Assista a este webinar e entenda como empresas de serviços financeiros podem usar inteligência artificial para combater fraudes por meio de reconhecimento facial e também desenvolver uma solução de análise de documentos com revisão humana.
Principais tópicos apresentados:
- Os principais casos de uso de inteligência artificial em serviços financeiros;
- Aproveite o Amazon Rekognition para realizar liveness detection e evitar atividades fraudulentas;
- Como usar serviços como Amazon Textract, Amazon Comprehend e Amazon Augmented AI para analisar documentos físicos automaticamente.
Assista a este webinar e entenda como os varejistas podem usar inteligência artificial para melhorar o engajamento do cliente com experiências personalizadas e tomar melhores decisões para o futuro com previsão de demanda. Tudo sem experiência em aprendizado de máquina.
Principais tópicos apresentados:
- Planeje seu estoque e finanças com mais precisão e rapidez usando o Amazon Forecast para prever demanda;
- Aprenda como os serviços da AWS podem ser usados para criar experiências atraentes para clientes em casos de uso no varejo.
O documento discute considerações para contratação de serviços de computação em nuvem pelo setor público. Aborda a importância de se adaptar os processos de aquisição para aproveitar os benefícios da nuvem, como flexibilidade e pagamento sob demanda. Também apresenta exemplos de formatos de contratação observados no Brasil e no exterior.
O documento apresenta os desafios da área da saúde e como a IA e Machine Learning da AWS podem ajudar, demonstrando serviços como SageMaker Ground Truth, detecção de EPIs e casos de clientes como o Hospital das Clínicas e FIDI.
AWS Data Immersion Webinar Week - Planeje e entenda como criar um repositório...Amazon Web Services LATAM
O documento discute a construção de data lakes de maneira segura seguindo boas práticas. Ele explica o que é um data lake e como a AWS Lake Formation facilita a criação, ingestão de dados, governança e segurança em data lakes na nuvem da AWS de maneira gerenciada. O documento também aborda desafios comuns na construção de data lakes e como a solução da AWS ajuda a superá-los de forma escalonável.
O documento apresenta uma visão geral sobre data lakes e análise de dados na AWS. A agenda inclui visão geral de data lake, ingestão de dados, trabalhando com o data lake, consumo do lago para análise, visualização e machine learning e uma demonstração.
O documento apresenta uma introdução ao machine learning com a Amazon Web Services. Aborda conceitos como tipos de machine learning, treinamento de modelos, importância dos dados e serviços da AWS para machine learning como Amazon Rekognition, Amazon Comprehend e Amazon Translate.
Assista a este webinar e entenda como os varejistas podem usar inteligência artificial para melhorar o engajamento do cliente com experiências personalizadas e tomar melhores decisões para o futuro com previsão de demanda. Tudo sem experiência em aprendizado de máquina.
Principais tópicos apresentados:
- Planeje seu estoque e finanças com mais precisão e rapidez usando o Amazon Forecast para prever demanda;
- Aprenda como os serviços da AWS podem ser usados para criar experiências atraentes para clientes em casos de uso no varejo.
O documento discute considerações para contratação de serviços de computação em nuvem pelo setor público. Aborda a importância de se adaptar os processos de aquisição para aproveitar os benefícios da nuvem, como flexibilidade e pagamento sob demanda. Também apresenta exemplos de formatos de contratação observados no Brasil e no exterior.
O documento apresenta os desafios da área da saúde e como a IA e Machine Learning da AWS podem ajudar, demonstrando serviços como SageMaker Ground Truth, detecção de EPIs e casos de clientes como o Hospital das Clínicas e FIDI.
AWS Data Immersion Webinar Week - Planeje e entenda como criar um repositório...Amazon Web Services LATAM
O documento discute a construção de data lakes de maneira segura seguindo boas práticas. Ele explica o que é um data lake e como a AWS Lake Formation facilita a criação, ingestão de dados, governança e segurança em data lakes na nuvem da AWS de maneira gerenciada. O documento também aborda desafios comuns na construção de data lakes e como a solução da AWS ajuda a superá-los de forma escalonável.
O documento apresenta uma visão geral sobre data lakes e análise de dados na AWS. A agenda inclui visão geral de data lake, ingestão de dados, trabalhando com o data lake, consumo do lago para análise, visualização e machine learning e uma demonstração.
O documento apresenta uma introdução ao machine learning com a Amazon Web Services. Aborda conceitos como tipos de machine learning, treinamento de modelos, importância dos dados e serviços da AWS para machine learning como Amazon Rekognition, Amazon Comprehend e Amazon Translate.
O documento discute opções de armazenamento na nuvem da AWS para migração e gerenciamento de dados híbridos. Ele descreve serviços como Amazon S3, Amazon EFS, AWS Storage Gateway e AWS DataSync que permitem mover e acessar dados armazenados na nuvem e on-premises. O documento também discute classes de armazenamento e políticas de ciclo de vida para mover dados entre camadas de acordo com os padrões de acesso.
O documento discute a construção de data lakes para o governo usando a AWS. Ele descreve como data lakes estendem a abordagem tradicional de arquitetura de dados corporativos para lidar com o crescimento e diversidade de dados. Também apresenta casos de uso de vários serviços da AWS como Amazon S3, Amazon Athena, Amazon QuickSight e Amazon SageMaker para armazenar, explorar, visualizar e analisar dados em data lakes governamentais.
Usando Containers e Serverless para acelerar o desenvolvimento de aplicações ...Amazon Web Services LATAM
Nesta sessão sobre microsserviços, compartilharemos o uso de Containers e Serverless para acelerar as implantações e iniciar a jornada de modernização das aplicações, compartilhando as melhores práticas de desenvolvimento e implantação de Serverless e Containers.
Webinar Introdução à Arquitetura de Aplicações VMware, Microsoft, e SAP na Nu...Amazon Web Services LATAM
O documento discute os desafios atuais de infraestrutura para empresas que usam SAP, Microsoft e VMware, como alto custo, obsolescência e falta de escalabilidade. Também descreve como a AWS pode ajudar essas empresas a modernizar seus workloads, reduzir custos e integrar novas tecnologias de forma flexível e segura.
O documento discute como a AWS pode ajudar clientes na jornada de conformidade com a Lei Geral de Proteção de Dados (LGPD) brasileira. Apresenta os principais conceitos da LGPD e define os papéis da AWS e do cliente segundo a lei, com base em um modelo de responsabilidade compartilhada. Também lista serviços AWS úteis para privacidade e conformidade com a LGPD.
O documento discute como a AWS pode ser usada para melhorar a segurança, incluindo o uso de serviços baseados em ML como Amazon Macie, GuardDuty e SageMaker para detectar ameaças. Também aborda o uso de logs e data lakes para análise de segurança e como ferramentas como Athena, Glue e Elasticsearch podem ser usadas para isso.
Threat detection and mitigation at AWS - SEC301 - São Paulo AWS SummitAmazon Web Services
O documento discute estratégias para detecção e mitigação de ameaças na AWS, incluindo:
1) Usar fontes de dados como CloudTrail e VPC Flow Logs para visibilidade;
2) Serviços como GuardDuty e Security Hub para detecção e tratamento de ameaças;
3) Config rules e Lambda para automatizar respostas.
