Machine Learning (ML) e Inteligência Artificial (IA)

A AWS ajuda você em todas as etapas de sua jornada de adoção do ML com o conjunto mais abrangente de serviços de ML e a infraestrutura específica. Nossos serviços de IA pré-treinados fornecem inteligência pronta para suas aplicações e fluxos de trabalho.

Cada serviço é descrito após o diagrama. Para ajudar você a decidir qual serviço atende melhor às suas necessidades, consulte Escolher um serviço de machine learning da AWS, Escolher um serviço de IA generativa e Amazon Bedrock ou Amazon SageMaker AI?. Para acessar informações gerais, consulte Criar e escalar a próxima onda de inovação em IA na AWS.

Diagrama mostrando a pilha de inteligência artificial da AWS

Voltar para serviços da AWS.

Amazon Augmented AI

O Amazon Augmented AI (Amazon A2I) é um serviço de ML que facilita a criação dos fluxos de trabalho necessários para a revisão humana. O Amazon A2I leva a revisão humana a todos os desenvolvedores, eliminando o trabalho pesado e indiferenciado associado à compilação de sistemas de revisão humana ou ao gerenciamento de um grande número de revisores humanos, sejam eles executados na AWS ou não.

Amazon Bedrock

O Amazon Bedrock é um serviço totalmente gerenciado, que disponibiliza modelos de base (FMs) da Amazon e de outras empresas líderes de IA por meio de uma API. Com a experiência do Amazon Bedrock sem servidor, você pode começar rapidamente, fazer experiências com FMs, personalizá-los de forma privada com seus próprios dados e integrar e implantar FMs às suas aplicações da AWS com facilidade.

É possível escolher entre uma série de modelos de base das principais empresas de IA, como AI21 Labs, Anthropic, Cohere, DeepSeek, Luma, Meta, Mistral AI e Stability AI. Você também pode usar os modelos de base do Amazon Nova disponíveis exclusivamente no Amazon Bedrock.

Amazon CodeGuru

O Amazon CodeGuru é uma ferramenta para desenvolvedores que fornece recomendações inteligentes para melhorar a qualidade do código e identificar as linhas de código mais caras de uma aplicação. Integre o CodeGuru ao seu fluxo de trabalho de desenvolvimento de software existente a fim de automatizar as análises de código durante o desenvolvimento da aplicação e monitorar continuamente a performance dela na produção, além de fornecer recomendações e pistas visuais sobre como melhorar a qualidade do código, a performance da aplicação e reduzir o custo geral.

O Amazon CodeGuru Reviewer usa ML e raciocínio automatizado para identificar problemas críticos, vulnerabilidades de segurança e bugs difíceis de encontrar durante o desenvolvimento da aplicação e fornece recomendações para melhorar a qualidade do código.

O Amazon CodeGuru Profiler ajuda os desenvolvedores a encontrar as linhas de código mais caras de uma aplicação, ajudando-os a entender o comportamento do runtime das aplicações, identificar e remover ineficiências de código, melhorar a performance e diminuir significativamente os custos de computação.

Amazon Comprehend

O Amazon Comprehend usa ML e processamento de linguagem natural (PLN) para ajudar você a descobrir insights e relacionamentos em seus dados não estruturados. O serviço identifica o idioma do texto; extrai frases-chave, lugares, pessoas, marcas ou eventos; compreende o quão positivo ou negativo o texto é; analisa o texto usando tokenização e partes do discurso; e organiza automaticamente uma coleção de arquivos de texto por tópico. Você também pode usar os recursos do AutoML no Amazon Comprehend para criar um conjunto personalizado de entidades ou modelos de classificação de texto adaptados exclusivamente às necessidades da sua organização.

Para extrair informações médicas complexas de texto não estruturado, é possível usar o Amazon Comprehend Medical. O serviço pode identificar informações médicas, como condições médicas, medicamentos, dosagens, concentrações e frequências de várias fontes, como anotações médicas, relatórios de ensaios clínicos e prontuários de pacientes. O Amazon Comprehend Medical também identifica o relacionamento entre o medicamento extraído e as informações de testes, tratamentos e procedimentos para facilitar a análise. Por exemplo, o serviço identifica uma dosagem, uma concentração e uma frequência específicas relacionadas a determinado medicamento com base em notas clínicas não estruturadas.

Amazon DevOps Guru

O Amazon DevOps Guru é um serviço alimentado por ML que facilita o aprimoramento da performance operacional e da disponibilidade de uma aplicação. O Amazon DevOps Guru detecta comportamentos diferentes dos padrões operacionais normais para que você possa identificar problemas operacionais bem antes deles afetarem seus clientes.

O Amazon DevOps Guru usa modelos de ML baseados em anos de excelência operacional da Amazon.com e da AWS para identificar comportamentos anômalos de aplicações (como aumento da latência, taxas de erro, restrições de recursos etc.) e revelar problemas críticos que podem causar possíveis interrupções ou indisponibilidades de serviço. Quando o Amazon DevOps Guru identifica um problema crítico, ele envia automaticamente um alerta e fornece um resumo das anomalias relacionadas, a provável causa raiz e o contexto sobre quando e onde o problema ocorreu. Quando possível, o Amazon DevOps Guru também fornece recomendações sobre como corrigir o problema.

O Amazon DevOps Guru ingere automaticamente os dados operacionais das aplicações da AWS e fornece um único painel para visualizar problemas nos dados operacionais. Você pode começar habilitando o Amazon DevOps Guru para todos os recursos em sua conta da AWS, recursos em suas pilhas do CloudFormation ou recursos agrupados por tags da AWS, sem necessidade de configuração manual ou experiência em ML.

Amazon Forecast

O Amazon Forecast é um serviço totalmente gerenciado que usa ML para fornecer previsões altamente precisas.

Atualmente, as empresas usam tudo, desde planilhas simples até softwares complexos de planejamento financeiro, para tentar prever com precisão os resultados comerciais futuros, como demanda de produtos, necessidades de recursos ou performance financeira. Essas ferramentas criam previsões analisando uma série histórica de dados, chamada de dados de séries temporais. Por exemplo, essas ferramentas podem tentar prever as vendas futuras de uma capa de chuva analisando apenas seus dados de vendas anteriores com a suposição subjacente de que o futuro é determinado pelo passado. Essa abordagem pode apresentar dificuldade em produzir previsões precisas para grandes conjuntos de dados com tendências irregulares. Além disso, ela não consegue combinar facilmente séries de dados que mudam com o tempo (como preço, descontos, tráfego na Web e número de funcionários) com variáveis independentes relevantes, como características do produto e localização das lojas.

