนโลยีบน AWS เพื่อการแชร์ข้อมูลและการทำงานร่วมกันที่ปลอดภัย เราจะพูดถึงวิธีการแบ่งปันข้อมูลอย่างง่ายดายคุ้มค่าและปราศจากความเสี่ยงในขณะที่ป้องกันการทำซ้ำข้อมูล เซสชันนี้ยังรวมถึงขั้นตอนในการสร้างพื้นที่ปลอดภัยเพื่อรักษาความปลอดภัยให้ข้อมูลในเวลาไม่กี่นาที เพิ่มข้อจำกัดในการสืบค้นที่ดำเนินการโดยผู้เข้าร่วมแต่ละคนด้วยกฎการวิเคราะห์ในตัวที่ปรับแต่งได้และการควบคุมที่เพิ่มความเป็นส่วนตัว

วิทยากร: Allison Quinn ผู้เชี่ยวชาญอาวุโสด้านการวิเคราะห์ของ AWS
ระยะเวลา: 30 นาที

เร่งมูลค่าทางธุรกิจจากข้อมูลด้วย VMware Cloud บน AWS และการวิเคราะห์ (ระดับ 200)
องค์กรต่าง ๆ กําลังมองหาวิธีที่จะรื้ออุปสรรคด้านข้อมูล ผสานรวมข่าวกรองจากระบบและทรัพยากรที่หลากหลาย เพื่อให้เกิดมูลค่าจากข้อมูลของพวกเขา เซสชันนี้มุ่งเน้นไปที่วิธีการผสานรวม VMware Cloud บน AWS เข้ากับการวิเคราะห์ของ AWS ทําให้ง่ายต่อการใช้บริการเพื่อดึงข้อมูลเชิงลึกที่มีประโยชน์ออกมาจากข้อมูลทางธุรกิจ รับข้อมูลเชิงลึกเกี่ยวกับวิธีการย้ายแอปพลิเคชันและฐานข้อมูลในองค์กรที่มีอยู่ไปยัง AWS อย่างราบรื่นโดยใช้ประโยชน์จาก VMware Cloud บน AWS ซึ่งเป็นบริการระบบคลาวด์แบบไฮบริดที่ช่วยให้องค์กรเปลี่ยนไปใช้ระบบคลาวด์ได้อย่างรวดเร็วและราบรื่น เมื่อแอปพลิเคชันและฐานข้อมูลของคุณอยู่ใน AWS แล้ว เราจะแสดงวิธีผสานรวมกับโซลูชัน AWS อื่น ๆ เพื่อเร่งสร้างข้อมูลเชิงลึกจากข้อมูลของคุณ เซสชันนี้มีการสาธิตเกี่ยวกับวิธีที่ AWS Lake Formation ช่วยลดความยุ่งยากในการสร้าง จัดการ รักษาความปลอดภัย และการแชร์ Data Lake ของคุณ นอกจากนี้ เรายังกล่าวถึงวิธีเปิดเผยข้อมูลเชิงลึกที่สําคัญ แจกจ่ายข่าวกรองทั่วทั้งองค์กรของคุณ และเผยแพร่แดชบอร์ดแบบโต้ตอบด้วย Amazon QuickSight
 
วิทยากร: Greg Vinton สถาปนิกโซลูชันผู้เชี่ยวชาญ VMware Cloud บน AWS
ระยะเวลา: 30 นาที