O documento discute como a inteligência artificial e aprendizado de máquina podem ser usados para detectar fraudes. Ele explica que as fraudes em pagamentos são uma preocupação crescente e fornece estatísticas sobre o tamanho do problema. Em seguida, discute técnicas tradicionais como análise de links e regras e por que o machine learning é uma alternativa melhor. Finalmente, apresenta a Amazon SageMaker e casos de uso reais de clientes como o BTG Pactual e a Intuit.
O documento discute as responsabilidades de segurança na nuvem entre o cliente e a AWS. A AWS é responsável pela segurança da infraestrutura na nuvem, enquanto o cliente é responsável pela segurança dos dados, aplicações e configurações na nuvem. O documento também fornece detalhes sobre como os clientes podem proteger seus dados na AWS usando criptografia, políticas e outros controles de segurança.
AWS Initiate Brasil 2021 - Segurança e Privacidade de Dados - Ernesto dos San...Amazon Web Services LATAM
Apresentação utilizada no AWS Initiate Online Brasil 2021 nos dias 31 de Maio e 01 de Junho.
Tema: Segurança e Privacidade de Dados
Palestrante: Ernesto dos Santos (Tito)
1) A expectativa de vida média de uma empresa caiu de 60 anos para 20 anos, com mais da metade dos orçamentos para novos projetos destinados a tecnologias para atrair e reter clientes.
2) 84% dos CIOs têm responsabilidades além da TI tradicional, incluindo inovação e transformação, com critérios de sucesso mudando de entrega para métricas de negócios.
3) A migração para a nuvem permite às empresas se concentrarem na diferenciação e inovação, reduzindo riscos e custos
O documento discute as opções para migrar workloads do Microsoft, como Windows e SQL Server, para a AWS. Ele descreve os desafios atuais de alta custo, falta de velocidade e infraestrutura obsoleta que as organizações enfrentam. Em seguida, explica como a AWS pode ajudar com sua experiência operando workloads do Microsoft, menores custos totais de propriedade e liderança em modernização. Finalmente, apresenta estudos de caso de clientes que migraram com sucesso workloads do Microsoft para a AWS.
Databases on AWS- Using the right tool for the job - ADB203 - São Paulo AWS S...Amazon Web Services
O documento discute diferentes tipos de bancos de dados e seus casos de uso, incluindo bancos de dados relacionais, chave-valor, documentos, em memória e grafos. Ele também descreve vários serviços de banco de dados da AWS projetados para cada tipo de dado, como Amazon Aurora, DynamoDB, DocumentDB e Neptune.
AWS storage solutions The right tool for the right job, plus new features - S...Amazon Web Services
In this session, learn how to leverage AWS storage services to create a competitive advantage in your business. We discuss the different AWS storage offerings and describe the particular features that make AWS storage services robust and unique. We also cover the new storage capabilities, and we focus on innovations in object storage, file storage, block storage.
O documento discute as tecnologias e arquitetura da AWS para suportar cidades inteligentes, incluindo IoT, machine learning, análise de dados e soluções para conectar dispositivos, coletar e analisar dados de forma escalável e segura.
O documento discute arquiteturas de e-commerce da próxima geração para lidar com os desafios de escala, observabilidade e adaptação. Ele recomenda modernizar sistemas de e-commerce existentes desacoplando componentes, utilizando computação sem servidor e armazenamento flexível. Também discute como preparar sistemas para eventos como a Black Friday, focando em alta disponibilidade, escalabilidade, performance e visibilidade.
Creating your secure cloud journey - SVC303 - São Paulo AWS Summit.pdfAmazon Web Services
O documento discute a jornada de adoção da nuvem da AWS em uma empresa de fintech chamada Creditas. Apresenta como a empresa evoluiu de três contas sem controles para uma Landing Zone na AWS usando ferramentas como AWS Organizations, Service Control Policies e AWS Config para fornecer automação, segurança e governança em suas contas multi-ambientais.
Build sophisticated forecasting and recommendation models - AIM203 - São Paul...Amazon Web Services
Accurate forecasting and personalization provides many opportunities. In this session, we review Amazon Forecast and Amazon Personalize. Amazon Forecast provides forecasts produced by machine learning (ML) that are up to 50% more accurate than traditional methods. Amazon Personalize can create individualized recommendations for each of your customers. However, an ML setup is not necessary to get started because both use sophisticated techniques to analyze your data, select the right algorithm, and automatically train a custom model specific to your use case.
O documento discute como a tecnologia, incluindo machine learning e inteligência artificial, pode ajudar a melhorar resultados educacionais ao abordar problemas como correção de provas, videoconferência acessível, previsão de evasão e reprovação de alunos. O documento também fornece uma visão geral dos serviços e recursos de machine learning da AWS.
Drive digital transformation with artificial intelligence - AIM204 - São Paul...Amazon Web Services
Industries talk a lot about artificial intelligence, machine learning, and deep learning but don’t discuss many cases of real business transformation. In this session, we approach this topic with an executive and business vision. We talk not only about what is possible but, also, demonstrate through data and use cases a defined path based on the Amazon innovation framework—from the formulation of the initial idea to a go-to-market plan for transformation.
Assista ao webinar e aprenda como a AWS pode ajudar sua empresa a adicionar inteligência artificial (IA) ao seu negócio. Você aprenderá como usar IA em seus aplicativos mesmo sem ter experiência em aprendizado de máquina, com foco na extração automática de texto de documentos, análise de imagens e sistemas de recomendação.
Principais temas apresentados:
- Entenda por que e como usar inteligência artificial em seu negócio;
- Visão geral dos serviços de inteligência artificial da AWS;
- Extraia facilmente texto impresso, manuscrito e dados de praticamente qualquer documento com o Amazon Textract;
- Usando o Amazon Rekognition para automatizar sua análise de imagem e vídeo;
- Ofereça experiências personalizadas para seus clientes com o Amazon Personalize.
O documento discute opções de armazenamento na nuvem da AWS para migração e gerenciamento de dados híbridos. Ele descreve serviços como Amazon S3, Amazon EFS, AWS Storage Gateway e AWS DataSync que permitem mover e acessar dados armazenados na nuvem e on-premises. O documento também discute classes de armazenamento e políticas de ciclo de vida para mover dados entre camadas de acordo com os padrões de acesso.
O documento discute a construção de data lakes para o governo usando a AWS. Ele descreve como data lakes estendem a abordagem tradicional de arquitetura de dados corporativos para lidar com o crescimento e diversidade de dados. Também apresenta casos de uso de vários serviços da AWS como Amazon S3, Amazon Athena, Amazon QuickSight e Amazon SageMaker para armazenar, explorar, visualizar e analisar dados em data lakes governamentais.
Usando Containers e Serverless para acelerar o desenvolvimento de aplicações ...Amazon Web Services LATAM
Nesta sessão sobre microsserviços, compartilharemos o uso de Containers e Serverless para acelerar as implantações e iniciar a jornada de modernização das aplicações, compartilhando as melhores práticas de desenvolvimento e implantação de Serverless e Containers.
Webinar Introdução à Arquitetura de Aplicações VMware, Microsoft, e SAP na Nu...Amazon Web Services LATAM
O documento discute os desafios atuais de infraestrutura para empresas que usam SAP, Microsoft e VMware, como alto custo, obsolescência e falta de escalabilidade. Também descreve como a AWS pode ajudar essas empresas a modernizar seus workloads, reduzir custos e integrar novas tecnologias de forma flexível e segura.
