Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Machine Learning (ML) e intelligenza artificiale (AI)
IA aumentata Amazon
Amazon Augmented AI (Amazon A2I) è un servizio di machine learning che semplifica la creazione dei flussi di lavoro necessari per la revisione umana. Amazon A2I offre la revisione umana a tutti gli sviluppatori, eliminando il peso indifferenziato associato alla creazione di sistemi di revisione umana o alla gestione di un gran numero di revisori umani, indipendentemente dal fatto che funzioni o meno. AWS
Amazon Bedrock
Amazon Bedrock è un servizio completamente gestito che rende disponibili i modelli di base (FM) di Amazon e delle principali startup di intelligenza artificiale tramite un'API. Con l'esperienza serverless di Amazon Bedrock, puoi iniziare rapidamente, sperimentare con le FM, personalizzarle privatamente con i tuoi dati e integrare e distribuire senza problemi le FM nelle tue applicazioni. AWS
Puoi scegliere tra una varietà di modelli base, tra cui Amazon Titan, Claude 2 di Anthropic, Command and Embed di Cohere, Jurassic-2 di AI21 Studio e Stable Diffusion di Stability AI.
Amazon CodeGuru
Amazon CodeGuru è uno strumento di sviluppo che fornisce consigli intelligenti per migliorare la qualità del codice e identificare le righe di codice più costose di un'applicazione. CodeGuru Integrati nel tuo flusso di lavoro di sviluppo software esistente per automatizzare le revisioni del codice durante lo sviluppo delle applicazioni e monitorare continuamente le prestazioni delle applicazioni in produzione e fornire consigli e indizi visivi su come migliorare la qualità del codice e le prestazioni delle applicazioni e ridurre i costi complessivi.
Amazon CodeGuru Reviewer utilizza il machine learning e il ragionamento automatico per identificare problemi critici, vulnerabilità di sicurezza e hard-to-find bug durante lo sviluppo delle applicazioni e fornisce consigli per migliorare la qualità del codice.
Amazon CodeGuru Profiler aiuta gli sviluppatori a trovare le righe di codice più costose di un'applicazione aiutandoli a comprendere il comportamento di runtime delle loro applicazioni, identificare e rimuovere le inefficienze del codice, migliorare le prestazioni e ridurre significativamente i costi di elaborazione.
Amazon Comprehend
Amazon Comprehend utilizza il machine learning e l'elaborazione del linguaggio naturale (NLP) per aiutarti a scoprire le informazioni e le relazioni nei tuoi dati non strutturati. Il servizio identifica la lingua del testo; estrae frasi chiave, luoghi, persone, marchi o eventi; comprende quanto sia positivo o negativo il testo; analizza il testo utilizzando la tokenizzazione e parti del discorso e organizza automaticamente una raccolta di file di testo per argomento. Puoi anche utilizzare le funzionalità di AutoML in Amazon Comprehend per creare un set personalizzato di entità o modelli di classificazione del testo personalizzati in base alle esigenze della tua organizzazione.
Per estrarre informazioni mediche complesse da testo non strutturato, puoi utilizzare Amazon Comprehend Medical. Il servizio è in grado di identificare informazioni mediche, come condizioni mediche, farmaci, dosaggi, dosaggi e frequenze, da una varietà di fonti come note mediche, rapporti di sperimentazioni cliniche e cartelle cliniche dei pazienti. Amazon Comprehend Medical identifica anche la relazione tra il farmaco estratto e le informazioni su test, trattamento e procedura per un'analisi più semplice. Ad esempio, il servizio identifica un dosaggio, un dosaggio e una frequenza particolari correlati a un farmaco specifico sulla base di note cliniche non strutturate.
Amazon DevOps Guru
Amazon DevOps Guru è un servizio basato su ML che semplifica il miglioramento delle prestazioni operative e della disponibilità di un'applicazione. Amazon DevOps Guru rileva comportamenti che si discostano dai normali schemi operativi in modo da poter identificare i problemi operativi molto prima che abbiano un impatto sui clienti.
Amazon DevOps Guru utilizza modelli di machine learning basati su anni di esperienza di Amazon.com e sull'eccellenza AWS operativa per identificare comportamenti anomali delle applicazioni (come aumento della latenza, tassi di errore, vincoli di risorse, ecc.) e far emergere problemi critici che potrebbero causare potenziali interruzioni o interruzioni del servizio. Quando Amazon DevOps Guru identifica un problema critico, invia automaticamente un avviso e fornisce un riepilogo delle anomalie correlate, della probabile causa principale e del contesto su quando e dove si è verificato il problema. Quando possibile, Amazon DevOps Guru fornisce anche consigli su come risolvere il problema.
Amazon DevOps Guru acquisisce automaticamente i dati operativi dalle tue AWS applicazioni e fornisce un'unica dashboard per visualizzare i problemi nei dati operativi. Puoi iniziare abilitando Amazon DevOps Guru per tutte le risorse del tuo AWS account, le risorse nei tuoi AWS CloudFormation stack o le risorse raggruppate per AWS tag, senza bisogno di configurazioni manuali o competenze di machine learning.
Amazon Forecast
Amazon Forecast è un servizio completamente gestito che utilizza il machine learning per fornire previsioni estremamente accurate.
Le aziende oggi utilizzano di tutto, dai semplici fogli di calcolo ai complessi software di pianificazione finanziaria per cercare di prevedere con precisione i risultati aziendali futuri, come la domanda di prodotti, il fabbisogno di risorse o le prestazioni finanziarie. Questi strumenti creano previsioni esaminando una serie storica di dati, denominata dati di serie temporali. Ad esempio, tali strumenti possono cercare di prevedere le vendite future di un impermeabile esaminando solo i dati di vendita precedenti con l'ipotesi di base che il futuro sia determinato dal passato. Questo approccio può avere difficoltà a produrre previsioni accurate per grandi serie di dati con tendenze irregolari. Inoltre, non riesce a combinare facilmente serie di dati che cambiano nel tempo (come prezzi, sconti, traffico web e numero di dipendenti) con variabili indipendenti pertinenti come le caratteristiche del prodotto e l'ubicazione dei negozi.
Basato sulla stessa tecnologia utilizzata su Amazon.com, Amazon Forecast utilizza il machine learning per combinare dati di serie temporali con variabili aggiuntive per creare previsioni. Amazon Forecast non richiede alcuna esperienza di machine learning per iniziare. Devi solo fornire dati storici, più eventuali dati aggiuntivi che ritieni possano influire sulle tue previsioni. Ad esempio, la richiesta di un colore particolare di una camicia può cambiare in base alle stagioni e all'ubicazione del negozio. Questa relazione complessa è difficile da determinare da sola, ma il machine learning è ideale per riconoscerla. Una volta forniti i dati, Amazon Forecast li esaminerà automaticamente, identificherà ciò che è significativo e produrrà un modello di previsione in grado di fare previsioni fino al 50% più accurate rispetto alla sola analisi dei dati delle serie temporali.
