As ferramentas de Machine Learning da Amazon Web Services (AWS) são divididas em 3 partes de uma pilha, como é mostrado abaixo. A primeira é a respeito dos Serviços de Inteligência Artificial, a segunda é sobre os Serviços de Machine Learning e a terceira é a respeito das ferramentas da implementação de algoritmos de Deep Learning.
Nesse artigo vamos falar pra que serve cada ferramenta da primeira parte da pilha, a parte de Serviços para Inteligência Artificial. Os Serviços de Inteligência Artificial da AWS são treinados previamente, ou seja, não é necessário que o desenvolvedor treine os algoritmos para a utilização dessas aplicações. A AWS nos fornece aplicações com Machine Learning e Deep Learning prontas para uso. Esses ferramentas lidam com casos de uso comuns, como recomendações personalizadas, melhoria da segurança e aumento do engajamento do cliente.
Amazon Rekognition
O primeiro serviço que vamos falar sobre é o Amazon Rekognition. O Amazon Rekognition faz uso do Deep Learning para adicionar análises de imagem e análises de vídeos aos aplicativos.. Essa ferramenta possui alguns recursos para fazer as análises:
Bibliotecas de imagens e vídeos pesquisáveis - O Amazon Rekognition torna possível que as imagens e os vídeos armazenados sejam pesquisáveis. Por exemplo, uma empresa envolvida com a agricultura pode pesquisar um tipo de planta específico identificado pela ferramenta.
Verificação de usuário com base no rosto – É possível com o Amazon Rekognition confirmar em tempo real a identidade do usuário, o serviço compara a imagem do usuário capturada ao vivo, com uma imagem de referência armazenada no Amazon s3.
Detecção de equipamento de proteção individual: Com essa ferramenta é possível detectar Equipamentos de Proteção Individual (EPI), como mascaras, capacetes e óculos.
Análise de sentimento e demográfica – Com esse recurso nos podemos interpretar expressões emocionais, como empolgação, raiva ou surpresa.
Pesquisa facial – Com o Amazon Rekognition, você pode pesquisar imagens, vídeos armazenados e streaming de vídeos para rostos que correspondem aos armazenados em um contêiner conhecido como coleção de rostos.
Detecção de conteúdo inseguro– Amazon Rekognition pode detectar conteúdo violento ou adulto em imagens e vídeos.
Reconhecimento de celebridades – Amazon Rekognition reconhece pessoas famosas em imagens e vídeos. O Amazon Rekognition reconhece pessoas famosas em várias categorias, como política, esportes, negócios, entretenimento e mídia.
Detecção de texto – O Amazon Rekognition permite que você reconheça e extraia conteúdo textual de imagens. Você pode identificar veículos com base em números de placas de imagens tiradas por câmeras de rua.
Rótulos personalizados – Com os rótulos personalizados do Amazon Rekognition, você pode identificar os objetos e cenas em imagens que são específicas para as suas necessidades de negócios. Por exemplo, você pode encontrar seu logotipo em páginas das redes sociais.
Amazon Polly
O Amazon Polly transforma texto em falas realistas, cria aplicativos capazes de se comunicar com o usuário, e também promove a acessibilidade. O Polly usa Deep Learning para sintetizar falas humanas com aparência realista, é possível controlar aspectos da fala como pronúncia, volume, tom, pausas e velocidade. No Brasil temos a Camila, voz da Amazon que fala em Português do Brasil.
Amazon Transcribe
Ao contrário do Amazon Polly, essa ferramenta converte a fala em texto automaticamente. O Amazon Transcribe usa o Deep Learning para converter fala em texto de forma rápida e precisa. Pode ser utilizado, por exemplo, para transcrever chamadas de atendimento ao cliente, ou automatizar a legendagem.
Amazon Comprehend
O Amazon Comprehend utiliza o Processamento de Linguagem Natural para encontrar padrões e relações dentro de documentos de texto. Pra entender do que se trata o Processamento de Linguagem natural, podemos pensar que os computadores entendem linguagem formal e os humanos entendem a linguagem natural.
Então, de forma simplificada, um Algoritmo de Processamento de Linguagem Natural usa o Machine Learning para transformar texto em fala da forma mais natural possível, ele simula a estrutura de pensamento dos seres humanos. Então, o Comprehend usa Processamento de Linguagem Natural para fazer novas descobertas e encontrar padrões ocultos no seu documento de texto. É possível identificar a linguagem do texto, pessoas, lugares, se o texto tem conotação positiva ou negativa e organiza um conjunto de arquivos de texto por tópico.
