Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Machine Learning (ML) et intelligence artificielle (IA)
Amazon Augmented AI
Amazon Augmented AI (Amazon A2I) est un service de machine learning qui permet de créer facilement les flux de travail nécessaires à l'évaluation humaine. Amazon A2I met l'évaluation humaine à la disposition de tous les développeurs, en supprimant le fardeau indifférencié associé à la création de systèmes d'évaluation humaine ou à la gestion d'un grand nombre de réviseurs humains, qu'il fonctionne ou non. AWS
Amazon Bedrock
Amazon Bedrock est un service entièrement géré qui met à disposition des modèles fondamentaux (FM) d'Amazon et des principales startups d'IA via une API. Grâce à l'expérience sans serveur Amazon Bedrock, vous pouvez rapidement démarrer, expérimenter avec des FM, les personnaliser en privé avec vos propres données, et intégrer et déployer des FM en toute simplicité dans vos applications. AWS
Vous pouvez choisir parmi une variété de modèles de base, notamment Amazon Titan, Claude 2 d'Anthropic, Command and Embed de Cohere, Jurassic-2 d'AI21 Studio et Stable Diffusion de Stability AI.
Amazon CodeGuru
Amazon CodeGuru est un outil de développement qui fournit des recommandations intelligentes pour améliorer la qualité du code et identifier les lignes de code les plus coûteuses d'une application. CodeGuru Intégrez-le à votre flux de travail de développement logiciel existant pour automatiser les révisions de code pendant le développement des applications, surveiller en permanence les performances des applications en production et fournir des recommandations et des indices visuels sur la manière d'améliorer la qualité du code, les performances des applications et de réduire les coûts globaux.
Amazon CodeGuru Reviewer utilise le machine learning et le raisonnement automatique pour identifier les problèmes critiques, les vulnérabilités de sécurité et hard-to-find les bogues lors du développement d'applications et fournit des recommandations pour améliorer la qualité du code.
Amazon CodeGuru Profiler aide les développeurs à identifier les lignes de code les plus coûteuses d'une application en les aidant à comprendre le comportement d'exécution de leurs applications, à identifier et à supprimer les inefficiences du code, à améliorer les performances et à réduire de manière significative les coûts de calcul.
Amazon Comprehend
Amazon Comprehend utilise le machine learning et le traitement du langage naturel (NLP) pour vous aider à découvrir les informations et les relations contenues dans vos données non structurées. Le service identifie la langue du texte, extrait des phrases, des lieux, des personnes, des marques ou des événements clés, comprend le caractère positif ou négatif du texte, analyse le texte à l'aide de la tokenisation et de parties du discours, et organise automatiquement une collection de fichiers texte par sujet. Vous pouvez également utiliser les fonctionnalités AutoML d'Amazon Comprehend pour créer un ensemble personnalisé d'entités ou de modèles de classification de texte spécialement adaptés aux besoins de votre organisation.
Pour extraire des informations médicales complexes à partir de texte non structuré, vous pouvez utiliser Amazon Comprehend Medical. Le service peut identifier les informations médicales, telles que les conditions médicales, les médicaments, les doses, les concentrations et les fréquences, à partir de diverses sources telles que les notes du médecin, les rapports d'essais cliniques et les dossiers médicaux des patients. Amazon Comprehend Medical identifie également la relation entre le médicament extrait et les informations relatives aux tests, aux traitements et aux procédures afin de faciliter l'analyse. Par exemple, le service identifie une posologie, une concentration et une fréquence particulières liées à un médicament spécifique à partir de notes cliniques non structurées.
Amazon DevOps Guru
Amazon DevOps Guru est un service basé sur le ML qui permet d'améliorer facilement les performances opérationnelles et la disponibilité d'une application. Amazon DevOps Guru détecte les comportements qui s'écartent des modèles de fonctionnement habituels afin que vous puissiez identifier les problèmes opérationnels bien avant qu'ils n'affectent vos clients.
Amazon DevOps Guru utilise des modèles de machine learning basés sur des années d'expérience sur Amazon.com et sur l'excellence AWS opérationnelle pour identifier les comportements anormaux des applications (tels qu'une latence accrue, des taux d'erreur, des contraintes de ressources, etc.) et identifier les problèmes critiques susceptibles d'entraîner des pannes ou des interruptions de service. Lorsqu'Amazon DevOps Guru identifie un problème critique, il envoie automatiquement une alerte et fournit un résumé des anomalies associées, la cause première probable et le contexte indiquant quand et où le problème s'est produit. Dans la mesure du possible, Amazon DevOps Guru fournit également des recommandations sur la manière de résoudre le problème.
Amazon DevOps Guru ingère automatiquement les données opérationnelles de vos AWS applications et fournit un tableau de bord unique pour visualiser les problèmes liés à vos données opérationnelles. Vous pouvez commencer en activant Amazon DevOps Guru pour toutes les ressources de votre AWS compte, les ressources de vos AWS CloudFormation Stacks ou les ressources regroupées par AWS tags, sans aucune configuration manuelle ni expertise en apprentissage automatique.
Amazon Forecast
Amazon Forecast est un service entièrement géré qui utilise le machine learning pour fournir des prévisions très précises.
Les entreprises d'aujourd'hui utilisent tout, des simples feuilles de calcul aux logiciels de planification financière complexes, pour tenter de prévoir avec précision les résultats commerciaux futurs tels que la demande de produits, les besoins en ressources ou les performances financières. Ces outils établissent des prévisions en examinant une série historique de données, appelée données de séries chronologiques. Par exemple, de tels outils peuvent essayer de prédire les ventes futures d'un imperméable en examinant uniquement ses données de ventes précédentes, en partant du principe que le futur est déterminé par le passé. Cette approche peut avoir du mal à produire des prévisions précises pour de grands ensembles de données présentant des tendances irrégulières. En outre, il ne parvient pas à combiner facilement des séries de données qui évoluent au fil du temps (telles que les prix, les remises, le trafic Web et le nombre d'employés) avec des variables indépendantes pertinentes telles que les caractéristiques des produits et l'emplacement des magasins.
Basé sur la même technologie que celle utilisée sur Amazon.com, Amazon Forecast utilise le ML pour combiner des données de séries chronologiques avec des variables supplémentaires afin de créer des prévisions. Amazon Forecast ne nécessite aucune expérience de machine learning pour démarrer. Il vous suffit de fournir des données historiques, ainsi que toute donnée supplémentaire susceptible, selon vous, d'avoir un impact sur vos prévisions. Par exemple, la demande pour une couleur particulière de chemise peut changer en fonction des saisons et de l'emplacement du magasin. Cette relation complexe est difficile à déterminer seule, mais le machine learning est parfaitement adapté pour la reconnaître. Une fois que vous avez fourni vos données, Amazon Forecast les examine automatiquement, identifie ce qui est significatif et produit un modèle de prévision capable de faire des prédictions jusqu'à 50 % plus précises que si vous examiniez uniquement des données de séries chronologiques.