Com base na mesma tecnologia usada na Amazon.com, o Amazon Forecast usa ML para combinar dados de séries temporais com variáveis adicionais para criar previsões. O Amazon Forecast não exige experiência em ML para começar. Basta fornecer dados históricos, além de quaisquer dados adicionais que você acredite que possam afetar suas previsões. Por exemplo, a demanda por uma cor específica de uma camisa pode mudar com as estações do ano e a localização da loja. Esse relacionamento complexo é difícil de determinar de forma independente, mas o ML é ideal para reconhecê-lo. Depois de fornecer seus dados, o Amazon Forecast os examinará automaticamente, identificará o que é significativo e produzirá um modelo de previsão capaz de fazer previsões até 50% mais precisas do que analisar apenas dados de séries temporais.

O Amazon Forecast é um serviço totalmente gerenciado, portanto, não há servidores para provisionar nem modelos de ML para criar, treinar ou implantar. O pagamento é feito conforme o uso. Não há taxas mínimas nem compromissos antecipados.

Amazon Fraud Detector

O Amazon Fraud Detector é um serviço totalmente gerenciado que usa ML e mais de 20 anos de experiência em detecção de fraudes da Amazon para identificar atividades possivelmente fraudulentas para que os clientes possam detectar mais fraudes on-line com maior rapidez. O Amazon Fraud Detector automatiza as etapas demoradas e caras para criar, treinar e implantar um modelo de ML para detecção de fraudes, facilitando o uso da tecnologia pelos clientes. O Amazon Fraud Detector personaliza cada modelo que cria de acordo com o conjunto de dados do próprio cliente, fazendo com que a precisão dos modelos seja maior do que o tamanho único atual para todas as soluções de ML. E, como você paga somente pelo que usa, evita grandes despesas iniciais.

Amazon Comprehend Medical

Na última década, a AWS testemunhou uma transformação digital na saúde, com organizações capturando grandes volumes de informações de pacientes todos os dias. Mas esses dados geralmente não são estruturados, e o processo para extrair essas informações é trabalhoso e propenso a erros. O Amazon Comprehend Medical é um serviço de processamento de linguagem natural (PLN) qualificado pela HIPAA que usa machine learning e foi pré-treinado para entender e extrair dados de saúde de textos médicos, tais como prescrições, procedimentos ou diagnósticos. O Amazon Comprehend Medical pode ajudar você a extrair informações de textos médicos não estruturados com precisão e rapidez com ontologias médicas, como ICD-10-CM, RxNorm e SNOMED CT e, por sua vez, acelerar o processamento de sinistros, melhorar a saúde da população e acelerar a farmacovigilância.

Amazon Kendra

O Amazon Kendra é um serviço de pesquisa inteligente desenvolvido com ML. O Amazon Kendra reinventa a busca corporativa em seus sites e aplicações para que seus funcionários e clientes possam encontrar facilmente o conteúdo que estão procurando, mesmo quando ele está disseminado por vários locais e repositórios de conteúdo em sua organização.

Usando o Amazon Kendra, você pode parar de pesquisar em grandes volumes de dados não estruturados e descobrir as respostas certas para suas perguntas, quando precisar delas. O Amazon Kendra é um serviço totalmente gerenciado, portanto, não há servidores para provisionar nem modelos de ML para criar, treinar ou implantar.

Amazon Lex

O Amazon Lex é um serviço de inteligência artificial (IA) totalmente gerenciado para projetar, criar, testar e implantar interfaces de conversação em qualquer aplicação usando voz e texto. O Lex oferece recursos de aprendizado profundo de reconhecimento automático de fala (ASR) para conversão de fala em texto e compreensão de linguagem natural (NLU) para o reconhecimento da intenção do texto, permitindo a criação de aplicações com experiências do usuário altamente engajadoras e interações com conversas que parecem reais, além de criar categorias de produtos. Com o Amazon Lex, as mesmas tecnologias de aprendizado profundo que são a base do Amazon Alexa agora estão disponíveis para todos os desenvolvedores, permitindo que você crie bots de conversa sofisticados e de linguagem natural (“chatbots”) e sistemas de resposta de voz interativa (IVR) habilitados por voz.

O Amazon Lex permite que desenvolvedores criem chatbots de conversa rapidamente. Com o Amazon Lex, não é necessária nenhuma experiência em aprendizado profundo para criar um bot, você só precisa especificar o fluxo de conversa básico no console do Amazon Lex. O Amazon Lex gerencia o diálogo e ajusta dinamicamente as respostas na conversa. Usando o console, você pode criar, testar e publicar o chatbot de texto ou voz. Em seguida, você pode adicionar as interfaces de conversa aos bots em dispositivos móveis, aplicativos Web e plataformas de bate-papo (por exemplo, Facebook Messenger). Não há custos iniciais nem taxas mínimas para usar o Amazon Lex. Você é cobrado somente pelas solicitações de texto ou fala realizadas. A definição de pagamento conforme o uso e o baixo custo por solicitação fazem do serviço uma maneira econômica de criar interfaces de conversa. Com o nível gratuito do Amazon Lex, você pode testar o Amazon Lex com facilidade e sem nenhum investimento inicial.

Amazon Lookout for Equipment

O Amazon Lookout for Equipment analisa os dados dos sensores em seu equipamento (como pressão em um gerador, taxa de fluxo de um compressor, rotações por minuto de ventiladores), para treinar automaticamente um modelo de ML com base apenas em seus dados, para seu equipamento, sem a necessidade de experiência em ML. O Lookout for Equipment usa seu modelo exclusivo de ML para analisar os dados recebidos do sensor em tempo real e identificar com precisão os primeiros sinais de alerta que podem causar falhas na máquina. Isso significa que você pode detectar anormalidades no equipamento com velocidade e precisão, diagnosticar problemas rapidamente, tomar medidas para reduzir o dispendioso tempo de inatividade e reduzir os alertas falsos.

Amazon Lookout for Metrics

nota

Em 10 de outubro de 2025, a AWS interromperá o suporte ao Amazon Lookout for Metrics. Para acessar mais informações, consulte Transição do Amazon Lookout for Metrics.