Amazon Forecast è un servizio completamente gestito, quindi non è necessario fornire server né modelli ML da creare, addestrare o distribuire. Paghi solo per ciò che usi e non sono previste tariffe minime né impegni anticipati.
Amazon Fraud Detector
Amazon Fraud Detector è un servizio completamente gestito che utilizza il machine learning e più di 20 anni di esperienza nel rilevamento delle frodi di Amazon, per identificare attività potenzialmente fraudolente in modo che i clienti possano individuare più frodi online più velocemente. Amazon Fraud Detector automatizza i passaggi lunghi e costosi per creare, addestrare e implementare un modello di machine learning per il rilevamento delle frodi, semplificando l'utilizzo della tecnologia da parte dei clienti. Amazon Fraud Detector personalizza ogni modello che crea in base al set di dati del cliente, aumentando la precisione dei modelli rispetto alle attuali soluzioni ML valide per tutti. Inoltre, poiché paghi solo per ciò che utilizzi, eviti ingenti spese iniziali.
Amazon Comprehend Medical
Negli ultimi dieci anni, AWS ha assistito a una trasformazione digitale nel settore sanitario, con le organizzazioni che acquisiscono ogni giorno enormi volumi di informazioni sui pazienti. Ma questi dati sono spesso non strutturati e il processo di estrazione di queste informazioni è laborioso e soggetto a errori. Amazon Comprehend Medical è un servizio di elaborazione del linguaggio naturale (NLP) idoneo all'HIPAA che utilizza l'apprendimento automatico preformato per comprendere ed estrarre dati sanitari da testi medici, come prescrizioni, procedure o diagnosi. Amazon Comprehend Medical può aiutarti a estrarre informazioni da testi medici non strutturati in modo accurato e rapido con ontologie mediche come ICD-10-CM e SNOMED CT e, a sua volta RxNorm, accelerare l'elaborazione delle richieste di risarcimento assicurativo, migliorare la salute della popolazione e accelerare la farmacovigilanza.
Amazon Kendra
Amazon Kendra è un servizio di ricerca intelligente basato su ML. Amazon Kendra reinventa la ricerca aziendale per i tuoi siti Web e le tue applicazioni in modo che dipendenti e clienti possano trovare facilmente i contenuti che stanno cercando, anche quando sono sparsi in più sedi e archivi di contenuti all'interno dell'organizzazione.
Con Amazon Kendra, puoi smettere di cercare tra grandi quantità di dati non strutturati e scoprire le risposte giuste alle tue domande, quando ne hai bisogno. Amazon Kendra è un servizio completamente gestito, quindi non è necessario fornire server né modelli di machine learning da creare, addestrare o distribuire.
Amazon Lex
Amazon Lex è un servizio di intelligenza artificiale (AI) completamente gestito per progettare, creare, testare e distribuire interfacce conversazionali in qualsiasi applicazione utilizzando voce e testo. Lex offre le funzionalità avanzate di deep learning del riconoscimento vocale automatico (ASR) per la conversione della voce in testo e della comprensione del linguaggio naturale (NLU) per riconoscere l'intento del testo, per consentirti di creare applicazioni con esperienze utente altamente coinvolgenti e interazioni conversazionali realistiche e creare nuove categorie di prodotti. Con Amazon Lex, le stesse tecnologie di deep learning alla base di Amazon Alexa sono ora disponibili per tutti gli sviluppatori, consentendoti di creare in modo rapido e semplice sofisticati bot conversazionali («chatbot») e sistemi di risposta vocale interattiva (IVR) sofisticati e in linguaggio naturale.
Amazon Lex consente agli sviluppatori di creare rapidamente chatbot conversazionali. Con Amazon Lex, non è necessaria alcuna esperienza di deep learning: per creare un bot, è sufficiente specificare il flusso di conversazione di base nella console Amazon Lex. Amazon Lex gestisce il dialogo e regola dinamicamente le risposte nella conversazione. Tramite la console, puoi creare, testare e pubblicare chatbot di testo o vocali. Quindi puoi aggiungere ai bot le interfacce di comunicazione sui dispositivi mobili, le applicazioni Web e le piattaforme di chat (ad esempio, Facebook Messenger). Non sono previsti costi iniziali o tariffe minime per l'utilizzo di Amazon Lex: ti vengono addebitate solo le richieste di testo o vocali effettuate. Il pay-as-you-go prezzo e il basso costo per richiesta rendono il servizio un modo conveniente per creare interfacce conversazionali. Con il piano gratuito di Amazon Lex, puoi provare facilmente Amazon Lex senza alcun investimento iniziale.
Amazon Lookout per le apparecchiature
Amazon Lookout for Equipment analizza i dati provenienti dai sensori delle apparecchiature (come la pressione in un generatore, la portata di un compressore, i giri al minuto delle ventole), per addestrare automaticamente un modello di machine learning basato solo sui tuoi dati, per le tue apparecchiature, senza che sia richiesta alcuna esperienza di machine learning. Lookout for Equipment utilizza il vostro modello ML esclusivo per analizzare i dati dei sensori in ingresso in tempo reale e identificare con precisione i segnali di allarme precoce che potrebbero portare a guasti delle macchine. Ciò significa che è possibile rilevare le anomalie delle apparecchiature con velocità e precisione, diagnosticare rapidamente i problemi, intervenire per ridurre i costosi tempi di inattività e ridurre i falsi allarmi.
Amazon Lookout per le metriche
Amazon Lookout for Metrics utilizza il machine learning per rilevare e diagnosticare automaticamente le anomalie (valori anomali rispetto alla norma) nei dati aziendali e operativi, come un calo improvviso dei ricavi di vendita o dei tassi di acquisizione dei clienti. Con un paio di clic, puoi connettere Amazon Lookout for Metrics ai più diffusi archivi di dati come Amazon S3, Amazon Redshift e Amazon Relational Database Service (Amazon RDS), nonché ad applicazioni Software as a Service (SaaS) di terze parti, come Salesforce, Servicenow, Zendesk e Marketo, e inizia a monitorare le metriche importanti per la tua attività. Amazon Lookout for Metrics ispeziona e prepara automaticamente i dati provenienti da queste fonti per rilevare le anomalie con maggiore velocità e precisione rispetto ai metodi tradizionali utilizzati per il rilevamento delle anomalie. Puoi anche fornire feedback sulle anomalie rilevate per ottimizzare i risultati e migliorare la precisione nel tempo. Amazon Lookout for Metrics semplifica la diagnosi delle anomalie rilevate raggruppando le anomalie correlate allo stesso evento e inviando un avviso che include un riepilogo della potenziale causa principale. Inoltre, classifica le anomalie in ordine di gravità in modo da poter dare priorità all'attenzione su ciò che conta di più per la tua azienda.