Amazon Forecast est un service entièrement géré. Il n'y a donc aucun serveur à approvisionner, ni aucun modèle de machine learning à créer, former ou déployer. Vous ne payez que pour ce que vous utilisez, et il n'y a pas de frais minimum ni d'engagement initial.
Amazon Fraud Detector
Amazon Fraud Detector est un service entièrement géré qui utilise le machine learning et plus de 20 ans d'expertise d'Amazon en matière de détection des fraudes pour identifier les activités potentiellement frauduleuses afin que les clients puissent détecter plus rapidement d'autres fraudes en ligne. Amazon Fraud Detector automatise les étapes fastidieuses et coûteuses de création, de formation et de déploiement d'un modèle de machine learning pour la détection des fraudes, ce qui permet aux clients de tirer plus facilement parti de cette technologie. Amazon Fraud Detector personnalise chaque modèle créé en fonction de l'ensemble de données du client, ce qui permet d'obtenir des modèles d'une précision supérieure à celle des solutions de machine learning standard actuelles. Et comme vous ne payez que pour ce que vous utilisez, vous évitez des dépenses initiales importantes.
Amazon Comprehend Medical
Au cours de la dernière décennie, AWS a connu une transformation numérique dans le secteur de la santé, les organisations capturant chaque jour d'énormes volumes d'informations sur les patients. Mais ces données ne sont souvent pas structurées et le processus d'extraction de ces informations est laborieux et sujet aux erreurs. Amazon Comprehend Medical est un service de traitement du langage naturel (NLP) conforme à la loi HIPAA qui utilise un apprentissage automatique préformé pour comprendre et extraire des données de santé à partir de textes médicaux, tels que des ordonnances, des procédures ou des diagnostics. Amazon Comprehend Medical peut vous aider à extraire des informations de textes médicaux non structurés de manière précise et rapide grâce à des ontologies médicales telles que ICD-10-CM et SNOMED CT RxNorm, ce qui permet d'accélérer le traitement des demandes d'assurance, d'améliorer la santé de la population et d'accélérer la pharmacovigilance.
Amazon Kendra
Amazon Kendra est un service de recherche intelligent basé sur le machine learning. Amazon Kendra réinvente la recherche d'entreprise pour vos sites Web et applications afin que vos employés et clients puissent facilement trouver le contenu qu'ils recherchent, même s'il est dispersé sur plusieurs sites et référentiels de contenu au sein de votre organisation.
Avec Amazon Kendra, vous pouvez arrêter de chercher dans une mine de données non structurées et trouver les bonnes réponses à vos questions, au moment où vous en avez besoin. Amazon Kendra est un service entièrement géré. Il n'y a donc aucun serveur à approvisionner, ni aucun modèle de machine learning à créer, former ou déployer.
Amazon Lex
Amazon Lex est un service d'intelligence artificielle (IA) entièrement géré permettant de concevoir, créer, tester et déployer des interfaces conversationnelles dans n'importe quelle application utilisant la voix et le texte. Lex fournit les fonctionnalités avancées d'apprentissage profond que sont la reconnaissance vocale automatique (ASR) pour convertir la parole en texte, et la compréhension du langage naturel (NLU) pour reconnaître l'intention du texte, afin de vous permettre de créer des applications offrant des expériences utilisateur très engageantes et des interactions conversationnelles réalistes, et de créer de nouvelles catégories de produits. Avec Amazon Lex, les mêmes technologies d'apprentissage profond qui alimentent Amazon Alexa sont désormais accessibles à tous les développeurs, ce qui vous permet de créer rapidement et facilement des systèmes sophistiqués en langage naturel, des robots conversationnels (« chatbots ») et des systèmes de réponse vocale interactive (IVR) à commande vocale (IVR) sophistiqués.
Amazon Lex permet aux développeurs de créer rapidement des chatbots conversationnels. Avec Amazon Lex, aucune expertise en apprentissage profond n'est nécessaire : pour créer un bot, il vous suffit de définir le flux de conversation de base dans la console Amazon Lex. Amazon Lex gère le dialogue et ajuste dynamiquement les réponses au cours de la conversation. A l'aide de la console, vous pouvez créer, tester et publier votre texte ou faire parler le chatbot. Ensuite, vous pouvez ajouter les interfaces de conversation des bots sur les appareils mobiles, applications web et plateformes de conversation (par exemple, Facebook Messenger). L'utilisation d'Amazon Lex n'entraîne aucun coût initial ni aucun frais minimum. Seules les demandes de texte ou de parole vous sont facturées. Le pay-as-you-go prix et le faible coût par demande font de ce service un moyen rentable de créer des interfaces conversationnelles. Avec le niveau gratuit d'Amazon Lex, vous pouvez facilement essayer Amazon Lex sans aucun investissement initial.
Amazon Lookout for Equipment
Amazon Lookout for Equipment analyse les données des capteurs de votre équipement (telles que la pression dans un générateur, le débit d'un compresseur, le nombre de tours par minute des ventilateurs) afin d'entraîner automatiquement un modèle d'apprentissage automatique basé uniquement sur vos données, pour votre équipement, sans qu'aucune expertise en machine machine ne soit requise. Lookout for Equipment utilise votre modèle d'apprentissage automatique unique pour analyser les données des capteurs entrants en temps réel et identifier avec précision les signes avant-coureurs susceptibles de provoquer des pannes de machines. Cela signifie que vous pouvez détecter les anomalies de l'équipement avec rapidité et précision, diagnostiquer rapidement les problèmes, prendre des mesures pour réduire les temps d'arrêt coûteux et réduire les fausses alertes.
Amazon Lookout for Metrics
Amazon Lookout for Metrics utilise le machine learning pour détecter et diagnostiquer automatiquement les anomalies (valeurs aberrantes par rapport à la norme) dans les données commerciales et opérationnelles, telles qu'une baisse soudaine du chiffre d'affaires ou du taux d'acquisition de clients. En quelques clics, vous pouvez connecter Amazon Lookout for Metrics à des magasins de données populaires tels qu'Amazon S3, Amazon Redshift et Amazon Relational Database Service (Amazon RDS), ainsi qu'à des applications logicielles en tant que service (SaaS) tierces, telles que Salesforce, Servicenow, Zendesk et Marketo, et commencer à surveiller les indicateurs importants pour votre entreprise. Amazon Lookout for Metrics inspecte et prépare automatiquement les données provenant de ces sources afin de détecter les anomalies avec une rapidité et une précision supérieures aux méthodes traditionnelles utilisées pour la détection des anomalies. Vous pouvez également fournir des informations sur les anomalies détectées afin d'ajuster les résultats et d'améliorer la précision au fil du temps. Amazon Lookout for Metrics facilite le diagnostic des anomalies détectées en regroupant les anomalies liées au même événement et en envoyant une alerte contenant un résumé de la cause première potentielle. Il classe également les anomalies par ordre de gravité afin que vous puissiez accorder la priorité à ce qui compte le plus pour votre entreprise.
