Você não precisa construir IA do zero
No passado, adicionar IA a um app exigia engenheiros de machine learning, meses de coleta de dados e implantações em servidores. A AWS comprimiu toda essa complexidade em simples chamadas de API.
Reconhecimento facial, chatbots, transcrição de voz e tradução podem ser adicionados ao seu app sem uma equipe de ciência de dados. Para o exame, você só precisa saber qual serviço se encaixa em qual situação.
---
Cada serviço de IA é como um funcionário especializado
Imagine uma empresa com especialistas para cada tarefa. Os serviços de IA da AWS são exatamente isso: cada um lida com um trabalho específico.
| Serviço | Trabalho | Exemplo real | |---------|----------|--------------| | Amazon Rekognition | Guarda de segurança que reconhece rostos e objetos | Sistema de acesso facial, detecção de imagens inadequadas | | Amazon Lex | Recepcionista que responde perguntas | Chatbot em site, atendimento ao cliente automatizado | | Amazon Comprehend | Analista que lê e interpreta texto | Análise de sentimento em avaliações de produtos | | Amazon Transcribe | Estenógrafo que digita o que as pessoas dizem | Converter gravações de reuniões em texto | | Amazon Polly | Leitor que lê texto em voz alta | Converter artigos de notícias em áudio | | Amazon Translate | Intérprete em tempo real | Suporte multilíngue para um app global | | Amazon Textract | Funcionário que lê e extrai dados de documentos | Ler recibos ou documentos de identidade automaticamente | | Amazon Kendra | Especialista que encontra respostas em documentos | "Nossa base de conhecimento responde essa pergunta?" |
---
Amazon SageMaker — Quando você quer construir IA personalizada
Os serviços acima usam IA que a AWS já construiu. Quando sua empresa precisa de um modelo personalizado treinado com seus próprios dados únicos, é aí que entra o Amazon SageMaker.
O SageMaker gerencia todo o ciclo de vida de um modelo de machine learning: preparar dados, treinar o modelo, avaliar o desempenho e implantá-lo em produção, tudo em uma plataforma. Se você tem experiência em ML, use o SageMaker. Se só precisa de recursos de IA rápidos, use os serviços especializados acima.
---
Serviços de análise — Obtendo insights dos dados armazenados
Junto com a IA, os serviços de análise também aparecem com frequência no exame.
| Serviço | Descrição simples | Quando usar | |---------|------------------|-------------| | Amazon Athena | Execute SQL em arquivos no S3 sem nenhum servidor | Analisar logs ou arquivos CSV armazenados no S3 | | Amazon Kinesis | Processa dados em tempo real à medida que chegam | Dados de cliques do app ou leituras de sensores IoT ao vivo | | AWS Glue | Limpa, transforma e move dados entre lugares (ETL) | Consolidar dados dispersos de múltiplas fontes | | Amazon QuickSight | Transforma dados em gráficos e dashboards | Criar relatórios visuais para executivos | | Amazon EMR | Processa conjuntos de dados massivos com Hadoop ou Spark | Lidar com centenas de terabytes de big data |
---
Serviços que as pessoas frequentemente confundem
Transcribe (fala para texto) e Polly (texto para fala) são opostos. O Transcribe converte uma gravação em palavras. O Polly lê palavras em voz alta.
Rekognition é apenas para imagens e vídeo. Para extrair texto de um documento ou página digitalizada, use o Textract. Para reconhecer um rosto humano em uma foto, use o Rekognition.
Athena não precisa de servidor. Você faz upload de arquivos no S3 e executa consultas SQL diretamente. Não há nada para configurar ou gerenciar: é totalmente serverless.
---
Referência rápida para o exame
"Reconhecer rostos ou objetos em fotos e vídeo" — Amazon Rekognition "Construir um chatbot conversacional" — Amazon Lex "Analisar texto para sentimento ou frases-chave" — Amazon Comprehend "Converter fala em texto" — Amazon Transcribe "Converter texto em fala" — Amazon Polly "Tradução de idiomas em tempo real" — Amazon Translate "Extrair texto de documentos digitalizados" — Amazon Textract "Pesquisa inteligente dentro de documentos" — Amazon Kendra "Construir, treinar e implantar modelos ML personalizados" — Amazon SageMaker "SQL em dados do S3, sem servidor necessário" — Amazon Athena "Processar dados de streaming em tempo real" — Amazon Kinesis "ETL serverless, transformação de dados" — AWS Glue "Dashboards de BI e visualização de dados" — Amazon QuickSight "Processamento massivo de big data com Hadoop ou Spark" — Amazon EMR