Amazon Lookout per Vision
Amazon Lookout for Vision è un servizio di machine learning che individua difetti e anomalie nelle rappresentazioni visive utilizzando la visione artificiale (CV). Con Amazon Lookout for Vision, le aziende manifatturiere possono aumentare la qualità e ridurre i costi operativi identificando rapidamente le differenze nelle immagini degli oggetti su larga scala. Ad esempio, Amazon Lookout for Vision può essere utilizzato per identificare componenti mancanti nei prodotti, danni a veicoli o strutture, irregolarità nelle linee di produzione, minuscoli difetti nei wafer di silicio e altri problemi simili. Amazon Lookout for Vision utilizza il machine learning per vedere e comprendere le immagini di qualsiasi fotocamera come farebbe una persona, ma con un grado di precisione ancora più elevato e su una scala molto più ampia. Amazon Lookout for Vision consente ai clienti di eliminare la necessità di ispezioni manuali costose e incoerenti, migliorando al contempo il controllo di qualità, la valutazione di difetti e danni e la conformità. In pochi minuti, puoi iniziare a utilizzare Amazon Lookout for Vision per automatizzare l'ispezione di immagini e oggetti, senza bisogno di competenze di machine learning.
Amazon Monitron
Amazon Monitron è un end-to-end sistema che utilizza il machine learning per rilevare comportamenti anomali nei macchinari industriali, consentendoti di implementare la manutenzione predittiva e ridurre i tempi di inattività non pianificati.
L'installazione dei sensori e dell'infrastruttura necessaria per la connettività dei dati, lo storage, l'analisi e gli avvisi sono elementi fondamentali per consentire la manutenzione predittiva. Tuttavia, per farlo funzionare, le aziende hanno storicamente avuto bisogno di tecnici e data scientist qualificati per mettere insieme una soluzione complessa partendo da zero. Ciò includeva l'identificazione e l'approvvigionamento del tipo giusto di sensori per i loro casi d'uso e il loro collegamento con un gateway IoT (un dispositivo che aggrega e trasmette dati). Di conseguenza, poche aziende sono state in grado di implementare con successo la manutenzione predittiva.
Amazon Monitron include sensori per acquisire i dati di vibrazione e temperatura dalle apparecchiature, un dispositivo gateway su cui trasferire i dati in modo sicuro AWS, il servizio Amazon Monitron che analizza i dati per individuare modelli anomali delle macchine utilizzando il machine learning e un'app mobile complementare per configurare i dispositivi e ricevere report sul comportamento operativo e avvisi di potenziali guasti dei macchinari. Puoi iniziare a monitorare lo stato delle apparecchiature in pochi minuti senza che sia necessario alcun lavoro di sviluppo o esperienza di machine learning e abilitare la manutenzione predittiva con la stessa tecnologia utilizzata per monitorare le apparecchiature nei centri logistici Amazon.
Amazon PartyRock
Amazon PartyRock semplifica l'apprendimento dell'intelligenza artificiale generativa con un generatore di app pratico e senza codice. Sperimenta tecniche ingegneristiche rapide, rivedi le risposte generate e sviluppa l'intuizione per l'intelligenza artificiale generativa mentre crei ed esplori app divertenti. PartyRock fornisce l'accesso ai modelli di base (FM) di Amazon e delle principali aziende di intelligenza artificiale tramite Amazon Bedrock, un servizio di assistenza completamente gestito.
Amazon Personalize
Amazon Personalize è un servizio di machine learning che consente agli sviluppatori di creare facilmente consigli personalizzati per i clienti che utilizzano le loro applicazioni.
Il machine learning viene sempre più utilizzato per migliorare il coinvolgimento dei clienti offrendo consigli personalizzati su prodotti e contenuti, risultati di ricerca personalizzati e promozioni di marketing mirate. Tuttavia, lo sviluppo delle funzionalità di machine learning necessarie per produrre questi sofisticati sistemi di raccomandazione è oggi fuori dalla portata della maggior parte delle organizzazioni a causa della complessità dello sviluppo delle funzionalità di machine learning. Amazon Personalize consente agli sviluppatori senza precedenti esperienze di machine learning di integrare facilmente sofisticate funzionalità di personalizzazione nelle loro applicazioni, utilizzando la tecnologia ML perfezionata in anni di utilizzo su Amazon.com.
Con Amazon Personalize, fornisci un flusso di attività dalla tua applicazione (visualizzazioni di pagina, iscrizioni, acquisti e così via) oltre a un inventario degli articoli che desideri consigliare, come articoli, prodotti, video o musica. Puoi anche scegliere di fornire ad Amazon Personalize informazioni demografiche aggiuntive relative ai tuoi utenti, come età o posizione geografica. Amazon Personalize elabora ed esamina i dati, identifica ciò che è significativo, seleziona gli algoritmi giusti e addestra e ottimizza un modello di personalizzazione personalizzato per i tuoi dati.
Amazon Personalize offre consigli ottimizzati per la vendita al dettaglio, i media e l'intrattenimento che semplificano e velocizzano la fornitura di esperienze utente personalizzate ad alte prestazioni. Amazon Personalize offre anche una segmentazione intelligente degli utenti in modo da poter eseguire campagne di prospezione più efficaci attraverso i tuoi canali di marketing. Con le nostre due nuove ricette, puoi segmentare automaticamente i tuoi utenti in base al loro interesse per diverse categorie di prodotti, marchi e altro ancora.
Tutti i dati analizzati da Amazon Personalize vengono mantenuti privati e protetti e utilizzati solo per i tuoi consigli personalizzati. Puoi iniziare a fornire previsioni personalizzate tramite una semplice chiamata API dall'interno del cloud privato virtuale gestito dal servizio. Paghi solo per ciò che utilizzi e non sono previste tariffe minime né impegni anticipati.
Amazon Personalize è come avere il tuo team di personalizzazione ML di Amazon.com a tua disposizione, 24 ore al giorno.