Amazon Lookout for Vision
Amazon Lookout for Vision est un service de machine learning qui détecte les défauts et les anomalies dans les représentations visuelles à l'aide de la vision par ordinateur (CV). Avec Amazon Lookout for Vision, les entreprises de fabrication peuvent améliorer la qualité et réduire les coûts d'exploitation en identifiant rapidement les différences entre les images d'objets à grande échelle. Par exemple, Amazon Lookout for Vision peut être utilisé pour identifier les composants manquants dans les produits, les dommages aux véhicules ou aux structures, les irrégularités dans les chaînes de production, les défauts infimes des plaquettes de silicium et d'autres problèmes similaires. Amazon Lookout for Vision utilise le machine learning pour voir et comprendre les images de n'importe quel appareil photo comme le ferait une personne, mais avec un degré de précision encore plus élevé et à une échelle bien plus grande. Amazon Lookout for Vision permet aux clients de se passer d'inspections manuelles coûteuses et incohérentes, tout en améliorant le contrôle qualité, l'évaluation des défauts et des dommages, ainsi que la conformité. En quelques minutes, vous pouvez commencer à utiliser Amazon Lookout for Vision pour automatiser l'inspection des images et des objets, sans aucune expertise en machine learning.
Amazon Monitron
Amazon Monitron est un end-to-end système qui utilise le machine learning pour détecter les comportements anormaux dans les machines industrielles, ce qui vous permet de mettre en œuvre une maintenance prédictive et de réduire les temps d'arrêt imprévus.
L'installation de capteurs et de l'infrastructure nécessaire à la connectivité des données, au stockage, à l'analyse et aux alertes sont des éléments fondamentaux pour permettre la maintenance prédictive. Cependant, pour que cela fonctionne, les entreprises ont toujours eu besoin de techniciens et de data scientists qualifiés pour élaborer une solution complexe à partir de zéro. Il s'agissait notamment d'identifier et de se procurer le type de capteurs adapté à leurs cas d'utilisation et de les connecter entre eux au moyen d'une passerelle IoT (un appareil qui agrège et transmet des données). Par conséquent, peu d'entreprises ont réussi à mettre en œuvre la maintenance prédictive.
Amazon Monitron inclut des capteurs pour capturer les données relatives aux vibrations et à la température des équipements, un dispositif passerelle vers lequel transférer les données en toute sécurité AWS, le service Amazon Monitron qui analyse les données pour détecter les modèles anormaux des machines à l'aide du machine learning, et une application mobile associée pour configurer les appareils et recevoir des rapports sur le comportement de fonctionnement et des alertes en cas de défaillance potentielle de vos machines. Vous pouvez commencer à surveiller l'état de santé des équipements en quelques minutes sans aucune expérience de développement ou d'apprentissage automatique, et activer la maintenance prédictive à l'aide de la même technologie que celle utilisée pour surveiller les équipements dans les centres de distribution Amazon.
Amazon PartyRock
Amazon PartyRock facilite l'apprentissage par l'IA générative grâce à un outil de création d'applications pratique et sans code. Testez des techniques d'ingénierie rapides, passez en revue les réponses générées et développez votre intuition pour l'IA générative tout en créant et en explorant des applications amusantes. PartyRock fournit un accès aux modèles de base (FM) d'Amazon et des principales entreprises d'IA via Amazon Bedrock, un service de services entièrement géré.
Amazon Personalize
Amazon Personalize est un service de machine learning qui permet aux développeurs de créer facilement des recommandations personnalisées pour les clients utilisant leurs applications.
Le ML est de plus en plus utilisé pour améliorer l'engagement des clients en proposant des recommandations de produits et de contenus personnalisées, des résultats de recherche personnalisés et des promotions marketing ciblées. Cependant, le développement des capacités de machine learning nécessaires à la production de ces systèmes de recommandation sophistiqués est aujourd'hui hors de portée de la plupart des entreprises en raison de la complexité du développement des fonctionnalités de machine learning. Amazon Personalize permet aux développeurs n'ayant aucune expérience préalable de machine learning d'intégrer facilement des fonctionnalités de personnalisation sophistiquées à leurs applications, en utilisant une technologie de machine learning perfectionnée au fil des années d'utilisation sur Amazon.com.
Avec Amazon Personalize, vous fournissez un flux d'activité depuis votre application (pages vues, inscriptions, achats, etc.) ainsi qu'un inventaire des articles que vous souhaitez recommander, tels que des articles, des produits, des vidéos ou de la musique. Vous pouvez également choisir de fournir à Amazon Personalize des informations démographiques supplémentaires concernant vos utilisateurs, telles que leur âge ou leur situation géographique. Amazon Personalize traite et examine les données, identifie ce qui est significatif, sélectionne les bons algorithmes, et forme et optimise un modèle de personnalisation adapté à vos données.
Amazon Personalize propose des recommandations optimisées pour le commerce de détail, les médias et le divertissement qui permettent de proposer plus rapidement et plus facilement des expériences utilisateur personnalisées très performantes. Amazon Personalize propose également une segmentation intelligente des utilisateurs afin que vous puissiez mener des campagnes de prospection plus efficaces via vos canaux marketing. Grâce à nos deux nouvelles recettes, vous pouvez segmenter automatiquement vos utilisateurs en fonction de leur intérêt pour différentes catégories de produits, marques, etc.
Toutes les données analysées par Amazon Personalize restent confidentielles et sécurisées, et ne sont utilisées que pour vos recommandations personnalisées. Vous pouvez commencer à diffuser vos prédictions personnalisées via un simple appel d'API depuis le cloud privé virtuel géré par le service. Vous ne payez que pour ce que vous utilisez, et il n'y a pas de frais minimum ni d'engagement initial.
Amazon Personalize, c'est comme avoir votre propre équipe de personnalisation du ML sur Amazon.com à votre disposition, 24 heures sur 24.
Amazon Polly
Amazon Polly est un service qui transforme le texte en discours réaliste. Amazon Polly vous permet de créer des applications qui parlent, ce qui vous permet de créer de toutes nouvelles catégories de produits à commande vocale. Amazon Polly est un service d'intelligence artificielle (IA) d'Amazon qui utilise des technologies avancées d'apprentissage profond pour synthétiser une parole qui ressemble à une voix humaine. Amazon Polly propose une large sélection de voix réalistes réparties dans des dizaines de langues. Vous pouvez ainsi sélectionner la voix idéale et créer des applications vocales qui fonctionnent dans de nombreux pays.
