re: Invent 2019 Resumen: el año de AI / ML

En Noticiasby detlev

re: Invent pudo haber sucedido hace más de un mes, pero qué mejor momento para tocar la conferencia inaugural de Amazon Web Service y nuestras conclusiones clave que al comienzo del año nuevo ... O a mitad del segundo mes del año nuevo ...

re: Invent fue una forma increíble de ver cuán de gran alcance es AWS en términos no solo de servicios disponibles sino también de la gran variedad de usuarios que tienen. Las probabilidades son que, si está haciendo algo en Internet, AWS está en algún lugar a la vanguardia o detrás de escena.

Entré en re: Invent buscando intencionalmente sesiones de IA / ML. Quería entender cómo AI / ML puede ser útil para la transmisión de video en vivo, pero también para diversas aplicaciones, como imágenes satelitales y encuestas de servicios públicos. También quería aprender mucho sobre cómo AWS ve las producciones de video en vivo y los enfoques que adoptan para garantizar un evento en vivo exitoso. Lo que aprendí ha mejorado en gran medida mi comprensión de cómo permitir que nuestros clientes tengan éxito al organizar un evento en vivo y cómo nuestro producto puede ayudar con eso.

  • MediaConnect permite la distribución de alta calidad de contenido tipo mezzanine. MediaConnect es un excelente punto de entrada que permite la entrega a cualquier flujo de trabajo que se pueda conectar fácilmente a cualquier otro servicio de AWS sin dejar de ser lo suficientemente flexible como para cumplir con varios flujos de trabajo.
  • Resiliencia en los flujos de trabajo de video en vivo
    • Resiliencia = Redundancia + Failover. Tener resistencia permite al espectador tener una reproducción ininterrumpida, incluso si tiene fallas en su flujo de trabajo.
    • Resistencia simple = Duplicación + Conmutación por error manual.
    • Mejor resistencia = redundancia nativa de la nube con escala automática y autocuración + conmutación por error automática.
  • La realización de transcripciones de audio con Machine Learning está en camino, si no está en uso en varias instituciones (piense en el campo de la medicina para reducir la carga de trabajo de gráficos y entrada de datos en los médicos). En apoyo de Machine Learning, se lanzó AWS Sagemaker Studio y permite a cualquiera desarrollar aplicaciones de Machine Learning con un conjunto completo de herramientas prefabricadas y fáciles de usar.
  • Los usuarios deben pensar en su flujo de trabajo de transmisión en vivo desde cero y hacerlo desde el principio. Los pilares principales del Marco bien diseñado de AWS son la fiabilidad, el rendimiento, la seguridad, la rentabilidad y la excelencia operativa.
  • Reconocimiento de AWS: AI / ML se utiliza para el análisis de imágenes y videos para ayudar a los clientes de AWS a aplicar sus conjuntos de etiquetas personalizadas a una gran variedad de aplicaciones.
    • La demostración principal fue el uso de etiquetas personalizadas para encontrar momentos específicos en el contenido del video (por ejemplo, entrevistas donde había un disco dorado en el marco). Tener conjuntos de etiquetas personalizadas para que los usuarios puedan capacitar a los sistemas AI / ML para usar reduce en gran medida el esfuerzo manual necesario para encontrar y procesar contenido de video.
    • Debido a que AI / ML puede procesar mucho más rápido, se proporcionan datos valiosos en tiempo real.

Lo más importante: AI / ML es enorme y AWS lo está impulsando a toda velocidad. El número de herramientas y servicios de AI / ML que AWS proporcionará en los próximos dos o tres años crecerá drásticamente.

Consejo para futuros asistentes de re: Invent: Tómese el tiempo para planificar su día con anticipación. Terminé corriendo de un lugar a otro para intentar ver todo en lugar de planificar una ruta eficiente entre las diferentes sesiones. Hay tanto que ver.