O Amazon Lookout for Metrics é um serviço de ML que detecta e diagnostica automaticamente anomalias (valores fora do padrão) nos dados comerciais e operacionais, como uma queda repentina na receita de vendas ou nas taxas de aquisição de clientes. Com alguns cliques, você pode conectar o Amazon Lookout for Metrics a armazenamentos de dados conhecidos, como Amazon S3, Amazon Redshift e Amazon Relational Database Service (Amazon RDS), bem como aplicações de software como serviço (SaaS) de terceiros, como Salesforce, Servicenow, Zendesk e Marketo, e começar a monitorar métricas que são importantes para sua empresa. O Lookout for Metrics inspeciona e prepara automaticamente os dados dessas fontes para detectar anomalias com maior velocidade e precisão do que os métodos tradicionais usados para detecção de anomalias. Você também pode fornecer feedback sobre anomalias detectadas para ajustar os resultados e melhorar a precisão ao longo do tempo. O Lookout for Metrics facilita o diagnóstico de anomalias detectadas agrupando anomalias relacionadas ao mesmo evento e enviando um alerta que inclui um resumo da possível causa raiz. Ele também classifica as anomalias em ordem de gravidade para que você possa priorizar sua atenção ao que é mais importante para sua empresa.

Amazon Lookout for Vision

O Amazon Lookout for Vision é um serviço de ML que detecta defeitos e anomalias em representações visuais usando visão computacional (CV). Com o Amazon Lookout for Vision, as empresas de manufatura podem aumentar a qualidade e reduzir os custos operacionais identificando rapidamente as diferenças nas imagens de objetos em larga escala. Por exemplo, o Lookout for Vision pode ser usado para identificar componentes ausentes em produtos, danos em veículos ou estruturas, irregularidades nas linhas de produção, defeitos minúsculos em chips ou outros problemas semelhantes. O Amazon Lookout for Vision usa ML para ver e entender imagens de qualquer câmera como uma pessoa faria, mas com um grau de precisão ainda maior e em uma escala muito maior. O Lookout for Vision permite que os clientes eliminem a necessidade de inspeções manuais caras e inconsistentes e, ao mesmo tempo, aprimoram o controle de qualidade, a avaliação de defeitos e danos e a conformidade. Em minutos, você pode começar a usar o Lookout for Vision para automatizar a inspeção de imagens e objetos, sem a necessidade de experiência em ML.

Amazon Monitron

O Amazon Monitron é um sistema completo que usa ML para detectar comportamentos anormais em máquinas industriais, permitindo que você implemente manutenção preditiva e reduza o tempo de inatividade não planejado.

A instalação de sensores e a infraestrutura necessária para conectividade, armazenamento, analytics e alertas de dados são elementos fundamentais para viabilizar a manutenção preditiva. No entanto, para que isso funcione, as empresas historicamente precisavam de técnicos e cientistas de dados qualificados para montar uma solução complexa do zero. Isso incluiu identificar e adquirir o tipo certo de sensores para seus casos de uso e conectá-los a um gateway de IoT (um dispositivo que agrega e transmite dados). Como resultado, poucas empresas conseguiram implementar com êxito a manutenção preditiva.

O Amazon Monitron inclui sensores para capturar dados de vibração e temperatura do equipamento, um dispositivo de gateway para transferir dados com segurança para o AWS, o serviço Amazon Monitron que analisa os dados em busca de padrões anormais da máquina usando ML e uma aplicação móvel complementar para configurar os dispositivos e receber relatórios sobre comportamento operacional e alertas sobre possíveis falhas em seu maquinário. Você pode começar a monitorar a integridade do equipamento em minutos, sem a necessidade de nenhum trabalho de desenvolvimento ou experiência em ML, e habilitar a manutenção preditiva com a mesma tecnologia usada para monitorar equipamentos nos Centros de Atendimento da Amazon.

Amazon PartyRock

O Amazon PartyRock facilita o aprendizado de IA generativa com um criador de aplicações prático e sem código. Experimente técnicas de engenharia de prompts, analise as respostas geradas, desenvolva a intuição para a IA generativa e, ao mesmo tempo, crie e explore aplicações divertidas. O PartyRock concede acesso aos modelos de base (FMs) da Amazon e das principais empresas de IA por meio do Amazon Bedrock, um serviço totalmente gerenciado.

Amazon Personalize

O Amazon Personalize é m serviço de ML que torna fácil para os desenvolvedores criar recomendações individualizadas para os clientes que usam as aplicações deles.

O ML é cada vez mais usado para melhorar o engajamento do cliente, promovendo recomendações personalizadas de produtos e conteúdos, resultados de pesquisa personalizados e promoções de marketing direcionadas. No entanto, o desenvolvimento dos recursos de ML necessários para produzir esses sofisticados sistemas de recomendação está fora do alcance da maioria das organizações atualmente devido à complexidade do desenvolvimento da funcionalidade de ML. O Amazon Personalize permite que desenvolvedores sem experiência prévia em ML criem facilmente recursos sofisticados de personalização nas respectivas aplicações, usando a tecnologia de ML aperfeiçoada por anos de uso na Amazon.com.

Com o Amazon Personalize, você fornece um fluxo de atividades da sua aplicação — visualizações de páginas, inscrições, compras etc. — bem como um inventário dos itens que você deseja recomendar, como artigos, produtos, vídeos ou músicas. Você também pode optar por fornecer ao Amazon Personalize informações demográficas adicionais de seus usuários, como idade ou localização geográfica. O Amazon Personalize processa e examina os dados, identifica o que é significativo, seleciona os algoritmos certos, bem como treina e otimiza um modelo de personalização de acordo com seus dados.

O Amazon Personalize oferece recomendações otimizadas para varejo, mídia e entretenimento que tornam mais rápido e fácil oferecer experiências de usuário personalizadas de alta performance. O Amazon Personalize também oferece segmentação inteligente de usuários para que você possa veicular campanhas de prospecção mais eficazes por meio de seus canais de marketing. Com nossas duas novas receitas, você pode segmentar automaticamente seus usuários com base no interesse deles em diferentes categorias de produtos, marcas e muito mais.

