遇見未來!亞馬遜 re:Invent 邀您玩轉人工智慧和機器學習

今年，我們將通過有史以來首次機器學習主題演講、超過 50 場極具突破性的技術講習，再加上 AWS DeepRacer League 實時競賽等環節，讓本屆 re:Invent 煥發出更鮮活的生命力。屆時，您將獲得來自 Amazon Web Services (AWS) 專家以及眾多 AWS 客戶的大量資訊，包括來自體育、金融、零售、自動駕駛、製造等行業的 NASCAR、Intuit、麥當勞、Mobileye、NFL 以及西門子能源等等。

為了幫助大家為今年的盛會做好攻略，我們整理出這份亞馬遜 re:Invent 2020 大會人工智慧與機器學習領域的發布要點。

請各位「系好安全帶」

掃描下方二維碼註冊參會

我們馬上進入正題！

一、機器學習主題演講

今年，我們將迎來首場機器學習主題演講，主講人為 AWS機器學習副總裁 Swami Sivasubramanian。

12 月 9 日（上午 8:00-9:30）

了解 AWS 如何通過 AWS 機器學習的最新發展、先進的技術演示以及對客戶的洞察，讓構建者在機器學習上自由創新。

二、AI 與 ML 入門

如果您剛剛接觸 AI 和 ML 技術，我們也將舉辦相關講習以幫助您了解如何運用 AI 及 ML 成果為業務帶來價值。這些講習將涵蓋 AI 及 ML 領域的基本元素，並通過廣受歡迎的 AWS DeepRacer 與 AWS DeepComposer 設備激發您掌握技術的興趣。

1、從概念驗證到實際生產（講習會AIM203）

如果您有意在組織當中實施 ML，並希望了解應該從哪裡起步，請千萬不要錯過這節課程。您將在這裡了解如何以規模化方式使用 ML 技術並取得成功，包括從概念到生產的所有相關最佳實踐。

2、發現洞見以提高客戶滿意度 (AIM202)

客戶響應與情感傾向數據的快速增加，應該成為大家提供優質客戶服務的重要素材。您將在這裡了解如何使用 Amazon Comprehend 提取有價值信息，並將其轉換為業務洞見。

3、開始使用AWS DeepRacer (AIM204)

開發者們，啟動引擎，準備參加 AWS DeepRacer 吧！它以一種妙趣橫生的方式幫助您了解機器學習與強化學習方面的基礎知識。您只需要構建模型並將其提交至AWS DeepRacer League，即有機會贏得獎項與榮譽！

4、使用AWS DeepComposer上手生成式 AI(AIM207)

生成式 AI 已被用於解決諸多行業中的獨特問題。在使用 AWS DeepComposer聆聽美妙音樂的同時，您還能夠了解到關於生成 AI 技術的更多最新概念（例如GAN與自回歸模型等）。

三、從這裡開始，啟動跨行業用例實踐

機器學習擁有廣泛的適用性，意味著它足以幫助客戶在各類行業當中建立起豐富的用例。在相關講習中，我們將深入探討金融與醫療保健、零售、媒體與娛樂等行業中的 AI 及 ML 實踐用例。

1、保險業智能文件處理 (AIM310)

多年以來，保險業已經在極易出錯、成本高昂且極度繁瑣的手動數據提取工作中耗費了數百萬美元。您可以在這裡了解 Amazon Textract 與 Amazon Augmented AI (Amazon A2I) 如何在生產環境中引入自動化文檔處理工作流，藉此將繁瑣的流程轉變為簡化操作。

2、在 M&E 中提供卓越的個人體驗 (AIM211)

了解如何添加 ML 支持型推薦引擎，以個性化方式滿足您的媒體與娛樂需求，藉此增加訂閱及消費量。在本講習中，我們將討論 Amazon Personalize 如何為您的各類業務需求提供出色的推薦結果。

3、NASCAR 如何通過 Amazon Transcribe實現內容的可搜索性與可訪問性 (AIM205)

如今，媒體與娛樂內容正呈現出指數級增長。在本次講習中，NASCAR 將分享他們如何使用 Amazon Transcribe 生成自動視頻字幕，藉此增強用戶的參與度。我們還將探討其他客戶如何使用 Amazon Transcribe 以經濟高效的方式創建視頻與播客的精準副本，藉此生成可用內容分類及搜索的元數據、同時管理播放內容以確保其適度無害。

4、與美國國家橄欖球聯盟（NFL）聯手構建計算機視覺訓練數據集（AIM 307）

在運動場上對運動員進行跟蹤是一項極具挑戰性的難題，訓練出一套高質量的 ML 模型以預測運動員的運動狀態及受傷風險同樣相當困難。在本次講習中，我們將通過一段有趣的洞見式演示，介紹 NFL 如何使用 Amazon SageMaker Ground Truth 構建訓練數據集，藉此跟蹤賽場上的全部 22 名球員以確保其人身安全並跟蹤比賽統計數據。

5、使用 AI 實現臨床工作流自動化 (AIM303)

了解醫療保健組織如何利用AI的力量在臨床工作流、醫療信息數位化、信息提取與匯總以及患者數據保護等領域實現自動化。在本次講習中，我們將演示由AWS提供的多種AI服務（包括 Amazon Textract, Amazon Comprehend Medical, Amazon Transcribe Medical以及 Amazon Kendra）如何協同工作，進而提取、分析並匯總病歷內的數據。

6、捕捉在線欺詐並採取打擊行動 (AIM208)

