Usługi AI/ML i analityka
AWS oferuje kilkanaście usług związanych ze sztuczną inteligencją i machine learningiem. Dobra wiadomość: na egzaminie Cloud Practitioner nie musisz znać ich głęboko. Musisz wiedzieć, co każda z nich robi i kiedy ją wybrać. To jest lekcja typu „przegląd": poznasz każdą usługę, jej zastosowanie i to, jak może pojawić się na egzaminie.
AWS dzieli swoje usługi AI/ML na trzy warstwy:
- AI Services: gotowe API, zero wiedzy o ML. Wywołujesz API, dostajesz wynik
- ML Services: narzędzia do budowania własnych modeli (dla data scientistów)
- ML Infrastructure: sprzęt do trenowania (GPU, Inferentia, Trainium)
Na egzaminie Cloud Practitioner skupiamy się głównie na AI Services (gotowych do użycia) i Amazon SageMaker.
Amazon SageMaker
SageMaker to w pełni zarządzana platforma do budowania, trenowania i wdrażania modeli ML. To usługa dla data scientistów i ML engineerów, którzy chcą tworzyć własne modele od zera lub dostosowywać istniejące.
SageMaker oferuje:
- Notebooks: Jupyter notebooks do eksploracji danych
- Training: zarządzana infrastruktura do trenowania modeli (GPU on demand)
- Deployment: hosting modeli jako endpoint API
- SageMaker Studio: zintegrowane IDE dla ML
Usługi AI: gotowe API
Te usługi nie wymagają wiedzy o ML. Wywołujesz API, wysyłasz dane (obraz, tekst, audio), dostajesz wynik. To jak korzystanie z gotowego narzędzia zamiast budowania własnego od zera.
Amazon Rekognition
Analiza obrazów i wideo. Rozpoznaje obiekty, twarze, tekst na obrazach, sceny, niewłaściwe treści (content moderation). Przykłady użycia: weryfikacja tożsamości, moderowanie zdjęć na platformie społecznościowej, analiza nagrań z kamer.
Amazon Comprehend
Analiza tekstu (NLP). Wyciąga z tekstu: sentiment (pozytywny/negatywny/neutralny), kluczowe frazy, encje (osoby, miejsca, organizacje), język dokumentu, tematy. Przykład: analiza opinii klientów, automatyczne tagowanie dokumentów.
Amazon Translate
Tłumaczenie maszynowe. Tłumaczy tekst między językami w czasie rzeczywistym. Obsługuje 75+ języków. Może tłumaczyć strony internetowe, dokumenty, komunikację z klientami.
Amazon Polly
Text-to-Speech. Zamienia tekst na naturalnie brzmiącą mowę. Obsługuje wiele języków i głosów, w tym głosy neuronowe (neural voices) brzmiące bardzo naturalnie. Zastosowania: audiobooki, ogłoszenia głosowe, asystenci głosowi.
Amazon Lex
Budowanie chatbotów. Ta sama technologia, która napędza Alexę. Rozumie język naturalny (NLU), rozpoznaje intencje użytkownika i prowadzi konwersację. Możesz zbudować chatbota obsługi klienta, bota do zamawiania pizzy czy asystenta IT.
Amazon Textract
Ekstrakcja tekstu z dokumentów. To więcej niż zwykłe OCR. Textract rozumie strukturę dokumentu: wyciąga dane z tabel, formularzy, faktur, dowodów tożsamości. Automatycznie identyfikuje pola i ich wartości.
Amazon Kendra
Inteligentne wyszukiwanie. Enterprise search service napędzany ML. Podłączasz go do swoich dokumentów (S3, SharePoint, bazy danych, Confluence) i Kendra buduje inteligentny indeks. Pracownicy mogą zadawać pytania w języku naturalnym, a Kendra zwraca precyzyjne odpowiedzi, nie tylko listę dokumentów.
Amazon Personalize
Rekomendacje ML. Ta sama technologia, którą Amazon.com używa do „Klienci, którzy kupili ten produkt, kupili też...". Budujesz system rekomendacji bez wiedzy o ML. Podajesz dane (historia zakupów, przeglądania), Personalize buduje model i generuje rekomendacje w czasie rzeczywistym.
Amazon Forecast
Prognozowanie szeregów czasowych. Przewiduj przyszłe wartości na podstawie danych historycznych: sprzedaż, zapotrzebowanie na zasoby, ruch na stronie, stany magazynowe. ML robi prognozy dokładniejsze niż tradycyjne metody statystyczne.
Zapamiętaj te skojarzenia:
- Obraz/wideo → Rekognition (recognize = rozpoznawać)
- Tekst/NLP → Comprehend (comprehend = rozumieć)
- Tłumaczenie → Translate (nazwa mówi sama za siebie)
- Tekst na mowę → Polly (jak papuga Polly, która mówi)
- Chatbot → Lex (ta sama technologia co Alexa)
- OCR/dokumenty → Textract (text + extract)
- Wyszukiwanie enterprise → Kendra
- Rekomendacje → Personalize (personalizacja)
- Prognozowanie → Forecast (prognoza)
- Własne modele ML → SageMaker
| Usługa | Co robi | Słowo klucz na egzaminie |
|---|---|---|
| SageMaker | Platforma ML (buduj, trenuj, wdrażaj modele) | custom ML, własne modele |
| Rekognition | Analiza obrazów i wideo | twarze, obiekty, moderowanie |
| Comprehend | Analiza tekstu (NLP) | sentiment, encje, język |
| Translate | Tłumaczenie maszynowe | tłumaczenie tekstu |
| Polly | Text-to-Speech | tekst na mowę |
| Lex | Chatboty (NLU) | chatbot, konwersacja, Alexa |
| Textract | OCR i ekstrakcja z dokumentów | formularze, faktury, tabele |
| Kendra | Enterprise search | inteligentne wyszukiwanie |
| Personalize | Rekomendacje | „klienci kupili też..." |
| Forecast | Prognozowanie | przewidywanie, szeregi czasowe |
- AWS oferuje usługi AI/ML na trzech poziomach: AI Services (gotowe API), ML Services (narzędzia do budowania modeli) i ML Infrastructure (sprzęt)
- Amazon SageMaker to platforma do budowania, trenowania i wdrażania własnych modeli ML
- Rekognition analizuje obrazy i wideo (twarze, obiekty, moderowanie treści)
- Comprehend analizuje tekst (sentiment, encje, język), Translate tłumaczy, Polly zamienia tekst na mowę
- Lex buduje chatboty (technologia Alexy), Textract wyciąga dane z dokumentów (OCR i struktura)
- Kendra to inteligentne wyszukiwanie enterprise, Personalize generuje rekomendacje, Forecast przewiduje przyszłe wartości
- Na egzaminie musisz wiedzieć, co robi każda usługa i kiedy ją wybrać. Nie musisz znać szczegółów implementacji
Firma chce zbudować własny model ML do przewidywania odejść klientów (churn prediction). Która usługa AWS jest najlepsza?
Sklep online chce automatycznie analizować sentiment recenzji produktów. Która usługa to umożliwia BEZ budowania modelu ML?
Firma potrzebuje automatycznie wyciągać dane z faktur i formularzy papierowych. Która usługa AWS jest dedykowana do tego zadania?