Amazon Polly
Amazon Polly è un servizio che trasforma il testo in un parlato realistico. Amazon Polly ti consente di creare applicazioni che parlano, consentendoti di creare categorie completamente nuove di prodotti con funzionalità vocali. Amazon Polly è un servizio di intelligenza artificiale (AI) di Amazon che utilizza tecnologie avanzate di deep learning per sintetizzare un linguaggio che assomiglia a una voce umana. Amazon Polly include un'ampia selezione di voci realistiche distribuite in dozzine di lingue, così puoi selezionare la voce ideale e creare applicazioni vocali che funzionano in molti paesi diversi.
Amazon Polly offre i tempi di risposta costantemente rapidi necessari per supportare un dialogo interattivo in tempo reale. Puoi memorizzare nella cache e salvare l'audio vocale di Amazon Polly per riprodurlo offline o ridistribuirlo. E Amazon Polly è facile da usare. Basta inviare il testo che desideri convertire in voce all'API Amazon Polly e Amazon Polly restituisce immediatamente il flusso audio all'applicazione in modo che l'applicazione possa riprodurlo direttamente o archiviarlo in un formato di file audio standard, come MP3.
Oltre alle voci TTS standard, Amazon Polly offre voci Neural Text-to-Speech (NTTS) che offrono miglioramenti avanzati della qualità del parlato attraverso un nuovo approccio di apprendimento automatico. La tecnologia Neural TTS di Polly supporta anche uno stile di conversazione Newscaster personalizzato per i casi d'uso della narrazione di notizie. Infine, Amazon Polly Brand Voice può creare una voce personalizzata per la tua organizzazione. Si tratta di un intervento personalizzato in cui collaborerai con il team di Amazon Polly per creare una voce NTTS ad uso esclusivo della tua organizzazione.
Con Amazon Polly, paghi solo per il numero di caratteri convertiti in voce e puoi salvare e riprodurre il parlato generato da Amazon Polly. Il basso costo per carattere convertito di Amazon Polly e la mancanza di restrizioni sull'archiviazione e il riutilizzo dell'output vocale lo rendono un modo conveniente per abilitare la sintesi vocale ovunque.
Amazon Q
Amazon Q è un assistente generativo basato sull'intelligenza artificiale per accelerare lo sviluppo del software e sfruttare i dati interni.
- Amazon Q Business
-
Amazon Q Business può rispondere a domande, fornire riepiloghi, generare contenuti e completare in modo sicuro attività basate su dati e informazioni presenti nei sistemi aziendali. Consente ai dipendenti di essere più creativi, basati sui dati, efficienti, preparati e produttivi.
- Amazon Q Developer
-
Amazon Q Developer (precedentemente Amazon CodeWhisperer) assiste sviluppatori e professionisti IT nelle loro attività, dalla codifica, al test e all'aggiornamento delle applicazioni, alla diagnosi degli errori, all'esecuzione di scansioni e correzioni di sicurezza e all'ottimizzazione delle risorse. AWS Amazon Q dispone di funzionalità avanzate di pianificazione e ragionamento in più fasi in grado di trasformare il codice esistente (ad esempio, eseguire aggiornamenti della versione Java) e implementare nuove funzionalità generate dalle richieste degli sviluppatori.
Amazon Rekognition
Amazon Rekognition semplifica l'aggiunta di analisi di immagini e video alle applicazioni utilizzando una tecnologia di deep learning collaudata e altamente scalabile che non richiede competenze di machine learning per essere utilizzata. Con Amazon Rekognition, puoi identificare oggetti, persone, testo, scene e attività in immagini e video, oltre a rilevare eventuali contenuti inappropriati. Amazon Rekognition offre anche funzionalità di analisi e ricerca facciale estremamente accurate che puoi utilizzare per rilevare, analizzare e confrontare i volti per un'ampia varietà di casi d'uso in materia di verifica degli utenti, conteggio delle persone e sicurezza pubblica.
Con Amazon Rekognition Custom Labels, puoi identificare gli oggetti e le scene nelle immagini che sono specifiche per le tue esigenze aziendali. Ad esempio, puoi creare un modello per classificare parti specifiche della macchina sulla linea di assemblaggio o per rilevare piante non sane. Amazon Rekognition Custom Labels si occupa dello sviluppo di modelli al posto tuo, quindi non è richiesta alcuna esperienza di machine learning. Devi semplicemente fornire immagini di oggetti o scene che desideri identificare e il servizio si occuperà del resto.
Amazon SageMaker
Con Amazon SageMaker, puoi creare, addestrare e distribuire modelli di machine learning per qualsiasi caso d'uso con infrastruttura, strumenti e flussi di lavoro completamente gestiti. SageMakerelimina il peso di ogni fase del processo di machine learning per facilitare lo sviluppo di modelli di alta qualità. SageMaker fornisce tutti i componenti utilizzati per il machine learning in un unico set di strumenti in modo che i modelli arrivino alla produzione più velocemente, con molto meno sforzo e a costi inferiori.
Amazon SageMaker Autopilot
Amazon SageMaker Autopilot crea, addestra e ottimizza automaticamente i migliori modelli di machine learning in base ai tuoi dati, consentendoti al contempo di mantenere il pieno controllo e la visibilità. Con SageMaker Autopilot, devi semplicemente fornire un set di dati tabellare e selezionare la colonna di destinazione da prevedere, che può essere un numero (ad esempio il prezzo dell'immobile, chiamato regressione) o una categoria (come spam/non spam, chiamata classificazione). SageMaker Autopilot esplorerà automaticamente diverse soluzioni per trovare il modello migliore. Puoi quindi distribuire direttamente il modello in produzione con un solo clic o iterare sulle soluzioni consigliate con Amazon SageMaker Studio per migliorare ulteriormente la qualità del modello.
Amazon SageMaker Tela
Amazon SageMaker Canvas amplia l'accesso al machine learning fornendo agli analisti aziendali point-and-click un'interfaccia visiva che consente loro di generare previsioni ML accurate da soli, senza richiedere alcuna esperienza di machine learning o dover scrivere una sola riga di codice.
Amazon SageMaker Clarify
Amazon SageMaker Clarify offre agli sviluppatori di machine learning una maggiore visibilità dei dati e dei modelli di formazione in modo che possano identificare e limitare i pregiudizi e spiegare le previsioni. Amazon SageMaker Clarify rileva potenziali distorsioni durante la preparazione dei dati, dopo l'addestramento del modello e nel modello distribuito esaminando gli attributi specificati. SageMaker Clarify include anche grafici sull'importanza delle funzionalità che ti aiutano a spiegare le previsioni dei modelli e produce report che possono essere utilizzati per supportare presentazioni interne o per identificare problemi con il modello che puoi correggere con le dovute misure.