Todos os dados analisados pelo Amazon Personalize são mantidos privados e seguros e usados somente para suas recomendações personalizadas. Você pode começar a fornecer suas previsões personalizadas por meio de uma simples chamada de API de dentro da nuvem privada virtual mantida pelo serviço. O pagamento é feito conforme o uso. Não há taxas mínimas nem compromissos antecipados.

O Amazon Personalize é como ter sua própria equipe de personalização de ML da Amazon.com à sua disposição, 24 horas por dia.

Amazon Polly

O Amazon Polly é um serviço na nuvem que converte texto em fala realista. O Amazon Polly permite que você crie aplicações que falam, permitindo que você desenvolva categorias totalmente novas de produtos habilitados para fala. O Amazon Polly é um serviço de inteligência artificial da Amazon que usa tecnologias avançadas de aprendizado profundo para sintetizar falas que soam como voz humana. O Amazon Polly inclui uma ampla série de vozes realistas em um amplo conjunto de idiomas para ajudar a criar aplicações de fala apropriadas para vários países diferentes.

O Amazon Polly fornece os tempos de resposta consistentemente rápidos necessários para comportar diálogo interativo em tempo real. Você pode armazenar em cache e salvar o áudio de fala do Amazon Polly para reproduzi-lo offline ou redistribuí-lo. Além de tudo, o Amazon Polly é fácil de usar. Basta enviar o texto que você deseja converter em voz para a API Amazon Polly, e o Amazon Polly produz imediatamente o fluxo de áudio para a sua aplicação para que ela possa reproduzi-lo diretamente ou armazená-lo em um formato de arquivo de áudio padrão, como MP3.

Além das vozes TTS padrão, o Amazon Polly oferece vozes de conversão neural de texto em fala (NTTS) que oferecem melhorias avançadas na qualidade da fala por meio de uma nova abordagem de machine learning. A tecnologia de TTS neural do Polly também é compatível com um estilo de locutor personalizado para casos de uso de narração jornalística. Por fim, o Amazon Polly Brand Voice pode criar uma voz personalizada para sua organização. Esse é um compromisso personalizado em que você trabalhará com a equipe do Amazon Polly para criar uma voz NTTS para uso exclusivo da sua organização.

Com o Amazon Polly, você paga somente pelo número de caracteres convertidos em fala e pode salvar e reproduzir a fala gerada pelo Amazon Polly. O baixo custo por caractere convertido do Amazon Polly e a falta de restrições no armazenamento e na reutilização da saída de voz o tornam uma forma econômica de habilitar a conversão de texto em fala em qualquer lugar.

Amazon Q

O Amazon Q é um assistente baseado em IA generativa para acelerar o desenvolvimento de software e aproveitar seus dados internos.

Amazon Rekognition

O Amazon Rekognition facilita a adição de análises de imagens e vídeos às suas aplicações usando uma tecnologia comprovada e altamente escalável de aprendizado profundo que não exige experiência em ML para ser usada. Com o Amazon Rekognition, você pode identificar objetos, pessoas, textos, cenas e atividades em imagens e vídeos, bem como detectar conteúdo impróprio. O Amazon Rekognition também oferece recursos de análise e pesquisa faciais altamente precisos que você pode usar para detectar, analisar e comparar faces para uma série de casos de uso de verificação de usuários, contagem de pessoas e segurança pública.

Com o Amazon Rekognition Custom Labels, é possível identificar os objetos e as cenas nas imagens que são específicos das necessidades dos seus negócios. Por exemplo, você pode criar um modelo para classificar peças específicas da máquina em sua linha de montagem ou para detectar fábricas com problemas. O Amazon Rekognition Custom Labels cuida do trabalho pesado do desenvolvimento do modelo para você, portanto, nenhuma experiência em ML é necessária. Basta fornecer imagens de objetos ou cenas que deseja identificar, e o serviço cuida do resto.

Amazon SageMaker AI

Com o Amazon SageMaker AI, você pode criar, treinar e implantar modelos de ML para qualquer caso de uso com infraestrutura, ferramentas e fluxos de trabalho totalmente gerenciados. O SageMaker AI elimina o trabalho pesado de cada etapa do processo de ML a fim de facilitar o desenvolvimento de modelos de alta qualidade. O SageMaker AI fornece todos os componentes usados para ML em um único conjunto de ferramentas para que os modelos cheguem à produção mais rapidamente, com muito menos esforço e menor custo.

Amazon SageMaker AI Autopilot

O Amazon SageMaker AI Autopilot cria, treina e ajusta automaticamente os melhores modelos de ML com base em seus dados e ainda permite que você mantenha total controle e visibilidade. Com o SageMaker AI Autopilot, basta fornecer um conjunto de dados tabular e selecionar a coluna de destino a ser prevista, que pode ser um número (como o preço de uma casa, chamado regressão) ou uma categoria (como spam/não spam, chamada classificação). O SageMaker AI Autopilot vai explorar automaticamente diferentes soluções para encontrar o melhor modelo. Depois, você pode implantar diretamente o modelo para produção com apenas um clique ou iterar nas soluções recomendadas com o Amazon SageMaker AI Studio a fim de melhorar ainda mais a qualidade do modelo.

Amazon SageMaker AI Canvas

O Amazon SageMaker AI Canvas expande o acesso ao ML fornecendo aos analistas de negócios uma interface visual de apontar e clicar que permite que eles gerem previsões precisas de ML por conta própria, sem precisar de nenhuma experiência em ML nem escrever uma única linha de código.

Amazon SageMaker AI Clarify

O Amazon SageMaker AI Clarify fornece aos desenvolvedores de machine learning maior visibilidade de seus dados e modelos de treinamento para que eles possam identificar e limitar o viés, além de explicar as previsões. O Amazon SageMaker AI Clarify detecta possíveis distorções durante a preparação dos dados, após o treinamento de modelo e em seu modelo implantado, examinando os atributos especificados. O SageMaker AI Clarify também inclui grafos de importância de atributos que ajudam a explicar as predições de modelo e produz relatórios que podem ser usados para embasar as apresentações internas ou identificar no seu modelo problemas que podem ser corrigidos.

Rotulagem de dados do Amazon SageMaker AI

O Amazon SageMaker AI apresenta ofertas de rotulagem de dados para identificar dados brutos, como imagens, arquivos de texto e vídeos, e adicionar rótulos informativos para criar conjuntos de dados de treinamento de alta qualidade para seus modelos de ML.