Amazon Polly fournit les temps de réponse toujours rapides nécessaires pour permettre un dialogue interactif en temps réel. Vous pouvez mettre en cache et enregistrer le son vocal Amazon Polly pour le rejouer hors ligne ou le redistribuer. Et Amazon Polly est facile à utiliser. Il vous suffit d'envoyer le texte que vous souhaitez convertir en discours à l'API Amazon Polly, et Amazon Polly renvoie immédiatement le flux audio à votre application afin que celle-ci puisse le lire directement ou le stocker dans un format de fichier audio standard, tel que MP3.
Outre les voix TTS standard, Amazon Polly propose des voix neuronales de synthèse vocale (NTTS) qui améliorent considérablement la qualité vocale grâce à une nouvelle approche d'apprentissage automatique. La technologie Neural TTS de Polly prend également en charge un style de parole adapté aux cas d'utilisation de la narration d'actualités. Enfin, Amazon Polly Brand Voice peut créer une voix personnalisée pour votre organisation. Il s'agit d'un engagement personnalisé dans le cadre duquel vous travaillerez avec l'équipe Amazon Polly pour créer une voix NTTS à l'usage exclusif de votre organisation.
Avec Amazon Polly, vous ne payez que pour le nombre de caractères que vous convertissez en voix, et vous pouvez enregistrer et rejouer le discours généré par Amazon Polly. Le faible coût par caractère converti d'Amazon Polly et l'absence de restrictions sur le stockage et la réutilisation de la sortie vocale en font un moyen rentable d'activer la synthèse vocale partout dans le monde.
Amazon Q
Amazon Q est un assistant basé sur l'IA générative qui permet d'accélérer le développement de logiciels et de tirer parti de vos données internes.
- Amazon Q Business
-
Amazon Q Business peut répondre aux questions, fournir des résumés, générer du contenu et effectuer des tâches en toute sécurité sur la base des données et des informations contenues dans les systèmes de votre entreprise. Il permet aux employés d'être plus créatifs, axés sur les données, efficaces, préparés et productifs.
- Amazon Q Developer
-
Amazon Q Developer (anciennement Amazon CodeWhisperer) aide les développeurs et les professionnels de l'informatique dans leurs tâches, qu'il s'agisse de coder, de tester et de mettre à niveau des applications, de diagnostiquer les erreurs, d'effectuer des analyses de sécurité et des correctifs, ou encore d'optimiser les ressources. AWS Amazon Q dispose de fonctionnalités avancées de planification et de raisonnement en plusieurs étapes qui peuvent transformer le code existant (par exemple, effectuer des mises à niveau de version Java) et implémenter de nouvelles fonctionnalités générées à la suite des demandes des développeurs.
Amazon Rekognition
Amazon Rekognition permet d'ajouter facilement une analyse d'images et de vidéos à vos applications à l'aide d'une technologie d'apprentissage en profondeur éprouvée et hautement évolutive qui ne nécessite aucune expertise en apprentissage automatique pour être utilisée. Avec Amazon Rekognition, vous pouvez identifier des objets, des personnes, du texte, des scènes et des activités dans des images et des vidéos, ainsi que détecter tout contenu inapproprié. Amazon Rekognition fournit également des fonctionnalités d'analyse faciale et de recherche faciale très précises que vous pouvez utiliser pour détecter, analyser et comparer des visages dans le cadre d'une grande variété de cas de vérification utilisateur, de comptage de personnes et de sécurité publique.
Avec les étiquettes personnalisées Amazon Rekognition, vous pouvez identifier les objets et les scènes spécifiques aux besoins de votre entreprise dans les images. Par exemple, vous pouvez créer un modèle pour classer des pièces de machine spécifiques sur votre chaîne de montage ou pour détecter des plantes insalubres. Amazon Rekognition Custom Labels prend en charge le gros du développement de modèles pour vous. Aucune expérience de machine learning n'est donc requise. Il vous suffit de fournir des images des objets ou des scènes que vous souhaitez identifier, et le service s'occupe du reste.
Amazon SageMaker
Avec Amazon SageMaker, vous pouvez créer, former et déployer des modèles de machine learning adaptés à tous les cas d'utilisation avec une infrastructure, des outils et des flux de travail entièrement gérés. SageMakerélimine les tâches lourdes liées à chaque étape du processus d'apprentissage automatique afin de faciliter le développement de modèles de haute qualité. SageMaker fournit tous les composants utilisés pour le machine learning dans un seul jeu d'outils afin que les modèles soient mis en production plus rapidement, avec beaucoup moins d'efforts et à moindre coût.
SageMaker Pilote automatique Amazon
Amazon SageMaker Autopilot crée, entraîne et ajuste automatiquement les meilleurs modèles de machine learning en fonction de vos données, tout en vous permettant de conserver un contrôle et une visibilité complets. Avec SageMaker Autopilot, il vous suffit de fournir un jeu de données tabulaire et de sélectionner la colonne cible à prévoir, qui peut être un nombre (tel qu'un prix immobilier, appelé régression) ou une catégorie (telle que spam/non-spam, appelée classification). SageMaker Le pilote automatique explorera automatiquement différentes solutions pour trouver le meilleur modèle. Vous pouvez ensuite déployer directement le modèle en production en un seul clic, ou répéter les solutions recommandées avec Amazon SageMaker Studio pour améliorer encore la qualité du modèle.
Amazon SageMaker Canvas
Amazon SageMaker Canvas élargit l'accès au ML en fournissant aux analystes commerciaux une point-and-click interface visuelle qui leur permet de générer eux-mêmes des prédictions de ML précises, sans aucune expérience du ML ni avoir à écrire une seule ligne de code.
Amazon SageMaker Clarifier
Amazon SageMaker Clarify offre aux développeurs de machine learning une meilleure visibilité sur leurs données et modèles de formation afin qu'ils puissent identifier et limiter les biais et expliquer les prédictions. Amazon SageMaker Clarify détecte les biais potentiels lors de la préparation des données, après l'entraînement du modèle et dans le modèle déployé en examinant les attributs que vous spécifiez. SageMaker Clarify inclut également des graphiques d'importance des fonctionnalités qui vous aident à expliquer les prévisions du modèle et à produire des rapports qui peuvent être utilisés pour soutenir les présentations internes ou pour identifier les problèmes liés à votre modèle que vous pouvez prendre des mesures pour corriger.
Étiquetage SageMaker des données Amazon
Amazon SageMaker propose des offres d'étiquetage des données pour identifier les données brutes, telles que les images, les fichiers texte et les vidéos, et ajouter des étiquettes informatives afin de créer des ensembles de données d'entraînement de haute qualité pour vos modèles de machine learning.