Etichettatura SageMaker dei dati Amazon
Amazon SageMaker offre offerte di etichettatura dei dati per identificare dati grezzi, come immagini, file di testo e video, e aggiungere etichette informative per creare set di dati di formazione di alta qualità per i tuoi modelli di machine learning.
Amazon SageMaker Data Wrangler
Amazon SageMaker Data Wrangler riduce il tempo necessario per aggregare e preparare i dati per il machine learning da settimane a minuti. Con SageMaker Data Wrangler, puoi semplificare il processo di preparazione dei dati e di progettazione delle funzionalità e completare ogni fase del flusso di lavoro di preparazione dei dati, inclusa la selezione, la pulizia, l'esplorazione e la visualizzazione dei dati da un'unica interfaccia visiva.
Amazon SageMaker Edge
Amazon SageMaker Edge consente l'apprendimento automatico sui dispositivi edge ottimizzando, proteggendo e implementando modelli sull'edge, quindi monitorando questi modelli sulla tua flotta di dispositivi, come fotocamere intelligenti, robot e altri dispositivi elettronici intelligenti, per ridurre i costi operativi correnti. SageMaker Edge Compiler ottimizza il modello addestrato per renderlo eseguibile su un dispositivo edge. SageMaker Edge include un meccanismo di distribuzione over-the-air (OTA) che consente di distribuire modelli sulla flotta indipendentemente dal firmware dell'applicazione o del dispositivo. SageMaker Edge Agent consente di eseguire più modelli sullo stesso dispositivo. L'agente raccoglie i dati di previsione in base alla logica controllata dall'utente, ad esempio gli intervalli, e li carica sul cloud in modo da poter riqualificare periodicamente i modelli nel tempo.
Amazon SageMaker Feature Store
Amazon SageMaker Feature Store è un repository creato appositamente in cui puoi archiviare e accedere alle funzionalità, quindi è molto più facile denominarle, organizzarle e riutilizzarle tra i team. SageMaker Feature Store offre un archivio unificato per le funzionalità durante la formazione e l'inferenza in tempo reale senza la necessità di scrivere codice aggiuntivo o creare processi manuali per mantenere le funzionalità coerenti. SageMaker Feature Store tiene traccia dei metadati delle funzionalità archiviate (come il nome della funzionalità o il numero di versione) in modo da poter interrogare le funzionalità per gli attributi corretti in batch o in tempo reale utilizzando Amazon Athena, un servizio di query interattivo. SageMaker Feature Store mantiene inoltre aggiornate le funzionalità, perché man mano che vengono generati nuovi dati durante l'inferenza, il singolo repository viene aggiornato in modo che le nuove funzionalità siano sempre disponibili per i modelli da utilizzare durante l'addestramento e l'inferenza.
Funzionalità SageMaker geospaziali di Amazon
Le funzionalità SageMaker geospaziali di Amazon consentono ai data scientist e agli ingegneri di machine learning (ML) di creare, addestrare e implementare modelli ML più velocemente utilizzando dati geospaziali. Hai accesso a dati (open source e di terze parti), strumenti di elaborazione e visualizzazione per rendere più efficiente la preparazione dei dati geospaziali per il machine learning. Puoi aumentare la produttività utilizzando algoritmi appositamente progettati e modelli ML preaddestrati per velocizzare la creazione e l’addestramento dei modelli e utilizzare gli strumenti di visualizzazione integrati per esplorare gli output delle previsioni su una mappa interattiva, quindi collaborare con i team su approfondimenti e risultati.
Amazon SageMaker HyperPod
Amazon SageMaker HyperPod elimina l'onere indifferenziato legato alla creazione e all'ottimizzazione dell'infrastruttura di machine learning (ML) per modelli linguistici di grandi dimensioni (LLM), modelli di diffusione e modelli di base (FM). SageMaker HyperPod è preconfigurato con librerie di formazione distribuite che consentono ai clienti di suddividere automaticamente i carichi di lavoro di formazione tra migliaia di acceleratori, come AWS Trainium le unità di elaborazione grafica (GPU) NVIDIA A100 e H100.
SageMaker HyperPod aiuta anche a garantire la possibilità di continuare l'allenamento senza interruzioni salvando periodicamente i checkpoint. Quando si verifica un guasto hardware, i cluster con riparazione automatica rilevano automaticamente l'errore, riparano o sostituiscono l'istanza difettosa e riprendono la formazione dall'ultimo checkpoint salvato, eliminando la necessità di gestire manualmente questo processo e aiutandovi ad allenarvi per settimane o mesi in un ambiente distribuito senza interruzioni. Puoi personalizzare il tuo ambiente informatico in base alle tue esigenze e configurarlo con le librerie di formazione SageMaker distribuite di Amazon per ottenere prestazioni ottimali su AWS.
Amazon SageMaker JumpStart
Amazon ti SageMaker JumpStart aiuta a iniziare a usare il machine learning in modo rapido e semplice. Per semplificare l'avvio, SageMaker JumpStart fornisce una serie di soluzioni per i casi d'uso più comuni che possono essere implementate prontamente con pochi clic. Le soluzioni sono completamente personalizzabili e mostrano l'uso di AWS CloudFormation modelli e architetture di riferimento in modo da poter accelerare il percorso verso il machine learning. Amazon supporta SageMaker JumpStart anche l'implementazione e la messa a punto con un solo clic di oltre 150 modelli open source popolari come l'elaborazione del linguaggio naturale, il rilevamento di oggetti e i modelli di classificazione delle immagini.
Costruzione SageMaker di modelli Amazon
Amazon SageMaker fornisce tutti gli strumenti e le librerie necessari per creare modelli ML, il processo di prova iterativa di diversi algoritmi e la valutazione della loro accuratezza per trovare quello migliore per il tuo caso d'uso. In Amazon SageMaker puoi scegliere diversi algoritmi, tra cui oltre 15 integrati e ottimizzati per SageMaker, e utilizzare oltre 750 modelli predefiniti di famosi zoo disponibili con pochi clic. SageMaker offre anche una varietà di strumenti per la creazione di modelli, tra cui Amazon SageMaker Studio Notebooks JupyterLab, RStudio e Code Editor basati su Code-OSS (Virtual Studio Code Open Source), dove puoi eseguire modelli ML su piccola scala per vedere risultati e visualizzare report sulle loro prestazioni in modo da creare prototipi funzionanti di alta qualità.