Amazon SageMaker AI Data Wrangler

O Amazon SageMaker AI Data Wrangler reduz o tempo necessário, de semanas para minutos, para agregar e preparar dados para ML. Com o SageMaker AI Data Wrangler, você pode simplificar o processo de preparação de dados e engenharia de atributos e concluir cada etapa do fluxo de trabalho de preparação de dados, incluindo seleção, limpeza, exploração e visualização de dados em uma única interface visual.

Amazon SageMaker AI Edge

O Amazon SageMaker AI Edge permite o machine learning em dispositivos de borda otimizando, protegendo e implantando modelos na borda e, depois, monitorando esses modelos em sua frota de dispositivos, como câmeras inteligentes, robôs e outros eletrônicos inteligentes, a fim de reduzir os custos operacionais contínuos. O SageMaker AI Edge Compiler otimiza o modelo treinado para ser executado em um dispositivo de borda. O SageMaker AI Edge inclui um mecanismo de implantação via ondas de rádio que ajuda você a implantar modelos na frota, independentemente do firmware da aplicação ou do dispositivo. O SageMaker AI Edge Agent permite que você execute vários modelos no mesmo dispositivo. O Agent coleta dados de previsão com base na lógica controlada, como intervalos, e faz upload deles para a nuvem para que você possa treinar periodicamente seus modelos ao longo do tempo.

Arquivo de atributos do Amazon SageMaker AI

O Arquivo de atributos do Amazon SageMaker AI é um repositório específico onde você pode armazenar e acessar atributos para que seja muito mais fácil nomeá-los, organizá-los e reutilizá-los em todas as equipes. O Arquivo de atributos do SageMaker AI fornece um repositório unificado para atributos durante o treinamento e inferência em tempo real, sem a necessidade de escrever código adicional nem criar processos manuais para manter os atributos consistentes. O Arquivo de atributos do SageMaker AI monitora os metadados dos atributos armazenados (como nome do atributo ou número da versão) para que você possa consultar os atributos certos em lotes ou em tempo real usando o Amazon Athena, um serviço de consulta interativo. O Arquivo de atributos do SageMaker AI também mantém os atributos atualizados, pois à medida que novos dados são gerados durante a inferência, o único repositório é atualizado para que novos atributos estejam sempre disponíveis para os modelos usarem durante o treinamento e a inferência.

Recursos geoespaciais do Amazon SageMaker AI

Os recursos geoespaciais do Amazon SageMaker AI facilitam que cientistas de dados e engenheiros de machine learning (ML) criem, treinem e implantem modelos de ML com maior rapidez usando dados geoespaciais. Você tem acesso a ferramentas de dados (de código aberto e de terceiros), processamento e visualização para tornar mais eficiente a preparação de dados geoespaciais para ML. Você pode aumentar sua produtividade usando algoritmos específicos e modelos de ML pré-treinados para acelerar a criação e o treinamento de modelos, além de usar ferramentas de visualização integradas para explorar os resultados de predição em um mapa interativo e depois colaborar entre as equipes na obtenção de insights e resultados.

Amazon SageMaker AI HyperPod

O Amazon SageMaker AI HyperPod elimina o trabalho pesado indiferenciado envolvido na criação e otimização da infraestrutura de machine learning (ML) para grandes modelos de linguagem (LLMs), modelos de difusão e modelos de base (FMs). O SageMaker AI HyperPod é pré-configurado com bibliotecas de treinamento distribuídas que permitem que os clientes dividam automaticamente as workloads de treinamento em milhares de aceleradores, como AWS Trainium e GPUs NVIDIA A100 e H100.

O SageMaker AI HyperPod também ajuda a garantir que você possa continuar treinando sem interrupções, salvando periodicamente os pontos de verificação. Quando ocorre uma falha de hardware, os clusters de autorrecuperação detectam a automaticamente, reparam ou substituem a instância com defeito e retomam o treinamento a partir do último ponto de verificação salvo, eliminando a necessidade de gerenciar manualmente esse processo e ajudando você a treinar por semanas ou meses em um ambiente distribuído sem interrupções. Você pode personalizar seu ambiente de computação para melhor atender às suas necessidades e configurá-lo com as bibliotecas de treinamento distribuídas do Amazon SageMaker AI para ter a performance ideal na AWS.

Amazon SageMaker AI JumpStart

O Amazon SageMaker AI JumpStart ajuda você a começar a usar o ML de forma rápida e fácil. Para facilitar o início, o SageMaker AI JumpStart oferece um conjunto de soluções para os casos de uso mais comuns que podem ser implantadas imediatamente com apenas alguns cliques. As soluções são totalmente personalizáveis e mostram o uso de modelos e arquiteturas de referência do AWS CloudFormation para que você possa acelerar sua jornada de ML. O Amazon SageMaker AI JumpStart também comporta a implantação com um clique e o ajuste fino de mais de 150 modelos conhecidos de código aberto, como processamento de linguagem natural, detecção de objetos e modelos de classificação de imagens.

Amazon SageMaker AI Model Building

O Amazon SageMaker AI fornece todas as ferramentas e bibliotecas de que você precisa para criar modelos de ML, o processo de testar iterativamente diferentes algoritmos e avaliar sua precisão para encontrar o melhor para seu caso de uso. No Amazon SageMaker AI, você pode escolher algoritmos diferentes, incluindo mais de 15 integrados e otimizados para o SageMaker AI, e usar mais de 750 modelos pré-criados de coleções conhecidas disponíveis com apenas alguns cliques. O SageMaker AI também oferece uma série de ferramentas de criação de modelos, incluindo o Amazon SageMaker AI Studio Notebooks, o JupyterLab, o RStudio e o Editor de Código baseado no Code-OSS (código aberto do Virtual Studio Code)> Nessas ferramentas, você pode executar modelos de ML em pequena escala para ver os resultados e visualizar relatórios sobre a performance deles e criar protótipos funcionais de alta qualidade.

Treinamento de modelo do Amazon SageMaker AI

O Amazon SageMaker AI reduz o tempo e o custo para treinar e ajustar modelos de ML em larga escala sem a necessidade de gerenciar a infraestrutura. Você pode utilizar a infraestrutura de computação de ML da mais alta performance disponível atualmente, e o SageMaker AI pode aumentar ou reduzir verticalmente a escala da infraestrutura de modo automático, de uma para milhares de GPUs. Como você paga somente pelo que usa, pode gerenciar seus custos de treinamento com maior eficiência. Para treinar modelos de aprendizado profundo com maior rapidez, você pode usar as bibliotecas de treinamento distribuídas do Amazon SageMaker AI para melhorar a performance ou usar bibliotecas de terceiros, como DeepSpeed, Horovod ou Megatron.