O documento discute como a AWS pode ajudar clientes na jornada de conformidade com a Lei Geral de Proteção de Dados (LGPD) brasileira. Apresenta os principais conceitos da LGPD e define os papéis da AWS e do cliente segundo a lei, com base em um modelo de responsabilidade compartilhada. Também lista serviços AWS úteis para privacidade e conformidade com a LGPD.
O documento discute como a AWS pode ser usada para melhorar a segurança, incluindo o uso de serviços baseados em ML como Amazon Macie, GuardDuty e SageMaker para detectar ameaças. Também aborda o uso de logs e data lakes para análise de segurança e como ferramentas como Athena, Glue e Elasticsearch podem ser usadas para isso.
Threat detection and mitigation at AWS - SEC301 - São Paulo AWS SummitAmazon Web Services
O documento discute estratégias para detecção e mitigação de ameaças na AWS, incluindo:
1) Usar fontes de dados como CloudTrail e VPC Flow Logs para visibilidade;
2) Serviços como GuardDuty e Security Hub para detecção e tratamento de ameaças;
3) Config rules e Lambda para automatizar respostas.
O documento discute como a inteligência artificial e aprendizado de máquina podem ser usados para detectar fraudes. Ele explica que as fraudes em pagamentos são uma preocupação crescente e fornece estatísticas sobre o tamanho do problema. Em seguida, discute técnicas tradicionais como análise de links e regras e por que o machine learning é uma alternativa melhor. Finalmente, apresenta a Amazon SageMaker e casos de uso reais de clientes como o BTG Pactual e a Intuit.
O documento discute as responsabilidades de segurança na nuvem entre o cliente e a AWS. A AWS é responsável pela segurança da infraestrutura na nuvem, enquanto o cliente é responsável pela segurança dos dados, aplicações e configurações na nuvem. O documento também fornece detalhes sobre como os clientes podem proteger seus dados na AWS usando criptografia, políticas e outros controles de segurança.
AWS Initiate Brasil 2021 - Segurança e Privacidade de Dados - Ernesto dos San...Amazon Web Services LATAM
Apresentação utilizada no AWS Initiate Online Brasil 2021 nos dias 31 de Maio e 01 de Junho.
Tema: Segurança e Privacidade de Dados
Palestrante: Ernesto dos Santos (Tito)
1) A expectativa de vida média de uma empresa caiu de 60 anos para 20 anos, com mais da metade dos orçamentos para novos projetos destinados a tecnologias para atrair e reter clientes.
2) 84% dos CIOs têm responsabilidades além da TI tradicional, incluindo inovação e transformação, com critérios de sucesso mudando de entrega para métricas de negócios.
3) A migração para a nuvem permite às empresas se concentrarem na diferenciação e inovação, reduzindo riscos e custos
O documento discute as opções para migrar workloads do Microsoft, como Windows e SQL Server, para a AWS. Ele descreve os desafios atuais de alta custo, falta de velocidade e infraestrutura obsoleta que as organizações enfrentam. Em seguida, explica como a AWS pode ajudar com sua experiência operando workloads do Microsoft, menores custos totais de propriedade e liderança em modernização. Finalmente, apresenta estudos de caso de clientes que migraram com sucesso workloads do Microsoft para a AWS.
Databases on AWS- Using the right tool for the job - ADB203 - São Paulo AWS S...Amazon Web Services
O documento discute diferentes tipos de bancos de dados e seus casos de uso, incluindo bancos de dados relacionais, chave-valor, documentos, em memória e grafos. Ele também descreve vários serviços de banco de dados da AWS projetados para cada tipo de dado, como Amazon Aurora, DynamoDB, DocumentDB e Neptune.
AWS storage solutions The right tool for the right job, plus new features - S...Amazon Web Services
In this session, learn how to leverage AWS storage services to create a competitive advantage in your business. We discuss the different AWS storage offerings and describe the particular features that make AWS storage services robust and unique. We also cover the new storage capabilities, and we focus on innovations in object storage, file storage, block storage.
O documento discute as tecnologias e arquitetura da AWS para suportar cidades inteligentes, incluindo IoT, machine learning, análise de dados e soluções para conectar dispositivos, coletar e analisar dados de forma escalável e segura.
O documento discute arquiteturas de e-commerce da próxima geração para lidar com os desafios de escala, observabilidade e adaptação. Ele recomenda modernizar sistemas de e-commerce existentes desacoplando componentes, utilizando computação sem servidor e armazenamento flexível. Também discute como preparar sistemas para eventos como a Black Friday, focando em alta disponibilidade, escalabilidade, performance e visibilidade.
Creating your secure cloud journey - SVC303 - São Paulo AWS Summit.pdfAmazon Web Services
O documento discute a jornada de adoção da nuvem da AWS em uma empresa de fintech chamada Creditas. Apresenta como a empresa evoluiu de três contas sem controles para uma Landing Zone na AWS usando ferramentas como AWS Organizations, Service Control Policies e AWS Config para fornecer automação, segurança e governança em suas contas multi-ambientais.
Build sophisticated forecasting and recommendation models - AIM203 - São Paul...Amazon Web Services
Accurate forecasting and personalization provides many opportunities. In this session, we review Amazon Forecast and Amazon Personalize. Amazon Forecast provides forecasts produced by machine learning (ML) that are up to 50% more accurate than traditional methods. Amazon Personalize can create individualized recommendations for each of your customers. However, an ML setup is not necessary to get started because both use sophisticated techniques to analyze your data, select the right algorithm, and automatically train a custom model specific to your use case.
O documento discute como a tecnologia, incluindo machine learning e inteligência artificial, pode ajudar a melhorar resultados educacionais ao abordar problemas como correção de provas, videoconferência acessível, previsão de evasão e reprovação de alunos. O documento também fornece uma visão geral dos serviços e recursos de machine learning da AWS.
Drive digital transformation with artificial intelligence - AIM204 - São Paul...Amazon Web Services
Industries talk a lot about artificial intelligence, machine learning, and deep learning but don’t discuss many cases of real business transformation. In this session, we approach this topic with an executive and business vision. We talk not only about what is possible but, also, demonstrate through data and use cases a defined path based on the Amazon innovation framework—from the formulation of the initial idea to a go-to-market plan for transformation.
Assista ao webinar e aprenda como a AWS pode ajudar sua empresa a adicionar inteligência artificial (IA) ao seu negócio. Você aprenderá como usar IA em seus aplicativos mesmo sem ter experiência em aprendizado de máquina, com foco na extração automática de texto de documentos, análise de imagens e sistemas de recomendação.
Principais temas apresentados:
- Entenda por que e como usar inteligência artificial em seu negócio;
- Visão geral dos serviços de inteligência artificial da AWS;
- Extraia facilmente texto impresso, manuscrito e dados de praticamente qualquer documento com o Amazon Textract;
- Usando o Amazon Rekognition para automatizar sua análise de imagem e vídeo;
- Ofereça experiências personalizadas para seus clientes com o Amazon Personalize.
O documento fornece instruções para participar de uma sessão de perguntas e respostas online e de uma pesquisa de satisfação durante o evento StartupDay. Os participantes são instruídos a acessar o site slido.com em seus dispositivos e inserir o código do evento "STARTUPDAY" para enviar perguntas, votar nelas e preencher a pesquisa.