Amazon SageMaker Data Wrangler
Amazon SageMaker Data Wrangler réduit le temps nécessaire à l'agrégation et à la préparation des données pour le ML de plusieurs semaines à quelques minutes. Avec SageMaker Data Wrangler, vous pouvez simplifier le processus de préparation des données et d'ingénierie des fonctionnalités, et effectuer chaque étape du flux de travail de préparation des données, y compris la sélection, le nettoyage, l'exploration et la visualisation des données à partir d'une interface visuelle unique.
Amazon SageMaker Edge
Amazon SageMaker Edge permet l'apprentissage automatique sur les appareils périphériques en optimisant, en sécurisant et en déployant des modèles à la périphérie, puis en surveillant ces modèles sur votre parc d'appareils, tels que les caméras intelligentes, les robots et autres appareils électroniques intelligents, afin de réduire les coûts opérationnels permanents. SageMaker Le compilateur Edge optimise le modèle entraîné pour qu'il puisse être exécuté sur un périphérique périphérique. SageMaker Edge inclut un mécanisme de déploiement over-the-air (OTA) qui vous permet de déployer des modèles sur le parc indépendamment du microprogramme de l'application ou de l'appareil. SageMaker Edge Agent vous permet d'exécuter plusieurs modèles sur le même appareil. L'agent collecte les données de prédiction en fonction de la logique que vous contrôlez, telle que les intervalles, et les télécharge dans le cloud afin que vous puissiez régulièrement réentraîner vos modèles au fil du temps.
Amazon SageMaker Feature Store
Amazon SageMaker Feature Store est un référentiel spécialement conçu dans lequel vous pouvez stocker des fonctionnalités et y accéder afin qu'il soit beaucoup plus facile de les nommer, de les organiser et de les réutiliser au sein des équipes. SageMaker Feature Store fournit un magasin unifié pour les fonctionnalités pendant la formation et l'inférence en temps réel sans qu'il soit nécessaire d'écrire du code supplémentaire ou de créer des processus manuels pour garantir la cohérence des fonctionnalités. SageMaker Feature Store assure le suivi des métadonnées des entités stockées (telles que le nom de la fonctionnalité ou le numéro de version) afin que vous puissiez interroger les entités pour les bons attributs par lots ou en temps réel à l'aide d'Amazon Athena, un service de requête interactif. SageMaker Feature Store met également à jour les fonctionnalités, car à mesure que de nouvelles données sont générées pendant l'inférence, le référentiel unique est mis à jour, de sorte que de nouvelles fonctionnalités sont toujours disponibles pour les modèles à utiliser lors de l'entraînement et de l'inférence.
Fonctionnalités SageMaker géospatiales d'Amazon
Les fonctionnalités SageMaker géospatiales d'Amazon permettent aux scientifiques des données et aux ingénieurs en apprentissage automatique (ML) de créer, de former et de déployer plus rapidement des modèles de machine learning à l'aide de données géospatiales. Vous avez accès à des données (open source et tiers), à des outils de traitement et de visualisation pour améliorer l'efficacité de la préparation des données géospatiales pour le machine learning. Vous pouvez augmenter votre productivité en utilisant des algorithmes spécialisés et des modèles de ML pré-entraînés pour accélérer la création et l'entraînement de modèles, et en utilisant des outils de visualisation intégrés pour explorer les résultats des prédictions sur une carte interactive, puis collaborer entre les équipes sur des informations et des résultats.
Amazon SageMaker HyperPod
Amazon SageMaker HyperPod élimine les tâches indifférenciées liées à la création et à l'optimisation de l'infrastructure d'apprentissage automatique (ML) pour les grands modèles linguistiques (LLM), les modèles de diffusion et les modèles de base (FM). SageMaker HyperPod est préconfiguré avec des bibliothèques de formation distribuées qui permettent aux clients de répartir automatiquement les charges de travail de formation entre des milliers d'accélérateurs AWS Trainium, tels que les unités de traitement graphique (GPU) NVIDIA A100 et H100.
SageMaker HyperPod contribue également à garantir que vous pouvez continuer à vous entraîner sans interruption en enregistrant régulièrement les points de contrôle. En cas de panne matérielle, les clusters à autoréparation détectent automatiquement la panne, réparent ou remplacent l'instance défectueuse et reprennent la formation à partir du dernier point de contrôle enregistré, vous évitant ainsi de devoir gérer manuellement ce processus et vous permettant de vous entraîner pendant des semaines, voire des mois, dans un environnement distribué sans interruption. Vous pouvez personnaliser votre environnement informatique en fonction de vos besoins et le configurer avec les bibliothèques de formation SageMaker distribuées d'Amazon pour obtenir des performances optimales sur AWS.
Amazon SageMaker JumpStart
Amazon vous SageMaker JumpStart aide à démarrer rapidement et facilement avec le ML. Pour faciliter le démarrage, SageMaker JumpStart fournit un ensemble de solutions pour les cas d'utilisation les plus courants qui peuvent être déployées facilement en quelques clics. Les solutions sont entièrement personnalisables et mettent en valeur l'utilisation de AWS CloudFormation modèles et d'architectures de référence afin que vous puissiez accélérer votre parcours de machine learning. Amazon prend SageMaker JumpStart également en charge le déploiement et le réglage en un clic de plus de 150 modèles open source populaires tels que le traitement du langage naturel, la détection d'objets et les modèles de classification d'images.
Amazon SageMaker Model Building
Amazon SageMaker fournit tous les outils et bibliothèques dont vous avez besoin pour créer des modèles de machine learning, le processus consistant à essayer de manière itérative différents algorithmes et à évaluer leur précision afin de trouver celui qui convient le mieux à votre cas d'utilisation. Sur Amazon, SageMaker vous pouvez choisir différents algorithmes, dont plus de 15 intégrés et optimisés pour SageMaker, et utiliser plus de 750 modèles préfabriqués provenant de zoos modèles populaires disponibles en quelques clics. SageMaker propose également une variété d'outils de création de modèles, notamment Amazon SageMaker Studio Notebooks JupyterLab, RStudio et l'éditeur de code basé sur Code-OSS (Virtual Studio Code Open Source), où vous pouvez exécuter des modèles ML à petite échelle pour voir les résultats et consulter des rapports sur leurs performances afin de créer des prototypes fonctionnels de haute qualité.