Formazione SageMaker sui modelli Amazon
Amazon SageMaker riduce i tempi e i costi necessari per addestrare e ottimizzare modelli di machine learning su larga scala senza la necessità di gestire l'infrastruttura. Puoi sfruttare l'infrastruttura di calcolo ML più performante attualmente disponibile e SageMaker scalare automaticamente l'infrastruttura verso l'alto o verso il basso, da una a migliaia di GPU. Poiché paghi solo per ciò che utilizzi, puoi gestire i costi di formazione in modo più efficace. Per addestrare più velocemente i modelli di deep learning, puoi utilizzare le librerie di formazione SageMaker distribuite di Amazon per prestazioni migliori o utilizzare librerie di terze parti come DeepSpeed Horovod o Megatron.
Implementazione SageMaker del modello Amazon
Amazon SageMaker semplifica la distribuzione di modelli di machine learning per fare previsioni (note anche come inferenza) al miglior rapporto prezzo/prestazioni per ogni caso d'uso. Fornisce un'ampia selezione di infrastrutture ML e opzioni di implementazione dei modelli per aiutarti a soddisfare tutte le tue esigenze di inferenza ML. È un servizio completamente gestito e si integra con gli strumenti MLOps, in modo da poter dimensionare l'implementazione del modello, ridurre i costi di inferenza, gestire i modelli in modo più efficace in produzione e ridurre il carico operativo.
Amazon SageMaker Pipeline
Amazon SageMaker Pipelines è il primo servizio di integrazione easy-to-use continua e distribuzione continua (CI/CD) appositamente progettato per il machine learning. Con SageMaker Pipelines, puoi creare, automatizzare e gestire flussi di lavoro ML su larga scala. end-to-end
Laboratorio Amazon SageMaker Studio
Amazon SageMaker Studio Lab è un ambiente di sviluppo ML gratuito che fornisce elaborazione, storage (fino a 15 GB) e sicurezza, il tutto gratuitamente, a chiunque voglia imparare e sperimentare con il machine learning. Tutto ciò di cui hai bisogno per iniziare è un indirizzo email valido: non devi configurare l'infrastruttura o gestire l'identità e l'accesso e nemmeno registrare un account. AWS SageMaker Studio Lab accelera la creazione di modelli attraverso GitHub l'integrazione e viene fornito preconfigurato con gli strumenti, i framework e le librerie ML più diffusi per iniziare subito. SageMaker Studio Lab salva automaticamente il lavoro in modo da non dover riavviare il computer tra una sessione e l'altra. È facile: basta chiudere il laptop e tornare più tardi.
Apache MXNet attivo AWS
Apache MXNet è un framework di formazione e inferenza veloce e scalabile con easy-to-use un'API concisa per il machine learning. MXNet include l'interfaccia Gluon che consente agli sviluppatori di tutti i livelli di abilità di iniziare con il deep learning sul cloud, sui dispositivi edge e sulle app mobili. In poche righe di codice Gluon, puoi creare regressione lineare, reti convoluzionali e LSTM ricorrenti per il rilevamento di oggetti, il riconoscimento vocale, la raccomandazione e la personalizzazione. Puoi iniziare con MxNet un'esperienza completamente gestita utilizzando Amazon SageMaker, una piattaforma per creare, addestrare e distribuire modelli di machine learning su larga scala.AWS In alternativa, puoi utilizzare AWS Deep Learning AMI s per creare ambienti e flussi di lavoro personalizzati e altri framework tra cui Chainer, Keras, Caffe TensorFlow PyTorch, Caffe2 e Microsoft Cognitive Toolkit. MxNet
AWS Deep Learning AMI
AWS Deep Learning AMIForniscono ai professionisti e ai ricercatori di machine learning l'infrastruttura e gli strumenti per accelerare il deep learning nel cloud, su qualsiasi scala. Puoi avviare rapidamente istanze Amazon EC2 preinstallate con i framework e le interfacce di deep learning più diffusi come PyTorch Apache MXNet, Chainer TensorFlow, Gluon, Horovod e Keras per addestrare modelli di intelligenza artificiale sofisticati e personalizzati, sperimentare nuovi algoritmi o apprendere nuove competenze e tecniche. Che tu abbia bisogno di istanze GPU o CPU Amazon EC2, non sono previsti costi aggiuntivi per le AMI di Deep Learning: paghi solo per AWS le risorse necessarie per archiviare ed eseguire le tue applicazioni.
AWS Contenitori per Deep Learning
AWS I Deep Learning Containers (AWS DL Containers) sono immagini Docker preinstallate con framework di deep learning per semplificare la distribuzione rapida di ambienti di machine learning (ML) personalizzati, evitando il complicato processo di creazione e ottimizzazione degli ambienti da zero. AWS Supporto per contenitori DL TensorFlow PyTorch, Apache MXNet. Puoi distribuire contenitori AWS DL su Amazon SageMaker, Amazon Elastic Kubernetes Service (Amazon EKS), Kubernetes autogestiti su Amazon EC2, Amazon Elastic Container Service (Amazon ECS). I contenitori sono disponibili tramite Amazon Elastic Container Registry (Amazon ECR) e Marketplace AWSsono disponibili gratuitamente: paghi solo per le risorse che utilizzi.
ML geospaziale con Amazon SageMaker
Le funzionalità SageMaker geospaziali di Amazon consentono ai data scientist e agli ingegneri ML di creare, addestrare e implementare modelli di machine learning utilizzando dati geospaziali più velocemente e su larga scala. Puoi accedere a fonti di dati geospaziali immediatamente disponibili, trasformare o arricchire in modo efficiente set di dati geospaziali su larga scala con operazioni appositamente progettate e accelerare la creazione di modelli selezionando modelli ML preaddestrati. Puoi anche analizzare i dati geospaziali ed esplorare le previsioni dei modelli su una mappa interattiva utilizzando grafica 3D accelerata con strumenti di visualizzazione integrati. SageMaker Le funzionalità geospaziali di Runtime possono essere utilizzate per un'ampia gamma di casi d'uso, ad esempio per massimizzare la resa del raccolto e la sicurezza alimentare, valutare i rischi e le richieste di risarcimento, supportare lo sviluppo urbano sostenibile e prevedere l'utilizzo dei siti di vendita al dettaglio.