Implantação de modelos no Amazon SageMaker AI

O Amazon SageMaker AI facilita a implantação de modelos de ML para fazer previsões (também conhecidas como inferência) com o melhor custo-benefício para qualquer caso de uso. Ele oferece uma ampla seleção de infraestrutura de ML e opções de implantação de modelos para ajudar a atender a todas as suas necessidades de inferência de ML. É um serviço totalmente gerenciado e integra-se a ferramentas de MLOps, permitindo que você dimensione a implantação do seu modelo, reduza os custos de inferência, gerencie os modelos de forma mais eficaz em produção e diminua a carga operacional.

Amazon SageMaker AI Pipelines

O Amazon SageMaker AI Pipelines é o primeiro serviço de integração contínua e entrega contínua (CI/CD) criado especificamente para ML. Com o SageMaker AI Pipelines, você pode criar, automatizar e gerenciar fluxos de trabalho de ML de ponta a ponta em larga escala.

Amazon SageMaker AI Studio Lab

O Amazon SageMaker AI Studio Lab é um ambiente de desenvolvimento de ML gratuito que fornece computação, armazenamento (até 15 GB) e segurança, tudo sem nenhum custo, para que qualquer pessoa aprenda e experimente o ML. Para começar, basta ter um endereço de e-mail válido. Você não precisa configurar a infraestrutura, gerenciar identidade e acesso, nem mesmo se inscrever em uma conta da AWS. O SageMaker AI Studio Lab acelera a criação de modelos por meio da integração ao GitHub e vem pré-configurado com as ferramentas, estruturas e bibliotecas de ML mais conhecidas para você começar imediatamente. O SageMaker AI Studio Lab salva automaticamente seu trabalho para que você não precise reiniciá-lo entre as sessões. É tão fácil quanto fechar o notebook e voltar mais tarde.

Apache MXNet na AWS

O Apache MXNet é um framework de treinamento e inferência rápido e escalável com uma API para ML concisa e fácil de usar. O MXNet inclui a interface Gluon, que permite que desenvolvedores de todos os níveis de habilidade comecem a usar o aprendizado profundo na nuvem, em dispositivos de borda e em aplicações móveis. Em apenas algumas linhas do código Gluon, você pode criar regressão linear, redes convolucionais e LSTMs recorrentes para detecção de objetos, reconhecimento de fala, recomendação e personalização. Você pode começar com o MxNet na AWS com uma experiência totalmente gerenciada usando o Amazon SageMaker AI, uma plataforma para criar, treinar e implantar modelos de ML em larga escala. Você também pode usar o AMIs de deep learning da AWS para criar ambientes e fluxos de trabalho personalizados com o MxNet e outros frameworks, incluindo TensorFlow, PyTorch, Chainer, Keras, Caffe, Caffe2 e Microsoft Cognitive Toolkit.

AMIs de deep learning da AWS

As AMIs de deep learning da AWS oferecem aos profissionais e pesquisadores de ML a infraestrutura e as ferramentas para acelerar o aprendizado profundo na nuvem, em qualquer escala. Você pode iniciar rapidamente instâncias do Amazon EC2 pré-instaladas com interfaces e frameworks conhecidos de aprendizado profundo, como TensorFlow, PyTorch, Apache MXNet, Chainer, Gluon, Horovod e Keras, para treinar modelos de IA sofisticados e personalizados, experimentar novos algoritmos ou aprender novas habilidades e técnicas. Se você precisar de instâncias de GPU ou CPU do Amazon EC2, não haverá cobrança adicional pelas AMIs de aprendizado profundo — você paga apenas pelos recursos necessários para armazenar e executar suas aplicações.

Contêineres de aprendizado profundo da AWS

Os Contêineres de aprendizado profundo da AWS (Contêineres de aprendizado profundo da AWS) são imagens do Docker pré-instaladas com frameworks de aprendizado profundo para facilitar a implantação rápida de ambientes personalizados de machine learning (ML), permitindo que você ignore o complicado processo de criar e otimizar seus ambientes do zero. Os Contêineres de aprendizado profundo da AWS comportam TensorFlow, PyTorch e Apache MXNet. Você pode implantar Contêineres de aprendizado profundo da AWS nas seguintes soluções: Amazon SageMaker AI, Amazon Elastic Kubernetes Service (Amazon EKS), Kubernetes autogerenciado no Amazon EC2 e Amazon Elastic Container Service (Amazon ECS). Os contêineres estão disponíveis por meio do Amazon Elastic Container Registry (Amazon ECR) e AWS Marketplace sem custo — você paga somente pelos recursos que usa.

ML geoespacial com Amazon SageMaker AI

Os recursos geoespaciais do Amazon SageMaker AI facilitam que cientistas de dados e engenheiros de ML criem, treinem e implantem modelos de ML com maior rapidez usando dados geoespaciais em larga escala. É possível acessar fontes de dados geoespaciais prontamente disponíveis, transformar ou enriquecer com eficiência conjuntos de dados geoespaciais de larga escala com operações específicas e acelerar a criação de modelos selecionando modelos de ML pré-treinados. Você também pode analisar dados geoespaciais e explorar as predições de modelo em um mapa interativo usando gráficos 3D acelerados com ferramentas de visualização integradas. Os recursos geoespaciais do SageMaker Runtime podem ser usados para uma série de casos de uso, como maximizar o rendimento da colheita e a segurança alimentar, avaliar riscos e sinistros, apoiar o desenvolvimento urbano sustentável e prever a utilização do local de varejo.

Hugging Face na AWS

Com o Hugging Face no Amazon SageMaker AI, você pode implantar e ajustar modelos pré-treinados da Hugging Face, um fornecedor de código aberto de modelos de processamento de linguagem natural (PLN) conhecido como transformadores, reduzindo o tempo necessário para configurar e usar esses modelos de PLN de semanas para minutos. A PLN se refere aos algoritmos de ML que ajudam os computadores a entender a linguagem humana. Eles ajudam com tradução, pesquisa inteligente, análise de texto e muito mais. No entanto, os modelos de PLN podem ser grandes e complexos (às vezes consistindo em centenas de milhões de parâmetros de modelo), e treiná-los e otimizá-los exige tempo, recursos e habilidade. A AWS colaborou com a Hugging Face para criar os contêineres de aprendizado profundo da AWS da Hugging Face (DLCs), que proporcionam aos cientistas de dados e desenvolvedores de ML uma experiência totalmente gerenciada para criar, treinar e implantar modelos de PLN de última geração no Amazon SageMaker AI.