A culture of rapid innovation with DevOps, microservices, and serverless - MA...Amazon Web Services
O documento discute como a Amazon desenvolveu uma cultura de inovação usando DevOps, microserviços e arquiteturas serverless. Ele descreve como a Amazon migrou de uma arquitetura monolítica para microserviços e como isso permitiu times menores e mais ágeis. Também discute como a Amazon usa ferramentas como AWS Lambda, API Gateway e serviços de mensageria para habilitar arquiteturas orientadas a eventos e serverless.
O documento descreve o serviço Amazon Personalize, que fornece recursos de machine learning para personalização e recomendação em tempo real. O Amazon Personalize permite construir, treinar e implantar modelos de recomendação utilizando diferentes algoritmos de machine learning de forma fácil através de sua interface.
A culture of rapid innovation with DevOps, microservices, and serverless - MA...Amazon Web Services
O documento discute como empresas podem adotar uma cultura de inovação contínua usando abordagens como DevOps, microserviços e serverless. Ele apresenta como a Amazon desenvolveu essa cultura e como faz entregas de software de forma rápida e contínua usando essas técnicas. Também discute mudanças nos padrões arquiteturais, no modelo operacional e na entrega de software necessárias para apoiar esse tipo de abordagem.
Amazon SageMaker Machine learning for every developer and data scientist - AI...Amazon Web Services
Machine learning (ML) provides innovation for every business. Until recently, developing ML models took time and effort, making it difficult for developers to get started. In this session, we demonstrate how Amazon SageMaker—a fully managed service that enables developers to build, train, and deploy ML models at scale—overcomes those barriers. We review its capabilities across data labeling, model building, model training, tuning, and production hosting. Additionally, Workday—a provider of enterprise cloud applications for human capital management, financial management, and analytics—discusses how it accelerated ML throughout its organization, benefits gained, and why it standardized on Amazon SageMaker.
O documento fornece instruções sobre como participar de uma pesquisa de satisfação e fazer perguntas em um evento online usando a ferramenta Slido. Também resume as principais ferramentas da AWS para construir um MVP, como AWS Elastic Beanstalk para implementar e escalar monolitos e serviços como API Gateway e Lambda para construir microsserviços.
Migre seus Desktops e Apps para a AWS com Amazon WorkSpaces e AppStream 2 - ...Amazon Web Services
Este documento fornece uma visão geral dos serviços Amazon WorkSpaces e Amazon AppStream 2.0 para fornecer desktops e aplicativos virtuais gerenciados na nuvem. Ele discute como essas soluções podem resolver problemas comuns de segurança, mobilidade e escalabilidade em comparação com desktops locais e VDI. Além disso, aborda considerações de implementação como contas, redes e integração com diretórios ativos.
A AWS oferece um ecossistema de serviços para executar seus workloads em contêineres de forma administrada e escalável, sem que você precise se preocupar com a infraestrutura subjacente, liberando você e sua equipe de desenvolvimento para se concentrar no que sua empresa realmente precisa. Discutindo os serviços que incluem o Amazon ECS, Amazon EKS, Amazon ECR, AWS Fargate, AWS App Mesh e AWS Cloud Map.
Impulsione Inteligência ao IoT Edge com AWS Greengrass - IOT201 - Sao Paulo ...Amazon Web Services
Seja em carros conectados, eletrodomésticos inteligentes ou aplicações industriais, os usos de IoT estão ficando cada vez mais inteligentes. O Edge computing está ajudando a liderar essa transformação, conforme os dispositivos IoT não apenas coletam e transmitem dados, mas também fazer análises preditivas e reagem a eventos locais, mesmo sem conectividade com a nuvem. Nesta sessão, aprenda sobre a inferência de machine learning (ML) em edge computing, por que isso é importante e como usar o ML para desenvolver aplicações de IoT inteligentes. Por meio de casos de uso de clientes, demonstraremos como usar AWS Greengrass para localizar modelos de ML próprios para a nuvem, implementá-los em seus dispositivos AWS Greengrass, permitir acesso a capacidade computacional no dispositivo e aplicar os modelos a dados gerados localmente sem necessidade de conexão à nuvem.
AI and Machine Learning Applied to Product ManagementProduct School
O documento descreve o site www.productschool.com, que oferece cursos de treinamento em gerenciamento de produtos para indivíduos e empresas. O site inclui certificados, cursos e eventos sobre aplicações de inteligência artificial e machine learning para gerenciamento de produtos. O documento também discute questões éticas relacionadas ao uso da inteligência artificial.
Can your business actually be Well-Architected Yes. - SVC208 - São Paulo AWS ...Amazon Web Services
O documento discute como as empresas podem seguir as melhores práticas de arquitetura na AWS usando o AWS Well-Architected Framework. O framework fornece cinco pilares para avaliar a arquitetura de aplicativos e sistemas: segurança, confiabilidade, eficiência de desempenho, otimização de custos e excelência operacional. O documento descreve como o framework pode ajudar as equipes a criar melhores arquiteturas, comportamento preditivo e mentalidade de melhoria contínua.
O documento discute como a AWS tem evoluído nos últimos 10 anos e como pode apoiar os clientes. Ele destaca que a AWS oferece mais de 100 serviços, ajuda empreendedores a se concentrarem em seus negócios e tem experimentado forte crescimento e inovação constante. Apresenta também como a AWS pode ajudar empresas em diversos setores e como sua abordagem de segurança compartilhada protege os dados na nuvem.
Here is a 3 sentence summary of the document:
[SUMMARY]
The document discusses best practices for migrating to the cloud, highlighting the importance of establishing a cloud center of excellence to define standards and processes, analyzing costs to build a business case, and mapping existing infrastructure and applications to plan the migration. It also provides examples of migration strategies and tools that can be used at different stages of the migration process.
Nesta sessão, pela voz do cliente e do parceiro, você irá conhecer um pouco da arquitetura do Advanced-Beer-as-a-Service, desenvolvido pela ChoppUp.com.br em parceria com br.Capgemini.com. A solução conta com AWS IoT, Step Functions, S3, Lambda e mais.
https://aws.amazon.com/pt/blogs/startups/internet-of-beer-introducing-simple-beer-service/
O documento apresenta os serviços de Professional Services da AWS, descrevendo como eles podem ajudar clientes em sua jornada para a nuvem pública. É destacado que o foco é nos resultados de negócio, não apenas na tecnologia, e que o modelo de atendimento é personalizado. Exemplos de arquiteturas de clientes de sucesso são apresentados.
1) A empresa oferece soluções avançadas de tecnologia da informação para ajudar clientes a expandirem seus negócios.
2) Os serviços da empresa não só fornecem informações, mas também gera inteligência e alinhamento com estratégias e lucratividade dos clientes.
3) A empresa conta com uma equipe experiente de executivos e consultores certificados para fornecer suporte integral aos clientes.
O documento discute o conceito de computação em nuvem, seu mercado e exemplos de uso. Apresenta a vinit, empresa que oferece soluções em tecnologia da informação, incluindo desenvolvimento de sistemas, soluções móveis, computação em nuvem e aplicações ricas para internet. A vinit utiliza metodologias ágeis e processos como RUP para garantir qualidade e governança nos projetos.