สร้าง ปรับใช้ และปรับขนาดเวิร์กโหลดที่เน้นข้อมูลด้วย Data on Amazon EKS (ระดับ 200)
Kubernetes ได้กลายเป็นแพลตฟอร์มยอดนิยมสําหรับผู้ที่กําลังมองหาการรันเวิร์กโหลดข้อมูลและแมชชีนเลิร์นนิง เนื่องจากมีความคล่องตัว ความสามารถในการปรับขนาด และการพกพาที่ดีขึ้น อย่างไรก็ตาม การปรับใช้และปรับขนาดเวิร์กโหลดข้อมูลบน Kubernetes ยังคงเป็นความท้าทายสําหรับลูกค้าจํานวนมาก มีเครื่องมือที่ขัดแย้งกันมากมายที่มีระดับที่แตกต่างกันในด้านความสมบูรณ์ การผสานรวม และความเข้ากันได้กับแพลตฟอร์มที่มีอยู่ เวิร์กโหลดเหล่านี้มักจะมีอัตราการโอนถ่ายข้อมูลสูง เน้นการประมวลผล และมีความสําคัญต่อการดําเนินธุรกิจ ซึ่งจําเป็นต้องมีการกําหนดค่าที่เหมาะสมเพื่อรองรับข้อกำหนดของเวิร์กโหลด เซสชันนี้แสดงวิธีใช้ประโยชน์จาก Data on EKS (DoEKS) เพื่อลดความซับซ้อนและเร่งกระบวนการสร้าง ปรับใช้ และปรับขนาดเวิร์กโหลดข้อมูลบน Amazon EKS DoEKS สร้างขึ้นจากรากฐานของโครงการ Amazon EKS Blueprints และรวมคําแนะนําและเครื่องมือต่าง ๆ เพื่อสนับสนุนความท้าทายและข้อกําหนดเฉพาะของเวิร์กโหลดที่เกี่ยวข้องกับข้อมูลบน Kubernetes เราเจาะลึกลงไปยังแนวปฏิบัติ ตัวอย่างและสถาปัตยกรรมที่ดีที่สุด โดยมีจุดมุ่งหมายทําให้ง่ายต่อการสร้าง ปรับใช้ และปรับขนาดเวิร์กโหลดที่เน้นข้อมูลบน Amazon Elastic Kubernetes Service (Amazon EKS) ซึ่งช่วยให้คุณประมวลผลและวิเคราะห์ข้อมูลได้ง่ายขึ้นเพื่อดึงข้อมูลเชิงลึกที่มีค่าและผลักดันการสร้างมูลค่า มอบความได้เปรียบในการแข่งขัน และปรับปรุงประสบการณ์ของลูกค้า
 
วิทยากร: Frank Fan สถาปนิกอาวุโสผู้เชี่ยวชาญโซลูชันคอนเทนเนอร์ของ AWS
ระยะเวลา: 30 นาที

เพิ่มเวิร์กโหลด Apache Spark ของคุณด้วย Amazon EMR, EKS และ Amazon FSx สำหรับ Lustre (ระดับ 300)
ผู้สร้างใช้ Spark บน Kubernetes เพื่อเรียกใช้เวิร์กโหลด Big Data และแมชชีนเลิร์นนิง (ML) เพื่อการจัดการที่ง่ายขึ้นและการปรับใช้ที่ยืดหยุ่น เข้าร่วมเซสชันนี้ขณะที่เราเจาะลึกลงไปใน Amazon EMR บน EKS เพื่อเรียกใช้เวิร์กโหลด Apache Spark ของคุณบน Amazon Elastic Kubernetes Service (Amazon EKS) ทําความเข้าใจวิธีที่ตัวเลือกการปรับใช้นี้ช่วยให้คุณมุ่งเน้นไปที่การเรียกใช้เวิร์กโหลดการวิเคราะห์ในขณะที่ Amazon EMR บน EKS สร้าง กําหนดค่า และจัดการคอนเทนเนอร์สําหรับแอปพลิเคชันโอเพนซอร์ส เราสาธิตวิธีเรียกใช้รันไทม์ที่ปรับให้เหมาะสมกับประสิทธิภาพสําหรับ Apache Spark เพื่อการสั่งงานเวิร์กโหลดที่รวดเร็วขึ้นและลดต้นทุนการเรียกใช้ เรียนรู้วิธีที่ตัวเลือกนี้ให้การสนับสนุนที่มีประสิทธิภาพสําหรับสิทธิ์การใช้งานหลายรายการ ปรับปรุงความปลอดภัยและตัวเลือกมากมายสําหรับการสร้างโซลูชันข้อมูลการสังเกตแบบครบวงจร นอกจากนี้เรายังแสดงวิธีใช้งานแบทช์และเวิร์กโหลดสตรีมมิ่งอย่างมีประสิทธิภาพด้วย EMR บน EKS และ FSx สำหรับ Lustre เพื่อดําเนินการที่เน้นข้อมูลอย่างรวดเร็วและมีประสิทธิภาพ

วิทยากร:
Vivekanand Tiwari สถาปนิกระบบคลาวด์ของ AWS Professional Services
Haofei Feng สถาปนิกอาวุโสด้านระบบคลาวด์ของ AWS Professional Services