Formation sur les SageMaker modèles Amazon
Amazon SageMaker réduit le temps et les coûts nécessaires à la formation et au réglage des modèles de machine learning à grande échelle, sans qu'il soit nécessaire de gérer l'infrastructure. Vous pouvez tirer parti de l'infrastructure de calcul ML la plus performante actuellement disponible et SageMaker faire automatiquement évoluer l'infrastructure vers le haut ou vers le bas, d'un à des milliers de GPU. Comme vous ne payez que pour ce que vous utilisez, vous pouvez gérer vos coûts de formation de manière plus efficace. Pour entraîner des modèles de deep learning plus rapidement, vous pouvez utiliser les bibliothèques de formation SageMaker distribuées d'Amazon pour de meilleures performances ou utiliser des bibliothèques tierces telles que DeepSpeed Horovod ou Megatron.
Déploiement SageMaker du modèle Amazon
Amazon SageMaker facilite le déploiement de modèles de machine learning pour établir des prédictions (également appelées inférence) au meilleur rapport qualité-prix, quel que soit le cas d'utilisation. Il propose une large sélection d'options de déploiement d'infrastructures et de modèles de machine learning pour répondre à tous vos besoins en matière d'inférence de machine learning. Il s'agit d'un service entièrement géré qui s'intègre aux outils MLOps pour vous permettre de mettre à l'échelle votre déploiement de modèles, de réduire les coûts d'inférence, de gérer les modèles plus efficacement en production et de réduire la charge opérationnelle.
Amazon SageMaker Pipelines
Amazon SageMaker Pipelines est le premier service d'intégration et de livraison easy-to-use continues (CI/CD) spécialement conçu pour le ML. Avec SageMaker Pipelines, vous pouvez créer, automatiser et gérer des flux de travail end-to-end ML à grande échelle.
Laboratoire Amazon SageMaker Studio
Amazon SageMaker Studio Lab est un environnement de développement ML gratuit qui fournit le calcul, le stockage (jusqu'à 15 Go) et la sécurité, le tout gratuitement, pour permettre à quiconque d'apprendre et d'expérimenter le ML. Tout ce dont vous avez besoin pour commencer est une adresse e-mail valide. Vous n'avez pas besoin de configurer l'infrastructure, de gérer l'identité et l'accès, ni même de créer un AWS compte. SageMaker Studio Lab accélère la création de modèles grâce à GitHub l'intégration, et il est préconfiguré avec les outils, frameworks et bibliothèques ML les plus populaires pour vous permettre de démarrer immédiatement. SageMaker Studio Lab enregistre automatiquement votre travail, vous n'avez donc pas besoin de le redémarrer entre les sessions. C'est aussi simple que de fermer votre ordinateur portable pour y revenir plus tard.
Apache MXnet sur AWS
Apache MXnet est un framework de formation et d'inférence rapide et évolutif doté d'une API concise pour easy-to-use le machine learning. MXnet inclut l'interface Gluon qui permet aux développeurs de tous niveaux de compétence de se lancer dans le deep learning sur le cloud, sur des appareils de pointe et sur des applications mobiles. En quelques lignes de code Gluon, vous pouvez créer une régression linéaire, des réseaux convolutifs et des LSTM récurrents pour la détection d'objets, la reconnaissance vocale, la recommandation et la personnalisation. Vous pouvez démarrer avec une expérience entièrement gérée MxNet àAWS l'aide d'Amazon SageMaker, une plateforme permettant de créer, de former et de déployer des modèles de machine learning à grande échelle. Vous pouvez également utiliser le AWS Deep Learning AMI s pour créer des environnements et des flux de travail personnalisés avec MxNet d'autres frameworks TensorFlow, notamment Chainer, Keras PyTorch, Caffe, Caffe2 et Microsoft Cognitive Toolkit.
AWS Deep Learning AMI
Ils AWS Deep Learning AMIfournissent aux praticiens et aux chercheurs du ML l'infrastructure et les outils nécessaires pour accélérer le deep learning dans le cloud, à n'importe quelle échelle. Vous pouvez lancer rapidement des instances Amazon EC2 préinstallées avec des frameworks et interfaces d'apprentissage profond populaires tels qu' PyTorchApache MXnet TensorFlow, Chainer, Gluon, Horovod et Keras pour entraîner des modèles d'IA personnalisés et sophistiqués, expérimenter de nouveaux algorithmes ou acquérir de nouvelles compétences et techniques. Que vous ayez besoin d'instances de GPU ou de CPU Amazon EC2, les AMI Deep Learning sont gratuites : vous ne payez que pour les AWS ressources nécessaires au stockage et à l'exécution de vos applications.
AWS Conteneurs Deep Learning
AWS Les Deep Learning Containers (AWS DL Containers) sont des images Docker préinstallées avec des frameworks d'apprentissage profond pour faciliter le déploiement rapide d'environnements d'apprentissage automatique (ML) personnalisés en vous évitant le processus complexe de création et d'optimisation de vos environnements à partir de zéro. AWS Support des conteneurs DL TensorFlow PyTorch, Apache MXnet. Vous pouvez déployer des conteneurs AWS DL sur Amazon SageMaker, Amazon Elastic Kubernetes Service (Amazon EKS), des Kubernetes autogérés sur Amazon EC2, Amazon Elastic Container Service (Amazon ECS). Les conteneurs sont disponibles gratuitement via Amazon Elastic Container Registry (Amazon ECR). Vous ne payez que pour les ressources que vous utilisez. AWS Marketplace
Geospatial ML avec Amazon SageMaker
Les fonctionnalités SageMaker géospatiales d'Amazon permettent aux scientifiques des données et aux ingénieurs de machine learning de créer, de former et de déployer des modèles de machine learning en utilisant des données géospatiales plus rapidement et à grande échelle. Vous pouvez accéder à des sources de données géospatiales facilement disponibles, transformer ou enrichir efficacement des ensembles de données géospatiales à grande échelle grâce à des opérations spécialement conçues, et accélérer la création de modèles en sélectionnant des modèles ML préentraînés. Vous pouvez également analyser les données géospatiales et explorer les prédictions du modèle sur une carte interactive à l'aide de graphiques accélérés en 3D avec des outils de visualisation intégrés. SageMaker Les fonctionnalités géospatiales d'exécution peuvent être utilisées dans un large éventail de cas d'utilisation, tels que l'optimisation du rendement des récoltes et de la sécurité alimentaire, l'évaluation des risques et des réclamations d'assurance, le soutien au développement urbain durable et la prévision de l'utilisation des sites de vente au détail.