PyTorch na AWS

O PyTorch é um framework de aprendizado profundo de código aberto que facilita o desenvolvimento de modelos de machine learning e a implantação deles na produção. Usando o TorchServe, a biblioteca de serviços de modelos do PyTorch criada e mantida pela AWS em parceria com o Facebook, os desenvolvedores do PyTorch podem implantar modelos de forma rápida e fácil na produção. O PyTorch também fornece grafos e bibliotecas de computação dinâmica para treinamento distribuído, que são ajustados para alta performance na AWS. Você pode começar a usar o PyTorch usando os recursos da AWS utilizando o Amazon SageMaker, um serviço de ML totalmente gerenciado que torna fácil e econômico criar, treinar e implantar modelos do PyTorch em larga escala. Se você preferir gerenciar a infraestrutura por conta própria, poderá usar as AMIs de deep learning da AWS ou os Contêineres de aprendizado profundo da AWS, que são compilados por meio do código-fonte e otimizados para performance com a versão mais recente do PyTorch para implantar rapidamente ambientes personalizados de machine learning.

TensorFlow na AWS

O TensorFlow é um dos muitos frameworks de aprendizado profundo disponíveis para pesquisadores e desenvolvedores aprimorarem suas aplicações com machine learning. A AWS oferece ampla compatibilidade com o TensorFlow, permitindo que os clientes desenvolvam e forneçam seus próprios modelos em visão computacional, processamento de linguagem natural, tradução de fala e muito mais. Você pode começar a usar o TensorFlow usando os recursos da AWS utilizando o Amazon SageMaker AI, um serviço de ML totalmente gerenciado que torna fácil e econômico criar, treinar e implantar modelos do TensorFlow em larga escala. Se você preferir gerenciar a infraestrutura por conta própria, poderá usar as AMIs de deep learning da AWS ou os Contêineres de aprendizado profundo da AWS, que são compilados por meio do código-fonte e otimizados para performance com a versão mais recente do TensorFlow para implantar rapidamente ambientes personalizados de ML.

Amazon Textract

O Amazon Textract é um serviço que extrai automaticamente texto e dados de documentos digitalizados. Amazon Textract vai além do simples reconhecimento óptico de caracteres (OCR), ele também identifica o conteúdo de campos em formulários e informações armazenadas em tabelas.

Atualmente, muitas empresas extraem dados manualmente de documentos digitalizados, como PDFs, imagens, tabelas e formulários, ou por meio de um software OCR simples que exige configuração manual (que geralmente precisa ser atualizado quando o formulário é alterado). Para superar esses processos manuais e caros, o Amazon Textract usa ML para ler e processar qualquer tipo de documento, extraindo com precisão texto, manuscrito, tabelas e outros dados sem esforço manual. O Amazon Textract oferece a flexibilidade de especificar os dados que você precisa extrair dos documentos usando consultas. Você pode especificar as informações de que precisa na forma de perguntas de linguagem natural (como “Qual é o nome do cliente”). Você não precisa conhecer a estrutura de dados no documento (tabela, formulário, campo implícito, dados aninhados) nem se preocupar com variações nas versões e formatos do documento. As consultas do Amazon Textract são pré-treinadas em uma série de documentos, incluindo recibos de pagamento, extratos bancários, W-2s, formulários de solicitação de empréstimo, notas de hipoteca, documentos de sinistros e cartões de seguro.

Com o Amazon Textract, você pode automatizar rapidamente o processamento de documentos e agir com base nas informações extraídas, seja automatizando o processamento de empréstimos ou extraindo informações de faturas e recibos. O Amazon Textract pode extrair os dados em minutos, em vez de horas ou dias. Além disso, você pode adicionar avaliações humanas com o Amazon Augmented AI a fim de supervisionar seus modelos e conferir dados sensíveis.

Amazon Transcribe

O Amazon Transcribe é um serviço de reconhecimento automático de fala (ASR) que facilita para os clientes a conversão automática de fala em texto. O serviço pode transcrever arquivos de áudio armazenados em formatos comuns, como WAV e MP3, com carimbos de data/hora para cada palavra, para que você possa localizar facilmente o áudio na fonte original pesquisando o texto. Você também pode enviar um fluxo de áudio ao vivo para o Amazon Transcribe e receber um fluxo de transcrições em tempo real. O Amazon Transcribe foi projetado para lidar com uma série de características acústicas e de fala, incluindo variações de volume, tom e velocidade de fala. A qualidade e o conteúdo do sinal de áudio (incluindo, entre outros, fatores, como ruído de fundo, alto-falantes sobrepostos, fala acentuada ou alternância entre idiomas em um único arquivo de áudio) podem afetar a precisão da saída do serviço. Os clientes podem optar por usar o Amazon Transcribe para uma série de aplicações comerciais, como transcrição de chamadas de atendimento ao cliente baseadas em voz, geração de legendas em conteúdo de áudio/vídeo e realização de análise de conteúdo (baseada em texto) em conteúdo de áudio/vídeo.

Dois serviços muito importantes derivados do Amazon Transcribe são o Amazon Transcribe Medical e o Amazon Transcribe Call Analytics.

O Amazon Transcribe Medical usa modelos avançados de ML para transcrever com precisão o discurso médico em texto. O Amazon Transcribe Medical pode gerar transcrições de texto que podem ser usadas para apoiar uma variedade de casos de uso, abrangendo o fluxo de trabalho de documentação clínica e o monitoramento da segurança de medicamentos (farmacovigilância) até a legendagem para telemedicina e até analytics de central de atendimento nos domínios de saúde e ciências biológicas.