Developing intelligent robots with AWS RoboMaker - SVC206 - São Paulo AWS SummitAmazon Web Services
Robots are becoming more prevalent in our lives, helping us carry out tedious housework, distribute warehouse inventory, automate manufacturing, and research lunar landscapes. But the applications that run them demand a high level of intelligence and autonomy. Until now, developing, testing, and deploying intelligent robotics applications was difficult and time-consuming. AWS RoboMaker is a new cloud robotics service that makes it easy for developers to develop, test, and deploy robotics applications and build intelligent robotics functions using cloud services. In this session, we dive into how customers are using AWS RoboMaker to accelerate development timelines and build innovative robotics solutions.
Semelhante a AWS Webinar Series Brasil: Inteligência Artificial em Serviços Financeiros (20)
O documento discute opções para Disaster Recovery na nuvem AWS, incluindo Backup e Restore, Pilot Light, Warm Standby e Multi-Site. A AWS oferece várias soluções para atender a diferentes requisitos de RTO e RPO a um custo variável. A nuvem permite testes fáceis e dimensionamento flexível dos recursos de recuperação de desastres.
O documento discute opções para Disaster Recovery na nuvem AWS, incluindo Backup e Restore, Pilot Light, Warm Standby e Multi-Site. A AWS oferece várias soluções para atender a diferentes requisitos de RTO e RPO a um custo variável. A nuvem permite testes fáceis e dimensionamento flexível dos recursos de recuperação de desastres.
O documento descreve várias soluções de segurança da nuvem da AWS, incluindo ferramentas para gestão de acessos e identidade, detecção, segurança de infraestrutura, resposta a incidentes e proteção de dados. A AWS oferece 203 certificações de segurança e mais de 2.600 controles auditados anualmente para ajudar clientes a manterem a conformidade e segurança na nuvem.
En este webinar, aprenderá cómo las empresas pueden aprovechar la nube de AWS para automatizar los pipelines de desarrollo de software. Este enfoque permite que su equipo sea más ágil, mejorando su capacidad para entregar aplicaciones y servicios rápidamente.
Neste webinar, você aprenderá como as empresas podem se valer da nuvem da AWS para automatizar os pipelines de desenvolvimento de software. Essa abordagem permite que sua equipe seja mais ágil, melhorando sua capacidade para entregar aplicações e serviços mais rapidamente.
Las tecnologías como los contenedores y kubernetes pueden hacer que sus procesos de entrega de software sean más fáciles y más rápidos. En este webinar, hablaremos sobre cómo usar el Amazon Kubernetes Service (EKS) para construir aplicaciones modernas con grupos Kubernetes totalmente administrados.
Tecnologias como containers e Kubernetes podem tornar seus processos de entrega de software mais fáceis e rápidos. Neste webinar, falaremos sobre como usar o Amazon Elastic Kubernetes Service (EKS) para criar aplicativos modernos com clusters de Kubernetes totalmente gerenciados.
Ransomware é uma das ameaças de crescimento mais rápido para qualquer organização. Nenhuma empresa, grande ou pequena, está imune a ataques de cibercriminosos. Nesta sessão, mostramos como você pode aproveitar os serviços e recursos da nuvem AWS para proteger seus dados mais valiosos de ataques cibernéticos e acelerar a restauração de operações.
El ransomware es una de las amenazas de más rápido crecimiento para cualquier organización. Ninguna empresa, grande o pequeña, es inmune a los ataques de los ciberdelincuentes. En esta sesión, mostramos cómo puede aprovechar los servicios y las capacidades de la nube AWS para proteger sus datos más valiosos de los ataques cibernéticos y acelerar la restauración de las operaciones.
Ransomware é uma prática maliciosa que tem se popularizado nos últimos anos. Nessa sessão, mostraremos como através da Amazon Web Services nossos clientes podem desenvolver uma estratégia pró-ativa de mitigação a ataques de ransomware, tanto em cenários on-premises como operando na nuvem.
El ransomware es una práctica maliciosa que se ha popularizado en los últimos años. En esta sesión les mostraremos cómo desde Amazon Web Services nuestros clientes pueden desarrollar una estrategia proactiva de mitigación frente a ataques de ransomware, tanto en escenarios on-premises, como operando en la nube.
Al mover datos a la nube, los clientes deben comprender los métodos óptimos para los diferentes casos de uso, los tipos de datos que están moviendo y los recursos disponibles en la red, entre otros. Las soluciones de migración y transferencia de AWS contemplan desde la migración de datos con conectividad limitada, almacenamiento en la nube híbrida, transferencias frecuentes de archivos B2B, hasta transferencias de datos en línea y sin conexión. En esta sesión, le mostramos cómo puede acelerar la migración y transferencia de datos de manera simplificada desde y hacia la nube de AWS.
O documento discute estratégias para migração de dados para a AWS, incluindo serviços como AWS Transfer Family para transferência de arquivos, AWS DataSync para mover dados entre ambientes on-premises e AWS, e AWS Snow Family para transferência offline de grandes quantidades de dados.
El almacenamiento de archivos tiene diversos casos de uso; como directorios de usuarios, datos de aplicaciones, archivos multimedia y almacenamiento compartido para cargas de trabajo de alto rendimiento. La administración del almacenamiento de archivos en instalaciones propias suele ser un trabajo pesado, indiferenciado, con altos costos de adquisición, carga operativa para configurar y administra, lo que conlleva a desafíos de escalabilidad. En esta sesión, le mostramos cómo puede aprovechar las soluciones de archivos totalmente administradas de AWS para dejar de preocuparse por la sobrecarga administrativa de configurar, proteger, mantener y realizar copias de seguridad de su infraestructura de archivos.
La visualización de datos analíticos es un reto al que se enfrentan muchas organizaciones, el poder crear tableros, alertas, agregar predicciones a sus datos y actuar de acuerdo a estas de manera rápida es una necesidad de todos los negocios actuales. Únase a nuestros arquitectos para aprender como Amazon QuickSight le permite agregar inteligencia de negocios a sus aplicaciones y crear predicciones a futuro de sus datos. Amazon QuickSight es un servicio de inteligencia de negocios escalable y serverless creado para la nube, a través del cual podrá explotar sus datos de negocio para convertirlos en insights para hacer decisiones informadas sobre su negocio sin preocuparse de la gestión, escalamiento y la disponibilidad de la infraestructura de cómputo.
A visualização de dados é um desafio que muitas organizações enfrentam hoje. Criar dashboards, alertas, fazer previsões e agir rapidamente de acordo com os insights dos dados é uma necessidade de todas as empresas. Junte-se aos nossos arquitetos para aprender como o Amazon QuickSight o ajudará a adicionar BI aos seus aplicativos. O Amazon Quicksight é um serviço de BI escalável e serverless criado para a nuvem. Com ele, você pode explorar seus dados para obter insights e tomar decisões embasadas em seus negócios, sem se preocupar em gerenciar e dimensionar servidores e manter a disponibilidade de sua infraestrutura.
1) O documento discute os benefícios de migrar workloads de Big Data para a AWS, incluindo tornar mais fácil construir data lakes e analytics, oferecer maior abrangência de serviços e fornecer infraestrutura mais segura e escalável.
2) É apresentada a plataforma Amazon EMR para executar aplicativos de Big Data de forma gerenciada na AWS, proporcionando melhor desempenho a menor custo em comparação a clusters on-premises.