Hugging Face on AWS
Avec Hugging Face on SageMaker Amazon, vous pouvez déployer et peaufiner les modèles préentraînés de Hugging Face, un fournisseur open source de modèles de traitement du langage naturel (NLP) connu sous le nom de Transformers, réduisant ainsi le temps nécessaire à la configuration et à l'utilisation de ces modèles de traitement du langage naturel (NLP) de plusieurs semaines à quelques minutes. Le NLP fait référence aux algorithmes de machine learning qui aident les ordinateurs à comprendre le langage humain. Ils facilitent la traduction, la recherche intelligente, l'analyse de texte, etc. Cependant, les modèles NLP peuvent être volumineux et complexes (parfois composés de centaines de millions de paramètres de modèle), et leur formation et leur optimisation nécessitent du temps, des ressources et des compétences. AWS a collaboré avec Hugging Face pour créer les AWS Hugging Face Deep Learning Containers (DLC), qui fournissent aux data scientists et aux développeurs de machine learning une expérience entièrement gérée pour créer, former state-of-the-art et déployer des modèles NLP sur Amazon. SageMaker
PyTorch sur AWS
PyTorchest un framework d'apprentissage profond open source qui facilite le développement de modèles d'apprentissage automatique et leur déploiement en production. Grâce à TorchServela bibliothèque PyTorch de serveurs de modèles créée et gérée AWS en partenariat avec Facebook, PyTorch les développeurs peuvent rapidement et facilement déployer des modèles en production. PyTorch fournit également des graphiques de calcul dynamiques et des bibliothèques pour la formation distribuée, qui sont optimisés pour des performances élevées sur AWS. Vous pouvez commencer PyTorch à AWS utiliser Amazon SageMaker, un service de machine learning entièrement géré qui permet de créer, de former et de déployer des PyTorch modèles à grande échelle de manière simple et rentable. Si vous préférez gérer vous-même l'infrastructure, vous pouvez utiliser le AWS Deep Learning AMI s ou les AWS Deep Learning Containers, conçus à partir des sources et optimisés en termes de performances avec la dernière version de PyTorch , pour déployer rapidement des environnements de machine learning personnalisés.
TensorFlow sur AWS
TensorFlowest l'un des nombreux frameworks d'apprentissage profond mis à la disposition des chercheurs et des développeurs pour améliorer leurs applications grâce à l'apprentissage automatique. AWS fournit une assistance étendue TensorFlow, permettant aux clients de développer et de diffuser leurs propres modèles dans les domaines de la vision par ordinateur, du traitement du langage naturel, de la traduction vocale, etc. Vous pouvez commencer TensorFlow à AWS utiliser Amazon SageMaker, un service de machine learning entièrement géré qui permet de créer, de former et de déployer des TensorFlow modèles à grande échelle de manière simple et rentable. Si vous préférez gérer vous-même l'infrastructure, vous pouvez utiliser le AWS Deep Learning AMI s ou les AWS Deep Learning Containers, conçus à partir des sources et optimisés en termes de performances avec la dernière version de TensorFlow , pour déployer rapidement des environnements ML personnalisés.
Amazon Textract est un service qui extrait automatiquement le texte et les données des documents numérisés. Amazon Textract va au-delà de la simple reconnaissance optique de caractères (OCR) pour identifier également le contenu des champs dans les formulaires et les informations stockées dans les tables.
Aujourd'hui, de nombreuses entreprises extraient manuellement des données à partir de documents numérisés tels que des PDF, des images, des tableaux et des formulaires, ou par le biais d'un simple logiciel d'OCR nécessitant une configuration manuelle (qui doit souvent être mise à jour lorsque le formulaire change). Pour surmonter ces processus manuels et coûteux, Amazon Textract utilise le machine learning pour lire et traiter tout type de document, en extrayant avec précision le texte, l'écriture manuscrite, les tableaux et autres données sans effort manuel. Amazon Textract vous offre la flexibilité de spécifier les données que vous devez extraire des documents à l'aide de requêtes. Vous pouvez spécifier les informations dont vous avez besoin sous forme de questions en langage naturel (telles que « Quel est le nom du client »). Vous n'avez pas besoin de connaître la structure des données du document (tableau, formulaire, champ implicite, données imbriquées) ni de vous soucier des variations entre les versions et les formats du document. Les requêtes Amazon Textract sont préformées sur une grande variété de documents, notamment des bulletins de paie, des relevés bancaires, des W-2, des formulaires de demande de prêt, des notes de prêt hypothécaire, des documents de réclamation et des cartes d'assurance.
Avec Amazon Textract, vous pouvez rapidement automatiser le traitement des documents et agir sur la base des informations extraites, qu'il s'agisse d'automatiser le traitement des prêts ou d'extraire des informations des factures et des reçus. Amazon Textract peut extraire les données en quelques minutes au lieu de plusieurs heures ou jours. En outre, vous pouvez ajouter des avis humains avec Amazon Augmented AI pour superviser vos modèles et vérifier les données sensibles.
Amazon Transcribe
Amazon Transcribe est un service de reconnaissance vocale automatique (ASR) qui permet aux clients de convertir automatiquement la parole en texte. Le service peut transcrire des fichiers audio stockés dans des formats courants, tels que WAV et MP3, avec des horodatages pour chaque mot afin que vous puissiez facilement localiser le son dans la source d'origine en recherchant le texte. Vous pouvez également envoyer un flux audio en direct à Amazon Transcribe et recevoir un flux de transcriptions en temps réel. Amazon Transcribe est conçu pour prendre en charge un large éventail de caractéristiques vocales et acoustiques, notamment les variations de volume, de tonalité et de fréquence de parole. La qualité et le contenu du signal audio (y compris, mais sans s'y limiter, des facteurs tels que le bruit de fond, le chevauchement des haut-parleurs, le discours accentué ou les changements de langue au sein d'un même fichier audio) peuvent affecter la précision de la sortie du service. Les clients peuvent choisir d'utiliser Amazon Transcribe pour diverses applications professionnelles, notamment la transcription d'appels vocaux au service client, la génération de sous-titres sur du contenu audio/vidéo et l'analyse de contenu (basée sur du texte) sur du contenu audio/vidéo.
Amazon Transcribe Medical et Amazon Transcribe Call Analytics sont deux services très importants dérivés d'Amazon Transcribe.
Amazon Transcribe Medical utilise des modèles de machine learning avancés pour transcrire avec précision le discours médical en texte. Amazon Transcribe Medical peut générer des transcriptions de texte qui peuvent être utilisées pour divers cas d'utilisation, qu'il s'agisse du flux de documentation clinique et de la surveillance de la sécurité des médicaments (pharmacovigilance), du sous-titrage pour la télémédecine ou même de l'analyse des centres d'appels dans les domaines de la santé et des sciences de la vie.
Amazon Transcribe Call Analytics est une API alimentée par l'IA qui fournit des transcriptions d'appels riches et des informations exploitables sur les conversations que vous pouvez ajouter à leurs applications d'appel afin d'améliorer l'expérience client et la productivité des agents. Il combine des modèles de traitement du langage naturel (NLP) puissants speech-to-text et personnalisés spécialement conçus pour comprendre le service client et les appels commerciaux sortants. Faisant partie des solutions AWS Contact Center Intelligence (CCI), cette API est indépendante des centres de contact et permet aux clients et aux éditeurs de logiciels indépendants d'ajouter facilement des fonctionnalités d'analyse des appels à leurs applications.