長久以來，欺詐陰影一直籠罩著諸多行業，導致組織蒙受數十億美元的巨額損失。在本次講習中，我們將了解 Amazon Fraud Detector 如何憑藉機器學習技術以及 Amazon 20 多年的豐富經驗加專業知識，幫助您捕捉在線欺詐活動。通過詳細的討論與演示，您將了解如何將 Amazon Fraud Detector 應用於自身業務體系。

7、針對受監管行業的安全與合規型機器學習 (AIM309)

隨著越來越多的工作負載被遷移至雲端，雲環境的安全已經成為直接影響業務命運的重要因素。AWS 當然視安全為重中之重，並將在本次講習中深入探討如何使用 Amazon SageMaker 設置安全的 ML 環境。此外，我們還將研究金融等受監管行業的客戶架構，講解其中涉及的概念並帶來一段技術演示。

四、AI 與 DevOps – 無與倫比的組合

1、使用 Amazon CodeGuru 查找資源佔用量最大的代碼行 (AIM306)

對於大多數開發人員而言，改善應用程式響應時間，更快、更準確地解決服務問題，以及更深刻地理解代碼邏輯無疑是最重要的幾大訴求。在本講習中，您將了解 Amazon CodeGuru 如何在開發過程中提供智能建議，藉此幫助您自動實現代碼審查，並通過代碼調整提高應用程式性能。

五、面向 ML 老兵們的進階主題

我們還準備了眾多講習研討，旨在深入解析 AWS 服務組合中的機器學習技術細節，涵蓋 TensorFlow、PyTorch 以及 Apache MXNet 在內的多種深度學習框架。這些講習將演示相關代碼，幫助高級開發人員或數據科學家們得以利用這些更具深度的技術解決方案應對種種現實挑戰。

1、Amazon SageMaker 入門指南 (AIM209)

Amazon SageMaker是一項完全託管服務，可幫助各類開發人員及數據科學家輕鬆完成ML生命周期內的各個環節。加入我們的講習研討，我們將在這裡向您展示如何通過簡單直觀的體驗上手SageMaker，進而實現預測性維護、客戶流失預測以及信用風險評估等各類用例。

2、在Amazon SageMaker Studio當中使用完全託管的Jupyter notebooks (AIM305)

長久以來，對用於查看、運行或共享 notebooks 的計算實例進行管理一直是項枯燥乏味的工作。如今在 Amazon SageMaker Studio Notebooks 的支持下，您可以輕鬆將 notebooks 納入 ML 項目當中。其底層計算資源擁有充分的彈性，且 notebooks 可以輕鬆共享，這將大大降低協作門檻並提升可擴展性。本講習還隨附一段演示，介紹如何將 Jupyter notebooks 與 SageMaker Studio（第一套用於機器學習的全集成開發環境）配合使用。

3、在 TensorFlow 2.0 中使用數十億參數規模化訓練ML模型(AIM405)

受到 GPU 內存等資源的固有限制，我們在訓練大型模型時往往無法放手使用輸入信息。在本次講習中，我們將深入探討模型並發性技術解決方案，即將模型層放置在多臺 GPU 設備上並運用聚合內存資源。我們還將演示如何使用 Amazon SageMaker 與 TensorFlow 2.0 實現模型的規模化訓練。

4、工作場所安全與身份驗證 (AIM407)

如今，COVID-19 疫情給企業帶來了新的挑戰——如何保障工作場所的往來安全。在本次講習中，您將了解 Amazon Rekognition 如何通過自動化、可擴展的方式提高工作場所安全性，同時對往來人員嚴格執行身份驗證。面對不斷變化的工作環境，Rekognition 將幫助您切實掌握員工及客戶的物理與在線環境安全態勢。

5、在 Kubernetes 上擴展 ML 環境 (AIM313)

在 Kubernetes 上設置 ML 環境以進行訓練與推理已經成為當下的普遍趨勢。在本次講習中，我們將展示如何使用 Amazon SageMaker Operators for Kubernetes 配合具備自動規模伸縮策略，建立起安全且極具可用性的訓練端點。此外，Intuit 還將介紹他們如何使用 SageMaker Operators、Apache Spark 以及 Argo 為其高可用性系統構建 Kubernetes 控制器。

6、檢測模型漂移以維持高精度 ML 模型 (AIM304)

由於用於模型訓練的數據與用於實際生成預測的數據之間往往存在差異，因此推理過程中模型的精度往往會受到影響。在本次講習中，我們將探討 Amazon SageMaker Model Monitor 如何自動檢測已部署模型中的偏差，提供詳細警報以幫助識別問題，並藉此幫助您維護高精度 ML 模型。

7、機器學習中的可闡釋性與可解釋性(AIM408)

隨著 ML 技術在各個行業中的逐步普及，相關用例與應用程式也開始不斷湧現，這就要求我們對ML模型的結果及其預測建立起深入了解。在本次講習中，我們將結合 Amazon SageMaker 探討可闡釋性科學，藉此了解 ML 模型的實際工作原理。我們還將介紹模型可解釋性這一在機器學習領域愈發受到關注的議題。

六、AWS DeepRacer 最快、最有趣的機器學習入門方式

AWS DeepRacer 將為大家帶來一條非常有趣的機器學習入門之道。無論您是初學者、還是擁有豐富經驗的專家，都可以在這裡學習如何立足雲端 3D 塞車模擬器內進行模型訓練，並將自己的成果與其他參與者一較高下。AWS DeepRacer 適合不同水平的各類機器學習從業人員。在這裡，您將啟動自己的引擎，通過 AWS DeepRacer League 檢驗您的技術水平。最終優勝者將有機會站上 re:Invent 的領獎臺，獲得屬於您的那份獎品與榮譽！

更多精彩不容錯過，我們期待在 re:Invent 2020 的人工智慧與機器學習專區與您會合！