3) A separação de computação e armazenamento no Amazon EMR permite
PRODUÇÃO E CONSUMO DE ENERGIA DA PRÉ-HISTÓRIA À ERA CONTEMPORÂNEA E SUA EVOLU...Faga1939
Este artigo tem por objetivo apresentar como ocorreu a evolução do consumo e da produção de energia desde a pré-história até os tempos atuais, bem como propor o futuro da energia requerido para o mundo. Da pré-história até o século XVIII predominou o uso de fontes renováveis de energia como a madeira, o vento e a energia hidráulica. Do século XVIII até a era contemporânea, os combustíveis fósseis predominaram com o carvão e o petróleo, mas seu uso chegará ao fim provavelmente a partir do século XXI para evitar a mudança climática catastrófica global resultante de sua utilização ao emitir gases do efeito estufa responsáveis pelo aquecimento global. Com o fim da era dos combustíveis fósseis virá a era das fontes renováveis de energia quando prevalecerá a utilização da energia hidrelétrica, energia solar, energia eólica, energia das marés, energia das ondas, energia geotérmica, energia da biomassa e energia do hidrogênio. Não existem dúvidas de que as atividades humanas sobre a Terra provocam alterações no meio ambiente em que vivemos. Muitos destes impactos ambientais são provenientes da geração, manuseio e uso da energia com o uso de combustíveis fósseis. A principal razão para a existência desses impactos ambientais reside no fato de que o consumo mundial de energia primária proveniente de fontes não renováveis (petróleo, carvão, gás natural e nuclear) corresponde a aproximadamente 88% do total, cabendo apenas 12% às fontes renováveis. Independentemente das várias soluções que venham a ser adotadas para eliminar ou mitigar as causas do efeito estufa, a mais importante ação é, sem dúvidas, a adoção de medidas que contribuam para a eliminação ou redução do consumo de combustíveis fósseis na produção de energia, bem como para seu uso mais eficiente nos transportes, na indústria, na agropecuária e nas cidades (residências e comércio), haja vista que o uso e a produção de energia são responsáveis por 57% dos gases de estufa emitidos pela atividade humana. Neste sentido, é imprescindível a implantação de um sistema de energia sustentável no mundo. Em um sistema de energia sustentável, a matriz energética mundial só deveria contar com fontes de energia limpa e renováveis (hidroelétrica, solar, eólica, hidrogênio, geotérmica, das marés, das ondas e biomassa), não devendo contar, portanto, com o uso dos combustíveis fósseis (petróleo, carvão e gás natural).
As classes de modelagem podem ser comparadas a moldes ou
formas que definem as características e os comportamentos dos
objetos criados a partir delas. Vale traçar um paralelo com o projeto de
um automóvel. Os engenheiros definem as medidas, a quantidade de
portas, a potência do motor, a localização do estepe, dentre outras
descrições necessárias para a fabricação de um veículo
Em um mundo cada vez mais digital, a segurança da informação tornou-se essencial para proteger dados pessoais e empresariais contra ameaças cibernéticas. Nesta apresentação, abordaremos os principais conceitos e práticas de segurança digital, incluindo o reconhecimento de ameaças comuns, como malware e phishing, e a implementação de medidas de proteção e mitigação para vazamento de senhas.
Este certificado confirma que Gabriel de Mattos Faustino concluiu com sucesso um curso de 42 horas de Gestão Estratégica de TI - ITIL na Escola Virtual entre 19 de fevereiro de 2014 a 20 de fevereiro de 2014.
You’ve probably heard these technologies described in a number of ways so let’s take a step back to level-set on what they are.
AI is a way to describe any system that can replicate tasks that previously required human intelligence.
Almost always, this is related to some kind of complex decision making where human judgment would be required. Most uses cases for AI are looking for a probabilistic outcome – making a prediction or decision with a high degree of certainty, similar to human judgement.
Almost all AI systems today are created using machine learning, which uses large amounts of data to create and validate decision logic, known as a model. The AI application then feeds input data into that model, and the model outputs human-like decisions. So machine learning is the underlying technology that is powering intelligent systems.
Deep Learning is a type of machine learning that uses a technique known as deep neural networks. These systems replicate how the human brain functions. This lets AI systems address more complex uses cases than was previously possible.
For more than 20 years, ML has been at the core of how Amazon improves our services and drive customer value.
We started by applying deep learning to recommendations on Amazon.com 20 years ago. We’ve improved that model significantly over time and moved it to other products such as Amazon Prime.
We use ML throughout our fulfillment process including developing a forecast system that can predict the appropriate amount of demand for each product we sell worldwide in order to deliver on our customer expectation on convenience, cost, and delivery speed.
We’ve developed natural language understanding and text-to-speech technology to give consumers and entirely new way to interact with technology through Alexa.
Currently Amazon has more than 25 fulfilment centers using the help of 100,000 robots to fulfill customer orders. And we’ve developed ground breaking technology with autonomous flight via Prime Air Drones all in service of getting our customers their packages faster.
Not only are these use cases potentially applicable to your business, but our experience implementing ML to make impact at Amazon is applied to helping our customers accelerate their adoption of machine learning.
There’s been a lot of hype around AI and Machine Learning, and their potential to drive digital transformation in the enterprise. Each year, Gartner authors a report on the hype cycle for emerging technologies. For the last four years running, machine and deep learning have been at the peak of their hype cycle.
Its interesting to note that machine learning has been around for more than 50 years. Most of the common machine learning techniques we use today were really invented decades ago. What has changed recently is that with cloud computing, AI and machine learning have become accessible to all businesses – not limited to just the major tech giants and hardcore academic researchers. Cloud has removed so many of the barriers to experimenting and innovating with AI that even risk-adverse businesses are making it part of their strategies.
So we’re seeing a tipping point, where the recent hype for these technologies is transitioning to real impact on businesses. A recent IDC study estimated that this year, 40% of digital transformation initiatives will take advantage of AI. IDC also predicted that by 2021, global spending on AI and cognitive technologies will exceed $50 billion.
For example:
Customer experience is being transformed via capabilities such as conversational interfaces, smart biometric authentication, and personalization and recommendations.
In retail, sophisticated demand planning and forecasting models are dramatically improving accuracy.
Automation is making supply chain management more efficient.
In healthcare, we’re seeing a shift from reactive to predictive care, including the use of predictive models to accelerate research and discovery of new drugs and treatments regiment.
FACTS FOR COLOR:
According to IDC, global spending on AI and cognitive technologies will reach $19.1 billion in 2018, up 54.2 percent compared to a year ago. By 2021, AI and cognitive spending will hit $52.2 billion. (“Worldwide Spending on Cognitive and Artificial Intelligence Systems Will Grow to $19.1 Billion in 2018,” March 22, 2018, IDC.)
42% of executives say AI will drive innovation in their organization (Shook, Ellyn and Mark Knickrehm, ”Reworking the Revolution: Future Workforce,“ 2018, Accenture.)
Enterprises balancing in-house innovation with strong external collaboration in AI have seen nearly twice the growth rate in the value of their companies. (“Boost Your AIQ: Transforming Into an AI Business,” 2017, Accenture.)