ระยะเวลา: 30 นาที

AI ช่วยสร้างสำหรับ Builder: วิธีสร้างโซลูชันเชิงนวัตกรรมด้วย AWS (ระดับ 200)
ในเซสชันนี้ เรียนรู้ว่า AI ช่วยสร้างบน AWS คืออะไร และค้นพบประโยชน์ของการใช้ประโยชน์จากเทคโนโลยีเพื่อส่งมอบผลลัพธ์ รวมถึงการคิดค้นแอปพลิเคชันของคุณใหม่ สร้างประสบการณ์ลูกค้าที่เป็นนวัตกรรมใหม่ และขับเคลื่อนประสิทธิภาพการทํางานในระดับที่ไม่เคยมีมาก่อน เราอธิบายบริการและเครื่องมือของ AWS ในการสร้างและปรับใช้โมเดล AI ช่วยสร้าง ทําความเข้าใจตัวอย่างมากมายเกี่ยวกับแอปพลิเคชัน AI ช่วยสร้างในโดเมนและอุตสาหกรรมต่าง ๆ นอกจากนี้เรายังแบ่งปันแนวทางปฏิบัติที่ดีที่สุดและเคล็ดลับในการออกแบบและทดสอบโซลูชัน AI ช่วยสร้าง

วิทยากร: Vatsal Shah สถาปนิกอาวุโสด้านโซลูชัน AWS อินเดีย
ระยะเวลา: 30 นาที

การสร้างแอปพลิเคชัน AI ช่วยสร้างด้วยโมเดลพื้นฐานของ Amazon SageMaker (ระดับ 300)
AI ช่วยสร้างเป็นเทคโนโลยีที่ทรงพลังที่สามารถสร้างเนื้อหาที่สมจริงและสร้างสรรค์ ในเซสชันนี้ เราจะอธิบายเกี่ยวกับการสร้างและปรับใช้โซลูชัน AI ช่วยสร้าง ด้วย Stability AI และ Hugging Face บน AWS เราพูดถึงเทคนิคใน AI ช่วยสร้าง และสํารวจว่า Amazon SageMaker มอบแพลตฟอร์มที่ครอบคลุมสําหรับการใช้งานให้กับคุณได้อย่างไร เซสชันนี้รวมถึงการสาธิตการใช้งานจริงเกี่ยวกับกรณีการใช้งานที่สําคัญใน Computer Vision ที่มี Stable Diffusion เพื่อให้สามารถสังเคราะห์ภาพและถ่ายโอนสไตล์ได้ ทําความเข้าใจศักยภาพของโมเดลภาษาขนาดใหญ่ (LLM) บน AWS วิธีที่คุณสามารถทําให้การสนับสนุนลูกค้าเป็นแบบอัตโนมัติและสร้างเนื้อหาที่ปรับให้เหมาะกับลูกค้าของคุณได้อย่างรวดเร็ว เซสชันนี้ให้แนวคิดเกี่ยวกับวิธีที่คุณสามารถปรับใช้โปรเจกต์ที่มีมูลค่าเพิ่มในโลกจริงด้วย AI ช่วยสร้างบน AWS

วิทยากร: Melanie Li ผู้จัดการอาวุโสด้านบัญชีลูกค้าเทคนิคฝ่ายการวิเคราะห์ของ AWS
ระยะเวลา: 30 นาที

