Serviços de IA/ML e análise

Os serviços de IA/ML e análise são as ferramentas que a AWS usa para transformar dados em informação e dar inteligência às aplicações. Na prova CLF-C02, o objetivo não é treinar um modelo nem escrever uma consulta. É reconhecer cada serviço pelo nome e ligar um problema descrito ao serviço que resolve.

O tópico tem duas lições. A primeira percorre o stack de IA e ML da AWS, dos serviços prontos que você chama por uma API até a plataforma Amazon SageMaker e a IA generativa. A segunda segue os dados por um pipeline de análise e compara os serviços que mais se confundem.

O que este tópico cobre

• as três camadas do stack de IA e ML da AWS, dos serviços pré-treinados aos modelos próprios
• os serviços de IA pré-treinados como Rekognition, Comprehend, Polly, Transcribe e Lex, e a tarefa que cada um resolve
• o Amazon SageMaker como a plataforma para criar, treinar e implantar seus próprios modelos
• a IA generativa com Amazon Bedrock e Amazon Q
• as etapas de um pipeline de análise: ingerir, armazenar, processar, consultar e visualizar
• os principais serviços de análise, incluindo Amazon Athena, Redshift, EMR, AWS Glue, Kinesis e QuickSight
• como diferenciar o Amazon Athena, o Redshift e o EMR

Por que isso importa

Esses serviços aparecem muito como questões de cenário, onde uma frase descreve uma necessidade e você escolhe o serviço. Saber que o Transcribe converte fala em texto, que o SageMaker é para modelos próprios ou que o Athena roda SQL no S3 deixa você responder rápido, sem ficar na dúvida.

O tópico também premia o reconhecimento de padrões mais do que decorar detalhe. Quando você consegue colocar um serviço na camada certa do stack de IA ou na etapa certa do pipeline de análise, a lista longa de nomes vira um conjunto pequeno de tarefas claras, que é exatamente o que a prova cobra.