Hugging Face on AWS
Con Hugging Face su Amazon SageMaker, puoi implementare e perfezionare modelli pre-addestrati di Hugging Face, un fornitore open source di modelli di elaborazione del linguaggio naturale (NLP) noti come Transformers, riducendo il tempo necessario per configurare e utilizzare questi modelli NLP da settimane a minuti. La PNL si riferisce agli algoritmi ML che aiutano i computer a comprendere il linguaggio umano. Aiutano con la traduzione, la ricerca intelligente, l'analisi del testo e altro ancora. Tuttavia, i modelli di PNL possono essere ampi e complessi (a volte consistono in centinaia di milioni di parametri del modello) e la loro formazione e ottimizzazione richiedono tempo, risorse e competenze. AWS ha collaborato con Hugging Face per creare Hugging Face Deep AWS Learning Containers (DLC), che forniscono ai data scientist e agli sviluppatori di ML un'esperienza completamente gestita per la creazione, la formazione e la distribuzione di modelli NLP su Amazon. state-of-the-art SageMaker
PyTorch su AWS
PyTorchè un framework di deep learning open source che semplifica lo sviluppo di modelli di machine learning e la loro implementazione in produzione. Utilizzando la libreria PyTorch di model serving di TorchServe, creata e gestita da AWS in collaborazione con Facebook, PyTorch gli sviluppatori possono implementare i modelli in produzione in modo rapido e semplice. PyTorch fornisce anche grafici di calcolo dinamici e librerie per la formazione distribuita, ottimizzati per prestazioni elevate. AWS Puoi iniziare a AWS usare PyTorch Amazon SageMaker, un servizio di machine learning completamente gestito che semplifica ed economica la creazione, il training e l'implementazione di PyTorch modelli su larga scala. Se preferisci gestire l'infrastruttura da solo, puoi utilizzare AWS Deep Learning AMI i AWS Deep Learning Containers, creati dal codice sorgente e ottimizzati per le prestazioni con l'ultima versione di per PyTorch implementare rapidamente ambienti di machine learning personalizzati.
TensorFlow su AWS
TensorFlowè uno dei tanti framework di deep learning a disposizione di ricercatori e sviluppatori per migliorare le proprie applicazioni con l'apprendimento automatico. AWS fornisce un ampio supporto TensorFlow, che consente ai clienti di sviluppare e utilizzare i propri modelli per quanto riguarda la visione artificiale, l'elaborazione del linguaggio naturale, la traduzione vocale e altro ancora. Puoi iniziare a AWS usare TensorFlow Amazon SageMaker, un servizio di machine learning completamente gestito che semplifica ed economica la creazione, il training e l'implementazione di TensorFlow modelli su larga scala. Se preferisci gestire l'infrastruttura da solo, puoi utilizzare AWS Deep Learning AMI i AWS Deep Learning Containers, creati dal codice sorgente e ottimizzati per le prestazioni con l'ultima versione di TensorFlow per implementare rapidamente ambienti ML personalizzati.
Amazon Textract è un servizio che estrae automaticamente testo e dati dai documenti scansionati. Amazon Textract va ben oltre il semplice riconoscimento OCR per identificare anche il contenuto dei campi nei moduli e le informazioni memorizzate nelle tabelle.
Oggi, molte aziende estraggono manualmente i dati da documenti scansionati come PDF, immagini, tabelle e moduli, oppure tramite un semplice software OCR che richiede una configurazione manuale (che spesso deve essere aggiornato quando il modulo cambia). Per superare questi processi manuali e costosi, Amazon Textract utilizza il machine learning per leggere ed elaborare qualsiasi tipo di documento, estraendo accuratamente testo, grafia, tabelle e altri dati senza alcuno sforzo manuale. Amazon Textract ti offre la flessibilità di specificare i dati che devi estrarre dai documenti utilizzando le query. Puoi specificare le informazioni di cui hai bisogno sotto forma di domande in linguaggio naturale (come «Qual è il nome del cliente»). Non è necessario conoscere la struttura dei dati nel documento (tabella, modulo, campo implicito, dati annidati) né preoccuparsi delle variazioni tra le versioni e i formati dei documenti. Le query di Amazon Textract sono preformate su un'ampia gamma di documenti, tra cui buste paga, estratti conto bancari, documenti W-2, moduli di richiesta di prestito, note ipotecarie, documenti relativi ai reclami e tessere assicurative.
Con Amazon Textract, puoi automatizzare rapidamente l'elaborazione dei documenti e agire in base alle informazioni estratte, sia che tu stia automatizzando l'elaborazione dei prestiti o estraendo informazioni da fatture e ricevute. Amazon Textract può estrarre i dati in pochi minuti anziché in ore o giorni. Inoltre, puoi aggiungere recensioni umane con Amazon Augmented AI per supervisionare i tuoi modelli e controllare i dati sensibili.
Amazon Transcribe
Amazon Transcribe è un servizio di riconoscimento vocale automatico (ASR) che consente ai clienti di convertire automaticamente la voce in testo. Il servizio può trascrivere file audio archiviati in formati comuni, come WAV e MP3, con timestamp per ogni parola, in modo da poter individuare facilmente l'audio nella fonte originale cercando il testo. Puoi anche inviare un flusso audio live ad Amazon Transcribe e ricevere un flusso di trascrizioni in tempo reale. Amazon Transcribe è progettato per gestire un'ampia gamma di caratteristiche vocali e acustiche, tra cui variazioni di volume, intonazione e velocità di conversazione. La qualità e il contenuto del segnale audio (inclusi, a titolo esemplificativo ma non esaustivo, fattori come il rumore di fondo, gli altoparlanti sovrapposti, il parlato accentato o il passaggio da una lingua all'altra all'interno di un singolo file audio) possono influire sulla precisione dell'output del servizio. I clienti possono scegliere di utilizzare Amazon Transcribe per una varietà di applicazioni aziendali, tra cui la trascrizione di chiamate vocali al servizio clienti, la generazione di sottotitoli su contenuti audio/video e l'analisi dei contenuti (basata su testo) su contenuti audio/video.
Due servizi molto importanti derivati da Amazon Transcribe sono Amazon Transcribe Medical e Amazon Transcribe Call Analytics.
Amazon Transcribe Medical utilizza modelli di machine learning avanzati per trascrivere con precisione il discorso medico in testo. Amazon Transcribe Medical può generare trascrizioni di testo che possono essere utilizzate per supportare una varietà di casi d'uso, dal flusso di lavoro della documentazione clinica e dal monitoraggio della sicurezza dei farmaci (farmacovigilanza) alla sottotitolazione per la telemedicina e persino all'analisi dei contact center nei settori della sanità e delle scienze biologiche.
Amazon Transcribe Call Analytics è un'API basata sull'intelligenza artificiale che fornisce trascrizioni complete delle chiamate e informazioni utili sulle conversazioni che puoi aggiungere alle loro applicazioni di chiamata per migliorare l'esperienza dei clienti e la produttività degli agenti. Combina modelli di elaborazione del linguaggio naturale (NLP) potenti speech-to-text e personalizzati, formati specificamente per comprendere l'assistenza clienti e le chiamate di vendita in uscita. Come parte delle soluzioni AWS Contact Center Intelligence (CCI), questa API è indipendente dai contact center e consente a clienti e ISV di aggiungere facilmente funzionalità di analisi delle chiamate nelle loro applicazioni.