เพิ่มประสิทธิภาพแชทบอทด้วย AI ช่วยสร้างโดยใช้ Amazon Kendra และ Amazon SageMaker ที่โฮสต์ LLM (ระดับ 300)
ในเซสชันนี้ เรียนรู้วิธีใช้ Retrieval Augmented Generation (RAG) โดยใช้ Amazon Kendra และ SageMaker ที่โฮสต์ LLM (โมเดลภาษาขนาดใหญ่) เพื่อจัดการกับข้อกังวลด้านความเป็นส่วนตัวของข้อมูลและสถานที่จัดเก็บข้อมูล เราแสดงให้เห็นว่าคุณสามารถรวม RAG เข้ากับ Amazon Kendra ซึ่งเป็นบริการค้นหาเชิงความหมาย สามารถปรับปรุงคุณภาพการตอบสนองของแชทบอทได้อย่างมากและกําจัดผลลัพธ์เพี้ยนในขณะที่รับประกันความเป็นส่วนตัวของข้อมูล ดูวิธีปรับใช้ LLM ใน Amazon SageMaker ด้วยวิธีที่คุ้มค่าและปรับให้เหมาะสม รวมทั้งผสานรวม RAG และ LLM เข้ากับโครงสร้างพื้นฐานแชทบอทที่มีอยู่เพื่อมอบประสบการณ์ผู้ใช้ที่ราบรื่น เซสชันนี้ยังสรุปประโยชน์และการใช้งานจริงของ RAG ที่เปิดใช้งานโดย Amazon Kendra และ SageMaker ที่โฮสต์ LLM ซึ่งช่วยให้คุณสร้างแชทบอทที่ปลอดภัย ตอบสนอง และชาญฉลาดได้

วิทยากร: Ben Friebe สถาปนิกอาวุโสด้านโซลูชัน ISV ของ AWS
ระยะเวลา: 30 นาที

ปรับปรุงประสบการณ์ของลูกค้าด้วยการวิเคราะห์ความรู้สึกโดยใช้ AI ช่วยสร้างและ ML (ระดับ 200)
องค์กรจำนวนมากพยายามดึงข้อมูลเชิงลึกจากการโต้ตอบกับลูกค้าในหลายช่องทางเพื่อยกระดับประสบการณ์ของลูกค้า แต่ต้องเผชิญกับความท้าทายรวมถึงเนื้อหาและ Data Silo ที่กระจัดกระจาย เซสชันนี้แสดงวิธีออกแบบแพลตฟอร์มการมีส่วนร่วมของลูกค้าแบบหลากหลายช่องทางอัจฉริยะบน AWS เซสชันนี้ให้คําแนะนําทีละขั้นตอนเกี่ยวกับวิธีการรวบรวม ประมวลผลและตอบสนองต่อฟีดลูกค้าของคุณจากแหล่งที่มาหลากหลายช่องทาง เราแสดงวิธีการมีส่วนร่วมกับลูกค้าของคุณในรูปแบบใหม่และดีกว่าผ่านทางกรอบสถาปัตยกรรมนี้ ซึ่งรวมถึงการวิเคราะห์ โซลูชัน AI ช่วยสร้างและ ML ซึ่งช่วยให้คุณสามารถส่งมอบสิ่งที่สําคัญให้กับลูกค้า ปรับปรุงประสบการณ์ของลูกค้า และเพิ่มมูลค่าตลอดอายุการใช้งานของลูกค้า

วิทยากร: Hariharan Suresh สถาปนิกอาวุโสด้านโซลูชันของ AWS
ระยะเวลา: 30 นาที

นำแมชชีนเลิร์นนิงมาสู่ Builder ผ่านฐานข้อมูลและการวิเคราะห์ (ระดับ 200)
องค์กรในปัจจุบันสร้างประมวลผลและรวบรวมข้อมูลมากขึ้นกว่าเดิมเพื่อให้เข้าใจภูมิทัศน์ของตลาดและตอบสนองความต้องการที่เปลี่ยนแปลงไปของลูกค้าได้ดียิ่งขึ้น ในเซสชันนี้ คุณจะได้เรียนรู้วิธีต่าง ๆ ที่ AWS เพิ่มขีดความสามารถให้กับผู้สร้างโดยการเพิ่มความสามารถด้าน ML ให้กับฐานข้อมูลและโซลูชันการวิเคราะห์ เช่น Amazon Aurora, Amazon Redshift, Amazon Neptune และ Amazon QuickSight เราจะแบ่งปันว่าการนําแมชชีนเลิร์นนิงเข้าใกล้ข้อมูลมากขึ้นช่วยเร่งเวิร์กโฟลว์การวิเคราะห์ข้อมูลด้วยข้อมูลเชิงลึกที่ล้ำลึกขึ้น เร็วขึ้นและครอบคลุมมากขึ้นอย่างไรเพื่อให้ได้ผลลัพธ์ที่ประสบความสําเร็จ

วิทยากร: Pierre Semaan ฝ่ายกลยุทธ์และโซลูชัน GTM สำหรับ SMB APJ ของ AWS
ระยะเวลา: 30 นาที