Le moyen le plus simple de démarrer avec Amazon Transcribe est de soumettre une tâche à l'aide de la console pour transcrire un fichier audio. Vous pouvez également appeler le service directement depuis le AWS Command Line Interface ou utiliser l'un des SDK compatibles de votre choix pour l'intégrer à vos applications.
Amazon Translate
Amazon Translate est un service de traduction automatique neuronale qui fournit des traductions linguistiques rapides, de haute qualité et abordables. La traduction automatique neuronale est une forme d'automatisation de la traduction linguistique qui utilise des modèles d'apprentissage profond pour fournir une traduction plus précise et plus naturelle que les algorithmes de traduction statistiques et basés sur des règles traditionnels. Amazon Translate vous permet de localiser des contenus tels que des sites Web et des applications pour vos différents utilisateurs, de traduire facilement de gros volumes de texte à des fins d'analyse et de permettre une communication multilingue efficace entre les utilisateurs.
AWS DeepComposer
AWS DeepComposerest le premier clavier musical au monde alimenté par le ML pour permettre aux développeurs de tous niveaux de compétence d'apprendre l'IA générative tout en créant des sorties musicales originales. DeepComposer se compose d'un clavier USB qui se connecte à l'ordinateur du développeur et au DeepComposer service, accessible via le AWS Management Console. DeepComposer inclut des didacticiels, des exemples de code et des données de formation qui peuvent être utilisés pour commencer à créer des modèles génératifs.
AWS DeepRacer
AWS DeepRacerest une voiture de course à l'échelle 1/18 qui vous offre une façon intéressante et amusante de vous initier à l'apprentissage par renforcement (RL). La RL est une technique avancée de ML qui adopte une approche des modèles d'entraînement très différente de celle des autres méthodes de ML. Son avantage réside dans le fait qu'il apprend des comportements très complexes sans avoir besoin de données d'entraînement étiquetées, et qu'il peut prendre des décisions à court terme tout en optimisant un objectif à plus long terme.
Avec AWS DeepRacer, vous avez désormais un moyen de vous familiariser avec RL, d'expérimenter et d'apprendre grâce à la conduite autonome. Vous pouvez commencer à utiliser la voiture et les circuits virtuels dans le simulateur de course 3D basé sur le cloud, et pour une expérience réelle, vous pouvez déployer vos modèles entraînés sur vos amis AWS DeepRacer et les faire courir, ou participer à la AWS DeepRacer
ligue mondiale. Développeurs, la course est lancée.
AWS HealthLake
AWS HealthLakeest un service éligible à la loi HIPAA que les prestataires de soins de santé, les compagnies d'assurance maladie et les sociétés pharmaceutiques peuvent utiliser pour stocker, transformer, interroger et analyser des données de santé à grande échelle.
Les données de santé sont souvent incomplètes et incohérentes. Il est également souvent non structuré et contient des informations contenues dans des notes cliniques, des rapports de laboratoire, des réclamations d'assurance, des images médicales, des conversations enregistrées et des données chronologiques (par exemple, des ECG cardiaques ou des traces d'EEG cérébral).
Les prestataires de soins de santé peuvent les utiliser HealthLake pour stocker, transformer, interroger et analyser les données dans le AWS Cloud. À l'aide des fonctionnalités HealthLake intégrées de traitement du langage naturel (NLP) médical, vous pouvez analyser du texte clinique non structuré provenant de diverses sources. HealthLake transforme les données non structurées à l'aide de modèles de traitement du langage naturel et fournit de puissantes fonctionnalités de requête et de recherche. Vous pouvez l'utiliser HealthLake pour organiser, indexer et structurer les informations sur les patients de manière sécurisée, conforme et vérifiable.
AWS HealthScribe
AWS HealthScribeest un service éligible à la loi HIPAA qui permet aux fournisseurs de logiciels de santé de générer automatiquement des notes cliniques en analysant les conversations patient-clinicien. AWS HealthScribe associe la reconnaissance vocale à l'IA générative pour réduire le fardeau de la documentation clinique en transcrivant les conversations et en produisant rapidement des notes cliniques. Les conversations sont segmentées afin d'identifier les rôles des intervenants pour les patients et les cliniciens, d'extraire les termes médicaux et de générer des notes cliniques préliminaires. Pour protéger les données sensibles des patients, la sécurité et la confidentialité sont intégrées afin de garantir que le son d'entrée et le texte de sortie ne sont pas conservés AWS HealthScribe.
AWS Panorama
AWS Panoramaest une collection d'appareils ML et de kits de développement logiciel (SDK) qui intègre la vision par ordinateur (CV) aux caméras IP (Internet Protocol) sur site. Vous pouvez AWS Panorama ainsi automatiser les tâches qui nécessitaient traditionnellement une inspection humaine afin d'améliorer la visibilité des problèmes potentiels.
La vision par ordinateur peut automatiser l'inspection visuelle pour des tâches telles que le suivi des actifs afin d'optimiser les opérations de la chaîne d'approvisionnement, la surveillance des voies de circulation pour optimiser la gestion du trafic ou la détection d'anomalies pour évaluer la qualité de fabrication. Toutefois, dans les environnements où la bande passante réseau est limitée ou dans les entreprises dont les règles de gouvernance des données nécessitent le traitement et le stockage de vidéos sur site, la vision par ordinateur dans le cloud peut s'avérer difficile, voire impossible, à mettre en œuvre. AWS Panorama
est un service de machine learning qui permet aux entreprises d'intégrer la vision par ordinateur aux caméras sur site afin de faire des prédictions localement avec une grande précision et une faible latence.
L' AWS Panorama appliance est un dispositif matériel qui ajoute la vision par ordinateur à vos caméras IP existantes et analyse les flux vidéo de plusieurs caméras à partir d'une seule interface de gestion. Il génère des prévisions rapides en quelques millisecondes, ce qui signifie que vous pouvez être averti des problèmes potentiels, par exemple lorsque des produits endommagés sont détectés sur une chaîne de production rapide ou lorsqu'un véhicule s'est égaré dans une zone interdite dangereuse d'un entrepôt. De plus, des fabricants tiers développent de nouveaux appareils photo et appareils AWS Panorama compatibles afin de fournir encore plus de formats adaptés à vos cas d'utilisation uniques. AWS Panorama Vous pouvez utiliser des modèles de machine learning AWS pour créer vos propres applications de vision par ordinateur, ou travailler avec un partenaire AWS Partner Network pour créer rapidement des candidatures de CV.