Il modo più semplice per iniziare a usare Amazon Transcribe è inviare un lavoro utilizzando la console per trascrivere un file audio. Puoi anche chiamare il servizio direttamente da o utilizzare uno degli AWS Command Line Interface SDK supportati di tua scelta per l'integrazione con le tue applicazioni.
Amazon Translate
Amazon Translate è un servizio di traduzione automatica neurale che offre traduzioni linguistiche veloci, di alta qualità e convenienti. La traduzione automatica neurale è una forma di automazione della traduzione linguistica che utilizza modelli di deep learning per fornire una traduzione più accurata e naturale rispetto ai tradizionali algoritmi di traduzione statistici e basati su regole. Amazon Translate ti consente di localizzare contenuti come siti Web e applicazioni per i tuoi diversi utenti, tradurre facilmente grandi volumi di testo per l'analisi e abilitare in modo efficiente la comunicazione interlinguistica tra gli utenti.
AWS DeepComposer
AWS DeepComposerè la prima tastiera musicale al mondo basata sul machine learning che consente agli sviluppatori di tutti i livelli di abilità di apprendere l'IA generativa mentre creano output musicali originali. DeepComposer è costituito da una tastiera USB che si collega al computer dello sviluppatore e al DeepComposer servizio, a cui si accede tramite. AWS Management Console DeepComposer include tutorial, codice di esempio e dati di formazione che possono essere utilizzati per iniziare a creare modelli generativi.
AWS DeepRacer
AWS DeepRacerè un'auto da corsa in scala 1/18 che offre un modo interessante e divertente per iniziare con l'apprendimento per rinforzo (RL). RL è una tecnica di machine learning avanzata che adotta un approccio molto diverso ai modelli di allenamento rispetto ad altri metodi di machine learning. La sua superpotenza è che apprende comportamenti molto complessi senza richiedere dati di addestramento etichettati e può prendere decisioni a breve termine ottimizzando al contempo per un obiettivo a lungo termine.
Con AWS DeepRacer, ora hai un modo per mettere in pratica RL, sperimentare e imparare attraverso la guida autonoma. Puoi iniziare con l'auto virtuale e le piste con il simulatore di corse 3D basato su cloud e, per un'esperienza reale, puoi distribuire i tuoi modelli addestrati AWS DeepRacer e gareggiare con i tuoi amici o prendere parte alla Global League. AWS DeepRacer
Sviluppatori, la gara è iniziata.
AWS HealthLake
AWS HealthLakeè un servizio idoneo all'HIPAA che gli operatori sanitari, le compagnie di assicurazione sanitaria e le aziende farmaceutiche possono utilizzare per archiviare, trasformare, interrogare e analizzare dati sanitari su larga scala.
I dati sanitari sono spesso incompleti e incoerenti. Inoltre, sono spesso non strutturati, con informazioni contenute in note cliniche, rapporti di laboratorio, richieste assicurative, immagini mediche, conversazioni registrate e dati di serie temporali (ad esempio, ECG cardiaco o tracce EEG cerebrali).
Gli operatori sanitari possono utilizzare HealthLake per archiviare, trasformare, interrogare e analizzare i dati in. Cloud AWS Utilizzando le funzionalità HealthLake integrate di elaborazione medica del linguaggio naturale (NLP), è possibile analizzare testi clinici non strutturati provenienti da diverse fonti. HealthLake trasforma i dati non strutturati utilizzando modelli di elaborazione del linguaggio naturale e fornisce potenti funzionalità di interrogazione e ricerca. È possibile utilizzarli HealthLake per organizzare, indicizzare e strutturare le informazioni sui pazienti in modo sicuro, conforme e verificabile.
AWS HealthScribe
AWS HealthScribeè un servizio idoneo all'HIPAA che consente ai fornitori di software sanitari di generare automaticamente note cliniche analizzando le conversazioni paziente-medico. AWS HealthScribe combina il riconoscimento vocale con l'intelligenza artificiale generativa per ridurre il carico della documentazione clinica trascrivendo le conversazioni e producendo rapidamente note cliniche. Le conversazioni sono segmentate per identificare i ruoli dei relatori per pazienti e medici, estrarre termini medici e generare note cliniche preliminari. Per proteggere i dati sensibili dei pazienti, la sicurezza e la privacy sono integrate per garantire che l'audio in ingresso e il testo in uscita non vengano conservati. AWS HealthScribe
AWS Panorama
AWS Panoramaè una raccolta di dispositivi ML e kit di sviluppo software (SDK) che porta la visione artificiale (CV) alle telecamere IP (Internet Protocol) locali. Con AWS Panorama, puoi automatizzare le attività che tradizionalmente richiedevano l'ispezione umana per migliorare la visibilità dei potenziali problemi.
La visione artificiale può automatizzare l'ispezione visiva per attività come il monitoraggio delle risorse per ottimizzare le operazioni della catena di approvvigionamento, il monitoraggio delle corsie di traffico per ottimizzare la gestione del traffico o il rilevamento di anomalie per valutare la qualità della produzione. In ambienti con larghezza di banda di rete limitata, tuttavia, o per le aziende con regole di governance dei dati che richiedono l'elaborazione e l'archiviazione dei video in sede, la visione artificiale nel cloud può essere difficile o impossibile da implementare. AWS Panorama
è un servizio di machine learning che consente alle organizzazioni di portare la visione artificiale alle telecamere locali per effettuare previsioni a livello locale con elevata precisione e bassa latenza.
L' AWS Panorama appliance è un dispositivo hardware che aggiunge la visione artificiale alle telecamere IP esistenti e analizza i feed video di più telecamere da un'unica interfaccia di gestione. Genera previsioni immediate in pochi millisecondi, il che significa che è possibile ricevere notifiche su potenziali problemi, ad esempio quando vengono rilevati prodotti danneggiati su una linea di produzione in rapido movimento o quando un veicolo si è allontanato in una pericolosa zona interdetta al traffico di un magazzino. Inoltre, i produttori di terze parti stanno costruendo nuove fotocamere e dispositivi AWS Panorama abilitati per fornire ancora più fattori di forma per i vostri casi d'uso unici. Con AWS Panorama puoi utilizzare i modelli ML di AWS per creare le tue applicazioni di visione artificiale o collaborare con un partner del settore AWS Partner Network per creare rapidamente applicazioni CV.