เร่งข้อมูลเชิงลึกจากข้อมูลการสตรีมแบบเรียลไทม์ในวงกว้างด้วยฐานข้อมูล การวิเคราะห์ และ ML (ระดับ 200)
การประมวลผลข้อมูลการสตรีมอาจมีความซับซ้อนโดยเฉพาะอย่างยิ่งหากคุณต้องการตอบสนองแบบเรียลไทม์ เข้าร่วมเซสชันนี้เพื่อเรียนรู้วิธีที่คุณสามารถรวบรวม ประมวลผล และวิเคราะห์ข้อมูลการสตรีมแบบเรียลไทม์ในวงกว้างได้อย่างง่ายดาย เพื่อให้คุณได้รับข้อมูลเชิงลึกที่ทันท่วงทีและตอบสนองต่อข้อมูลใหม่ได้อย่างรวดเร็ว เราอธิบายกรณีการใช้งานข้อมูลการสตรีมทั่วไปและวิธีนําโซลูชันของ AWS ไปใช้ ซึ่งรวมถึงการวิเคราะห์ คลังข้อมูล แบบไม่ต้องใช้เซิร์ฟเวอร์ และ ML สําหรับการวิเคราะห์ข้อมูลของคุณ เราแสดงให้เห็นผ่านสถานการณ์กรณีการใช้งานรวมถึงวิธีตรวจจับการฉ้อโกงธุรกรรมออนไลน์ในเวลาใกล้เคียงเรียลไทม์ เราแสดงวิธีที่คุณสามารถใช้วิธีนี้กับการสตรีมข้อมูลต่าง ๆ และสถาปัตยกรรมที่ขับเคลื่อนด้วยเหตุการณ์ โดยขึ้นอยู่กับผลลัพธ์และการดําเนินการที่ต้องการเพื่อป้องกันการฉ้อโกง

วิทยากร: 
Arun Balaji หัวหน้าวิศวกรสร้างต้นแบบของ AWS อินเดีย
Gopalakrishnan Subramanian หัวหน้าสถาปนิกโซลูชันผู้เชี่ยวชาญด้านฐานข้อมูลของ AWS อินเดีย

ระยะเวลา: 30 นาที

ลดความซับซ้อนของการวิเคราะห์ข้อมูลและการตรวจจับสิ่งผิดปกติในชุดข้อมูลแบบกระจายด้วยการสืบค้นแบบรวมศูนย์และแมชชีนเลิร์นนิง (ระดับ 200)
ผู้สร้างในปัจจุบันต้องจัดการกับข้อมูลในแหล่งข้อมูลต่าง ๆ เช่น Data Lake ฐานข้อมูล ในสถานประกอบการ ในระบบคลาวด์อื่น ๆ และแอปพลิเคชันของบุคคลที่สาม ซึ่งมีความซับซ้อนมากขึ้นเมื่อพวกเขาต้องทํางานกับทีมข้ามสายงานหลายทีม เซสชันนี้แสดงวิธีสร้างเฟรมเวิร์กสถาปัตยกรรมตั้งแต่ต้นจนจบด้วยการวิเคราะห์ แบบไม่ต้องใช้เซิร์ฟเวอร์ และโซลูชันอื่น ๆ ของ AWS เพื่อรวบรวมข้อมูลเชิงลึกเกี่ยวกับข้อมูลและระบุธุรกรรมที่ผิดปกติ ดูวิธีใช้ Amazon Athena Federated Query เพื่อให้คุณสามารถเอาชนะความท้าทายเหล่านี้ด้วยการสืบค้นแบบรวมศูนย์ลงในแหล่งที่มาของข้อมูลที่แตกต่างกันเหล่านี้ โดยไม่ต้องย้ายหรือคัดลอกข้อมูล และสร้างการวิเคราะห์และข้อมูลเชิงลึกที่มีประสิทธิภาพสูง เราสาธิตวิธีที่ Amazon Athena เชื่อมต่อกับ Amazon SageMaker เพื่อเรียกใช้การอนุมาน ML ด้วยคําสั่ง SQL ในธุรกรรมทางธุรกิจเพื่อรับข้อมูลเชิงลึกและระบุธุรกรรมที่ผิดปกติ เซสชันนี้จบลงด้วยวิธีวิเคราะห์ผลลัพธ์ของการสืบค้นแบบรวมศูนย์ของ Athena ใน Amazon QuickSight เพื่อตอบสนองความต้องการด้านการวิเคราะห์ที่แตกต่างกันจากแหล่งความจริงเดียวกันผ่านแดชบอร์ดแบบโต้ตอบ รายงานที่มีการแบ่งหน้า การวิเคราะห์แบบฝัง และการสืบค้นภาษาธรรมชาติ