Analysts are currently predicting there will be 5.2 Zettabytes of ML analyzable data by 2025, which is 50X more than 2016 - IDC White Paper: April 2017 – The evolution of data to life critical. https://solutionsreview.com/data-management/idc-data-creation-to-reach-163-zettabytes-by-2025/
Retail: AI-based demand forecasting reduced errors by 30-50%, with lost sales due to product unavailability reduced by up to 65%. (“Artificial Intelligence: The Next Digital Frontier?” June 2017, McKinsey Global Institute.)
Manufacturing: Using AI to predict sources of servicing revenues and to optimize sales efforts can increase EBIT by 13%. (“Artificial Intelligence: The Next Digital Frontier?” June 2017, McKinsey Global Institute.)
Electric Utilities: Automated inspection, preventive maintenance, demand management, and theft detection could raise EBITDA by 20-30%. (“Artificial Intelligence: The Next Digital Frontier?” June 2017, McKinsey Global Institute.)
Health Care: Use of AI could mean $300 billion in savings domestically. Nurses supported by AI tools can increase productivity by up to 50%. (“Artificial Intelligence: The Next Digital Frontier?” June 2017, McKinsey Global Institute.)
Specifically in financial services, we are seeing adoption of AI/ML across five primary use cases:
Compliance, surveillance, and fraud detection
Payment fraud detection – optimizing the model to provide sufficient protection for the user and merchant, but not over doing it where the false positives erode the customer experience
Markets surveillance – use ML to detect market anomalies and other behavioral patterns
Identify Verification – use ML to streamline and enhance the customer onboarding experience while automating the KYC process
Document processing
Use ML techniques such as optical character recognition (OCR) and natural language processing (NLP) to streamline due diligence and document review processes
Extract entities, dates, locations from documents and match them with internal databases
Pricing and product recommendation
Develop personalized products, services, and recommendations
For example, Vanguard’s presentation at re:Invent noted using a person’s goals, current investments, demographics to create an optimal investment portfolio
Trading and analytics
Applying ML to alternative data sets like satellite imagery to predict crop yields; or count the number of cars in the parking lot of a department store to predict quarterly sales and earnings
Applying ML for sentiment analysis on social media (and traditional media) feeds
Predictive analytics (i.e. trying to predict stock loan rates)
Customer Experience
ML is used to automate the customer onboarding process – 20 years ago, opening a bank account required a person to fill out a physical application form and it took several days. Today, you can open an account in under a minute, by taking a picture of yourself and you ID with your phone, and uploading it to the application. Using ML, the FI uses OCR to extract text data from the ID and uses facial recognition to confirm the identity of the applicant.
ML is also used in the form of chat bots to communicate with the customer’s choice of interaction channels: voice, text, web
For all the progress we have made in Machine Learning, there are still some common challenges that we’ve observed that keep organizations from implementing machine learning.
According to McKinsey Global AI Survey 2019, 65 percent from the high performers report having a clear data strategy that supports and enables AI, compared with 20 percent from other companies.
According to the Gartner’s 2019 CIO Agenda survey, skill of staff is rated the number one blocker to AI adoption with 56% of people citing it as a blocker.
McKinsey Global AI Survey 2019: 72 percent of respondents from AI high performers say their companies’ AI strategy aligns with their corporate strategy, compared with 29 percent of respondents from other companies.
Our mission is to take our rich experience and expertise with machine learning across Amazon and put it in the hands of all organizations--every developer, data scientist, reseacher.
Said another way, we want to simplify machine learning. We want to make it easy for all developers to easily build intelligent applications
Company description: Founded in 2013, Nubank is a financial services startup based in Brazil, offers customers a no-fee, low-interest credit card, banking, financial services. The company's differentiating factor is to offer a digital bank account and a credit card which is controlled completely through a mobile app. Use Case: All-in
Geo: LATAMSources/Links: -NuBank
-https://youtu.be/GMCqu357hlk-https://aws.amazon.com/pt/solutions/case-studies/nubank2019/
We’re innovating on behalf of our customers to deliver the broadest and deepest set of machine learning capabilities for builders of all levels of expertise. At each layer of the stack, we’re investing in removing the undifferentiated heavy lifting so your teams can move faster. We also now have purpose-built solutions for industries, such as industrials and healthcare.
Let’s take a walk through this the three layers.
We’re innovating on behalf of our customers to deliver the broadest and deepest set of machine learning capabilities for builders of all levels of expertise. At each layer of the stack, we’re investing in removing the undifferentiated heavy lifting so your teams can move faster. We also now have purpose-built solutions for industries, such as industrials and healthcare.
Let’s take a walk through this the three layers.
Speaker Notes: Idea is to go broad if the right audience is in the room. Briefly bring up Mortgage, CC application processing, and finally Invoice processing before moving to next slide.
OpenData – OpenBanking - LGPD
Speaker Notes:
Can automatically check information on premises before migrating to a cloud or across jurisdictional boundaries .
Can run rules against all text-readable documents including Word, .pdf, Open Office and many legacy programs.
TheTeraDactor to take action on data from hundreds of different types of databases including: Oracle, MSSQL, Mongo DB, Cassandra, SAP HANA, etc. during the extract, transform, load (ETL) process. One of the largest immediate use cases for this capability is to address the European Union’s General Data Protection Regulation (GDPR) where, among other things, TeraDactor can ensure an individual’s right to be forgotten in compliance with Articles 17 & 20 of those regulations.
Tokens allow customers to segment storage of sensitive data ensuring protection of originals and tokens while allowing for privacy compliant analytic to be performed on de-identified data.
Payment Card Industry Data Security Standard (PCI-DSS)
Health Insurance Portability and Accountability Act (HIPAA)
Federal Information Security Management Act (FISMA)
European Union Agency for Network and Information Security (ENISA)
General Data Protection Regulation (GDPR)
:
One of the most popular areas of AI adoption with FSI is around transforming customer experiences. This includes using Amazon Polly, our text to speech service, to automate communications with customers (FICO; Bloomberg) or building chatbots using Amazon Lex (Old Mutual; Liberty Mutual). Additionally, as with all AWS services, each AI service is a building block that can be built on top of each other to provide an end to end workflow. For example, voice data today is stored for compliance reasons and generally not mined for business insights. With the AI services, we can now take the voice data stored by Amazon Connect -> Transcribe it into text -> Translate it (if necessary) -> Run Comprehend across this text to identify the entities involved and the sentiment of the conversation to better understand the context of the call.
[Note to presenter]: Individual slides with details for each customer reference is available in the appendix.
Another common area of AI adoption is in the area of identity verification and compliance. For example, Aella Credit uses Amazon Rekognition, which is our object and facial recognition service, to match the face of the user with that of his/her ID as well as a private database and provides instant loans to individuals with a verifiable source of income.
FINRA uses Amazon Comprehend, a natural language processing service, to extract names of individuals and organizations and match them to their Central Registration Depository (CRD) records. FINRA then passes this data into Amazon Neptune, a graph database, to better understand the relationship across the various individuals and organizations.
WeLend, social lending platform based in Hong Kong, utilizes Amazon’s AI tools, such as Amazon Rekognition, to identify and categorize each document uploaded to their application, such as a driver’s license or ID card.
PrivatBank, the largest commercial bank in Ukraine, launched a biometric payment system called FacePay24, which uses Amazon Rekognition, that allows users to pay for purchases by looking at a tablet’s camera.
[Note to presenter]: Individual slides with details for each customer reference is available in the appendix.