Amazon Translate
O serviço Amazon Translate usa o Deep Learning para traduzir idiomas de forma veloz, com custo baixo e alta qualidade. As tradução também são mais precisas e naturais do que os algoritmos de tradução tradicionais baseados em instruções. Com essa ferramenta também é possível traduzir grandes volumes de dados para análise, e implementar de forma eficiente a comunicação em idiomas distintos entre usuários.
Amazon Textrat
O serviço Amazon Textract usa Machine Learning para extrair texto de documentos, sejam eles impressos ou manuscritos. Ele também identifica, entende e extrai dados de formulários e tabelas de forma precisa. Então. com o Amazon Textrat é possível processar de milhões de páginas de documentos em algumas horas. Depois de processar essas informações é possível usa-las em aplicações empresariais, casos de uso como requerimento de empréstimo, documento fiscal ou formulário de inscrição
Amazon Kendra
O Amazon Kendra usa Machine Learning para facilitar a pesquisa nos campos de busca, mesmo quando está em pastas e repositórios diferentes. Se trata de uma pesquisa inteligente que torna possível obter as respostas certas para suas perguntas. É outra aplicação que faz uso do Processamento de Linguagem Natural para obter respostas com mais precisão. No lugar de filtrar longas listas de documentos para encontrar respostas específicas, o Kendra fornece uma resposta sugerida antecipadamente com base no Machine Learning.
Amazon Lex
O serviço Amazon Lex cria uma interface para comunicação usando texto ou voz, os famosos “chatbots”. O Amazon Lex utiliza o Deep Learning para a conversão de fala em texto, e Processamento de Linguagem Natural para o reconhecimento de intenção e sentimento, portanto, o Amazon Lex é capaz de criar conversas muito realistas. Um exemplo que usa o Amazon Lex é a Alexa, então, as mesmas tecnologias de aprendizado profundo que capacitam o Amazon Alexa, agora estão disponíveis para qualquer desenvolvedor, permitindo criar de modo rápido e fácil bots de conversa modernos e que fazem uso da linguagem natural (“chatbots”).
Amazon Personalize
O Amazon Personalize é ligado a recomendação personalizada de produtos específicos, reclassificação de produtos personalizados e marketing direto personalizado. Pode fornecer recomendações personalizadas para clientes em setores como varejo, mídia e entretenimento. O serviço Amazon Personalize tem a infraestrutura necessária e gerencia todo o pipeline de ML, incluindo processamento de dados, identificação de recursos, uso dos melhores algoritmos e treinamento, otimização e hospedagem de modelos.
Amazon Forecast
O Amazon Forecast usa Machine Learning para identificar o que é significativo nos dados e gerar previsões precisas. Pode gerar previsões como demanda de produtos, necessidades de recursos ou desempenho financeiro. Basta fornecer dados históricos para fazer essa previsão, dados históricos são dados que variam com o tempo como preço, descontos ou tráfego na Web.
O Amazon Fraud Detector
Detecte mais fraudes on-line mais rapidamente Todo ano, empresas em todo o mundo perdem dezenas de bilhões de dólares por fraudes on-line. O Amazon Fraud Detector personaliza cada modelo que cria para um conjunto de dados do próprio cliente, aumentando a precisão dos modelos em relação às soluções genéricas de ML atuais.
Amazon CodeGuru
O Amazon CodeGuru é uma ferramenta que automatiza as revisões de código, o CodeGuru encontra linhas de código mais caras e faz sugestões de melhora na qualidade do código. O CodeGuru faz uso do Machine Learning para identificar vulnerabilidades de segurança, erros difíceis de encontrar por revisão humana e problemas críticos.
Nesse artigo falamos sobre todos os serviços da AWS que não precisam de implementação de Machine Learning. Nos artigos a seguir falaremos sobre a segunda parte da pilha que é a respeito do Amazon Sagemaker, também vamos falar sobre a terceira parte da pilha que é a respeito das ferramentas de implementação de Deep Learning, e por último vamos entrar em detalhes das ferramentas e casos de uso voltados para o setor da saúde e para o setor financeiro.