วิทยากร: 
Sam Gordon สถาปนิกอาวุโสระบบคลาวด์ของ AWS Professional Services
Ed Fraga สถาปนิกระบบคลาวด์ AWS Professional Services

ระยะเวลา: 30 นาที

ตรวจสอบ ดำเนินการ และแก้ไขปัญหาทรัพยากรขององค์กรด้วย AWS Chatbot (ระดับ 300)
หลายองค์กรมีเครื่องมือและแพลตฟอร์มขององค์กรที่แตกต่างกันซึ่งมักจะไม่รวมเข้าด้วยกัน สิ่งนี้ทําให้การวิเคราะห์ข้อมูล การแบ่งปัน และการวิเคราะห์การทํางานร่วมกันทําได้ยากและใช้เวลานาน ในเซสชันนี้ คุณจะค้นพบวิธีสร้าง AWS Chatbot ซึ่งเป็นเอเจนต์เชิงโต้ตอบเพื่อตั้งค่าทรัพยากร ChatOps for AWS ด้วย AWS Chatbot ตอนนี้คุณสามารถสื่อสารและทํางานร่วมกันในการดําเนินงานด้านไอทีด้วยเครื่องมือการทํางานร่วมกันที่คุณต้องการได้แล้ว เราครอบคลุมวิธีการรวมศูนย์การจัดการโครงสร้างพื้นฐานและแอปพลิเคชัน ตลอดจนทําให้เวิร์กโฟลว์ของคุณเป็นไปโดยอัตโนมัติและปรับปรุงให้ราบรื่น รับข้อมูลเชิงลึกเกี่ยวกับวิธีสร้างประสบการณ์แบบโต้ตอบและการทํางานร่วมกัน เนื่องจากผู้ใช้สอบถามและสื่อสารแบบเรียลไทม์ผ่านอินเทอร์เฟซการแชท เซสชันนี้ยังมีการสาธิตเกี่ยวกับวิธีรับการแจ้งเตือนและเรียกใช้คําสั่งเพื่อส่งคืนข้อมูลการวินิจฉัย และสร้างกรณีการสนับสนุน เพื่อให้คุณสามารถทํางานร่วมกันและตอบสนองต่อเหตุการณ์ได้เร็วขึ้นโดยไม่ต้องเปลี่ยนไปใช้เครื่องมืออื่น ๆ ของ AWS

วิทยากร: Vikas Awasthi หัวหน้าฝ่ายสถาปนิกระบบคลาวด์ AWS Professional Services
ระยะเวลา: 30 นาที

การสร้างโซลูชันการค้นหาข้อมูลเชิงลึกอัจฉริยะโดยใช้การวิเคราะห์และ ML (ระดับ 200)
องค์กรหลายแห่งไม่ว่าจะมีขนาดและอยู่อุตสาหกรรมใดก็ตาม จำเป็นต้องจัดการกับปริมาณข้อมูลที่เพิ่มมากขึ้น พวกเขาจําเป็นต้องดำเนินการผ่านข้อมูลที่ไม่มีโครงสร้างและกึ่งโครงสร้างจํานวนมากเพื่อให้ได้ข้อมูลเชิงลึกที่มีความหมาย ในบางครั้งในการทําวิจัยเชิงลึกและขุดความรู้เหล่านี้ พวกเขาจำเป็นต้องเจาะลึกลงไปในเอกสารและข้อมูลต่าง ๆ พวกเขาต้องการดึงจุดข้อมูลสําคัญและความเชื่อมโยงระหว่างทีมต่าง ๆ อย่างแม่นยําและตัดสินใจทางธุรกิจในเวลาที่เหมาะสม เพื่อทำให้งานของพวกเขาง่ายขึ้น พวกเขาต้องการกลไกการค้นพบและการกรองอัจฉริยะเพื่อให้ได้ข้อมูลที่ถูกต้องในเวลาที่เหมาะสมและนี่อาจเป็นกระบวนการที่ใช้เวลานานมากเพื่อให้บรรลุเป้าหมายนี้ ในเซสชันนี้เราจะสาธิตวิธีการดึงข้อมูลเชิงลึกที่ถูกต้องจากเอกสารของคุณอย่างรวดเร็วด้วยการวิเคราะห์และ ML เรียนรู้วิธีใช้เทคโนโลยีของ AWS รวมถึงพื้นที่จัดเก็บ Amazon S3, Amazon Textract, Amazon Comprehend, AWS Lambda และ Amazon Kendra เพื่อสร้างแพลตฟอร์มการค้นพบอัจฉริยะและการค้นหาแบบรู้คิด และดึงข้อมูลเชิงลึกที่มีความหมายจากเอกสารที่ไม่มีโครงสร้าง