O Amazon Transcribe Call Analytics é uma API baseada em IA que fornece transcrições avançadas de chamadas e insights de conversas acionáveis que você pode adicionar às aplicações de chamadas a fim de melhorar a experiência do cliente e a produtividade dos atendentes. Ele combina modelos poderosos de processamento de fala para texto e processamento de linguagem natural (PLN) personalizados, treinados especificamente para entender o atendimento ao cliente e as chamadas de vendas externas. Como parte das soluções AWS Contact Center Intelligence (CCI), essa API é independente da central de atendimento e facilita que clientes e ISVs adicionem recursos de analytics de chamadas às respectivas aplicações.

A forma mais fácil de começar a usar o Amazon Transcribe é enviar um trabalho usando o console para transcrever um arquivo de áudio. Você também pode chamar o serviço diretamente da AWS Command Line Interface ou usar um dos SDKs aceitos de sua escolha para integrá-los às suas aplicações.

Amazon Translate

O Amazon Translate é um serviço de tradução automática neural que oferece tradução de idiomas rápida, de alta qualidade e acessível. A tradução automática neural é uma forma de automação da tradução de idiomas que usa modelos de aprendizado profundo a fim de fornecer uma tradução mais precisa e com som mais natural do que os algoritmos de tradução tradicionais baseados em regras e estatísticas. O Amazon Translate permite que você localize conteúdo, como sites e aplicações, para seus diversos usuários, traduza facilmente grandes volumes de texto para análise e possibilite com eficiência a comunicação multilíngue entre os usuários.

AWS DeepComposer

O AWS DeepComposer é o primeiro teclado musical do mundo desenvolvido com ML para permitir que desenvolvedores de todos os níveis de habilidade aprendam IA generativa enquanto criam composições musicais originais. O DeepComposer consiste em um teclado USB que se conecta ao computador do desenvolvedor e ao serviço DeepComposer, acessado por meio do Console de gerenciamento da AWS. O DeepComposer inclui tutoriais, código de amostra e dados de treinamento que podem ser usados para começar a criar modelos generativos.

AWS DeepRacer

O AWS DeepRacer é um carro de corrida em escala 1/18 que oferece uma maneira interessante e divertida de começar a usar o aprendizado por reforço (RL). O RL é uma técnica avançada de ML que adota uma abordagem muito diferente dos modelos de treinamento de outros métodos de ML. Seu “superpoder” é aprender comportamentos muito complexos sem exigir nenhum dado rotulado para treinamento e tomar decisões de curto prazo enquanto otimiza para um objetivo de longo prazo.

Com o AWS DeepRacer, agora você tem uma maneira de praticar o RL, experimentar e aprender por meio da direção autônoma. Você pode começar com o carro e as pistas virtuais no simulador de corrida 3D baseado em nuvem e, para uma experiência real, pode implantar seus modelos treinados no AWS DeepRacer e competir com seus amigos ou participar da AWS DeepRacer League global. Desenvolvedores, a corrida começou.

AWS HealthLake

O AWS HealthLake é um serviço qualificado pela HIPAA que prestadores de serviços de saúde, seguradoras de saúde e empresas farmacêuticas podem usar para armazenar, transformar, consultar e analisar dados de saúde em larga escala.

Os dados de saúde geralmente estão incompletos e inconsistentes. Muitas vezes, também não são estruturados, com informações contidas em notas clínicas, relatórios de laboratório, sinistros, imagens médicas, conversas gravadas e dados de séries temporais (por exemplo, ECG cardíaco ou traços de EEG do cérebro).

Os profissionais de saúde podem usar o HealthLake para armazenar, transformar, consultar e analisar dados na Nuvem AWS. Usando os recursos de processamento de linguagem natural (PLN) médico integrado do HealthLake, você pode analisar textos clínicos não estruturados de diversas fontes. O HealthLake transforma dados não estruturados usando modelos de processamento de linguagem natural e oferece recursos avançados de consulta e pesquisa. Você pode usar o HealthLake para organizar, indexar e estruturar as informações do paciente de forma segura, compatível e auditável.

AWS HealthScribe

O AWS HealthScribe é um serviço qualificado pela HIPAA que permite que os fornecedores de software de saúde gerem automaticamente notas clínicas analisando as conversas entre pacientes e médicos. O AWS HealthScribe combina reconhecimento de fala com IA generativa para reduzir a carga da documentação clínica, transcrevendo conversas e produzindo notas clínicas rapidamente. As conversas são segmentadas para identificar os perfis de palestrante para pacientes e médicos, extrair termos médicos e gerar notas clínicas preliminares. Para proteger dados sensíveis do paciente, a segurança e a privacidade são integradas para garantir que o áudio de entrada e o texto de saída não sejam retidos no AWS HealthScribe.

AWS Panorama

O AWS Panorama é uma coleção de dispositivos de ML e kit de desenvolvimento de software (SDK) que leva a visão computacional (CV) às câmeras de protocolo de Internet (IP) na infraestrutura on-premises. Com o AWS Panorama, você pode automatizar tarefas que tradicionalmente exigiam inspeção humana para melhorar a visibilidade de possíveis problemas.

A visão computacional pode automatizar a inspeção visual para tarefas, como acompanhar ativos para otimizar as operações da cadeia de suprimentos, monitorar faixas de tráfego para otimizar o gerenciamento de tráfego ou detectar anomalias para avaliar a qualidade da fabricação. No entanto, em ambientes com largura de banda da rede limitada, ou para empresas com regras de governança de dados que exigem processamento e armazenamento de vídeo na infraestrutura on-premises, a visão computacional na nuvem pode ser difícil ou impossível de implementar. O AWS Panorama é um serviço de ML que permite às organizações levar a visão computacional às câmeras na infraestrutura on-premises a fim de fazer predições localmente com alta precisão e baixa latência.

O AWS Panorama Appliance é um dispositivo de hardware que adiciona visão computacional às suas câmeras IP existentes e analisa os feeds de vídeo de várias câmeras por meio de uma única interface de gerenciamento. Ele gera predições na borda em milissegundos, o que significa que você pode ser notificado sobre possíveis problemas, como quando produtos danificados são detectados em uma linha de produção em movimento rápido ou quando um veículo entra em uma zona perigosa proibida em um depósito. Além disso, fabricantes terceiros estão criando outras câmeras e dispositivos habilitados para AWS Panorama a fim de fornecer ainda mais formatos para seus casos de uso exclusivos. Com o AWS Panorama, é possível usar modelos de ML da AWS para criar suas próprias aplicações de visão computacional ou trabalhar com um parceiro da AWS Partner Network para criar aplicações de CV rapidamente.