It provides timestamps for every word so you can align the text with the audio for subtitling and search use cases
The output text has punctuation, which makes it easy to read
To gain insights from your business’ conversations, you can stream audio from telephone calls to Amazon Kinesis Video Streams in real-time. You can quickly build audio analytics applications through integration with Amazon Comprehend, Amazon Transcribe, Amazon SageMaker, and other common machine learning (ML) libraries.
For example, you may need to analyze contact center conversations for Quality Assurance and training purposes. Simply download the pre-packaged lambda function for call recording, enable streaming on the Voice Connector, create your S3 bucket then ensure that the Lambda execution role has access to the services that you plan to enable, this would include Kinesis Video Streams and S3. Another example would be where you add Lambda execution access to Amazon Transcribe to build a compliance app that checks transcriptions to verify that proper disclosures were issued . Like when someone buys stocks or signs up for a service over the phone.
When using Voice Connector for SIP trunking, simply select the streaming option. Even when you do not use Voice Connector for SIP trunking, you can still use Voice Connector to stream calls by using SIPREC, an industry standard for sending media that is supported by most SBCs, contact centers, and PBXs.
O Amazon Textract é capaz de extrair dados rapidamente e de forma precisa, com a flexibilidade de suportar diversos tipos de documentos. Ele ajuda a reduzir, ou até eliminar, o esforço manual de extrair dados, reduzindo o custo de muitas soluções que necessitam de esfoço manual ainda.
Uma das vantagens do uso de serviços de AI é que você não precisa ter experiência com Machine Learning. Através de chamadas de API, usando os SDK da AWS, você poderá enviar documentos do tipo JPG, PNG, ou PDF, e fazer tanto a extração de textos de documentos ou formulários.
A vantagem de uso de um serviço de AI também é a agilidade de criar um produto e disponibilizá-lo no Mercado mais rapidamente, assim como também não ter que se preocupar em gerenciar a infraestrutura e a segurança do serviço, deixando com a AWS assuma essa responsabilidade na camada do serviço em si.
Amazon Textract can extract data quickly, accurately and with flexibility from various document types. This helps reduce or in some cases eliminate manual effort that we see a lot of our customers facing. By extracting data and reduce manual effort this saves money and processing costs and doesn’t require any special machine learning skills. The beauty of the AWS AI services is, no ML experience is required so you can get to market faster.
O Amazon Comprehend também é capaz de utilizer jargões específicos de um segment de Mercado, ao aprender entidades customizadas. Sem a necessidade de conhecer como algoritmos de Machine Learning para NLP funcionam, nossos clients podem se beneficiar das técnicas de AutoML para criar modelos customizados de NLP. Utilizamos uma rede neural Deep Learning desenvolvida por nós, onde utilizamos uma técnica chamada Transfer Learning (transferência de conhecimento). Dessa forma, treinamos seus modelo customizado sem a necessidade de ter um grande dataset, ao trazermos um modelo previamente treinado com grandes datasets que envolvem múltiplos domínios. A junção deste modelo previamente treinado com os jargões customizados, resulta em um modelo customizado que entende detalhes específicos de um segment de Mercado.
Além disso, é possível criar um modelo específico para análise dos documentos de forma a incluir estes jargões.
Vejamos essa estrutura customizada. A partir do modelo native do Amazon Comprehend seríamos capazes de extrair dados como pessoa e organização. Entretanto, o Amazon Comprehend não saberia pegar as informações de parte e qual ação tomar. Como usamos a função de Custom Entities e treinamos um modelo customizado para analisar os textos, o Amazon Comprehend foi capaz de identificar exatamente qual a peça que o cliente estava mencionando, assim como a ação que ele gostaria de tomar. Com este tipo de abordagem, podemos usar o Amazon Comprehend não só para nos ajudar a analisar os textos, mas Podemos usar estas informações para melhorar fluxos de conversa em chatbots, para construer dashboards que demonstrem o grau de satisfação dos clients em relação aos nossos produtos, analisar chamadas telefonicas para fins de melhorar os atendentes, entre muitas outras opções.
Amazon Augmented AI (Amazon A2I) makes it easy to build the workflows required for human review of ML predictions. Amazon A2I brings human review to all developers, removing the undifferentiated heavy lifting associated with building human review systems or managing large numbers of human reviewers.
Many machine learning applications require humans to review low confidence predictions to ensure the results are correct. For example, extracting information from scanned mortgage application forms can require human review in some cases due to low-quality scans or poor handwriting. But building human review systems can be time consuming and expensive because it involves implementing complex processes or “workflows”, writing custom software to manage review tasks and results, and in many cases, managing large groups of reviewers.
Amazon A2I makes it easy to build and manage human reviews for machine learning applications. Amazon A2I provides built-in human review workflows for common machine learning use cases, such as content moderation and text extraction from documents, which allows predictions from Amazon Rekognition and Amazon Textract to be reviewed easily. You can also create your own workflows for ML models built on Amazon SageMaker or any other tools. Using Amazon A2I, you can allow human reviewers to step in when a model is unable to make a high confidence prediction or to audit its predictions on an on-going basis.
Amazon Augmented AI (Amazon A2I) makes it easy to build the workflows required for human review of ML predictions. Amazon A2I brings human review to all developers, removing the undifferentiated heavy lifting associated with building human review systems or managing large numbers of human reviewers.
Many machine learning applications require humans to review low confidence predictions to ensure the results are correct. For example, extracting information from scanned mortgage application forms can require human review in some cases due to low-quality scans or poor handwriting. But building human review systems can be time consuming and expensive because it involves implementing complex processes or “workflows”, writing custom software to manage review tasks and results, and in many cases, managing large groups of reviewers.
Amazon A2I makes it easy to build and manage human reviews for machine learning applications. Amazon A2I provides built-in human review workflows for common machine learning use cases, such as content moderation and text extraction from documents, which allows predictions from Amazon Rekognition and Amazon Textract to be reviewed easily. You can also create your own workflows for ML models built on Amazon SageMaker or any other tools. Using Amazon A2I, you can allow human reviewers to step in when a model is unable to make a high confidence prediction or to audit its predictions on an on-going basis.
We’re innovating on behalf of our customers to deliver the broadest and deepest set of machine learning capabilities for builders of all levels of expertise. At each layer of the stack, we’re investing in removing the undifferentiated heavy lifting so your teams can move faster. We also now have purpose-built solutions for industries, such as industrials and healthcare.
Let’s take a walk through this the three layers.
As I mentioned previously, SageMaker is a service with a lot of different features and capabilities in it. We typically talk about those capabilities as falling into four categories: Data preparation, the model build phase, training and tuning, and deployment and management (or hosting).
These four categories really address the needs that ML builders have when dealing with each stage of a model’s lifecycle.
Later in this presentation I can give you a full feature tour of as many of these features that might be interesting to you.
===== Interaction Opportunity =====
I’ll pause here for a moment to see if there are any capabilities that you see listed here which may be of particular interest to you and your organization at this point in time?
Great – well we can certainly dive deeper into that in just a few moments.
It’s worth noting that there are a number of key considerations when applying machine learning, especially for financial institutions. We have reference architectures and best practices that we can share with you around the security and governance aspects of machine learning. These are materials that are developed and compiled based on our interactions with customers such as Vanguard, Moody’s, Intuit, and others.