วิทยากร: Darshit Vora สถาปนิกอาวุโสด้านโซลูชันสตาร์ทอัพของ AWS อินเดีย
ระยะเวลา: 30 นาที

ปรับปรุงความเกี่ยวข้องของการค้นหาเชิงความหมายด้วยการวิเคราะห์และแมชชีนเลิร์นนิง (ระดับ 200)
เครื่องมือการค้นหาเชิงความหมายที่เพิ่มขึ้นทําให้ผู้ใช้จำนวนมากทำการค้นหาได้ง่ายขึ้น การค้นหาเชิงความหมายใช้ ML เพื่อทําความเข้าใจความหมายของคําค้นหา และปรับปรุงประโยชน์ของการค้นหาโดยการทําความเข้าใจเจตนาและความหมายตามบริบทของคําเหล่านั้นโดยนําผลลัพธ์ที่เกี่ยวข้องมากกว่าการค้นหาข้อความ เซสชันนี้ครอบคลุมถึงความสําคัญของความเกี่ยวข้องในการค้นหา การค้นหาเชิงความหมายและสถาปัตยกรรมพื้นฐาน เราสาธิตวิธีสร้างเครื่องมือค้นหาเชิงความหมายและปรับปรุงความเกี่ยวข้องในการค้นหาด้วย Amazon SageMaker และ Amazon OpenSearch Service

วิทยากร: Kamal Manchanda สถาปนิกโซลูชัน AWS อินเดีย
ระยะเวลา: 30 นาที

การวิเคราะห์แบบเรียลไทม์ที่ Edge และในระบบคลาวด์ (ระดับ 200)
ความล้มเหลวของเครื่องจักรอาจทําให้เกิดผลกระทบในทางลบต่อประสิทธิภาพการดําเนินงานของโรงงาน แต่การระบุความล้มเหลวที่สําคัญและการตรวจสอบพารามิเตอร์ทางกายภาพก่อให้เกิดความท้าทาย เพื่อปรับปรุงกระบวนการตรวจจับข้อผิดพลาดสิ่งสําคัญคือการตรวจสอบระบบการผลิตและรวบรวมข้อมูลประสิทธิภาพแบบเรียลไทม์ ในเซสชันนี้ เราจะพูดคุยและสาธิตตัวเลือกต่าง ๆ ที่มีให้เชื่อมต่อและรวบรวมข้อมูลอุปกรณ์อย่างปลอดภัยเพื่อรับข้อมูลเชิงลึกแบบเรียลไทม์ที่ Edge และในระบบคลาวด์โดยใช้การวิเคราะห์ของ AWS และ ML นอกจากนี้เรายังสาธิตกรณีการใช้งานที่มีการรวบรวมข้อมูลจากอุปกรณ์หลายเครื่องและตรวจสอบพารามิเตอร์ที่สําคัญแบบเรียลไทม์ที่ Edge ยิ่งไปกว่านั้น เรายังแสดงแดชบอร์ดส่วนกลางพร้อมข้อมูลรวมจากหลายไซต์

วิทยากร: 
Arun Balaji หัวหน้าวิศวกรสร้างต้นแบบของ AWS อินเดีย
Vikram Shitole วิศวกรการสร้างต้นแบบ AWS อินเดีย

ระยะเวลา: 30 นาที