Serviços de IA e machine learning da AWS

Por que isso importa

A AWS entrega machine learning em três níveis de esforço bem diferentes. Você pode chamar um serviço de IA pronto e ter um resultado em uma única chamada de API, pode criar e treinar seu próprio modelo na plataforma Amazon SageMaker, ou pode usar IA generativa com modelos de fundação. A prova CLF-C02 não pede para você treinar um modelo nem escrever código. Ela pede para reconhecer os principais serviços e associar um problema descrito ao serviço certo.

Esta lição organiza o stack de IA e ML da AWS para que os nomes parem de se misturar. Você vai ver como as camadas diferem, para que serve cada serviço pré-treinado, onde o SageMaker se encaixa e quais serviços cobrem a IA generativa.

As três camadas do stack de IA da AWS

Pense no machine learning da AWS como três camadas empilhadas, do menor esforço ao maior controle.

Serviços de IA pré-treinados ficam no topo. A AWS já treinou esses modelos, então você envia dados para uma API e recebe uma resposta de volta: um rótulo para uma imagem, o sentimento de uma frase, um áudio a partir de texto. Não precisa de conhecimento em ML. É aqui que cai a maior parte das questões do Cloud Practitioner.

A plataforma de ML, o Amazon SageMaker, fica no meio. Você usa ela quando os serviços pré-treinados não servem e você precisa criar, treinar e implantar seu próprio modelo com seus próprios dados. Ela ainda tira muito trabalho pesado das suas mãos, mas aqui você está fazendo ML de verdade.

IA generativa é a camada mais nova. O Amazon Bedrock e o Amazon Q deixam você usar modelos de fundação para gerar texto, responder perguntas e criar assistentes, sem treinar um modelo do zero.

Uma regra rápida: se a AWS já resolveu o problema, use um serviço pré-treinado; se você precisa de um modelo próprio, use o SageMaker; se você quer IA generativa, use o Bedrock ou o Q.

Serviços de IA pré-treinados

Esses serviços entregam inteligência pronta por uma API. Você não treina nada. A prova espera que você saiba o que cada um faz e escolha o certo para um cenário.

Alguns pares confundem as pessoas, então fixe eles agora:

• Polly versus Transcribe. O Polly é texto para fala (entra texto, sai áudio). O Transcribe é fala para texto (entra áudio, sai texto). São imagens espelhadas um do outro.
• Comprehend versus Translate. O Comprehend analisa o que o texto significa (sentimento, entidades, idioma). O Translate converte o texto de um idioma para outro.
• Rekognition versus Textract. O Rekognition analisa imagens e vídeo em busca de objetos, pessoas e cenas. O Textract extrai texto e dados estruturados de documentos como formulários e tabelas.

Amazon SageMaker

O Amazon SageMaker é a plataforma para criar, treinar e implantar seus próprios modelos de machine learning. Você usa ele quando os serviços pré-treinados não cobrem o seu problema e você precisa de um modelo treinado com seus dados específicos, como prever a falha de um equipamento a partir das leituras dos seus próprios sensores.

O SageMaker reúne em um só lugar as ferramentas de todo o fluxo de ML: preparar os dados, escolher um algoritmo, treinar o modelo, ajustar e implantar para fazer previsões. Ele gerencia a infraestrutura por baixo, então você foca no modelo em vez dos servidores.

Para a prova, guarde uma linha clara: um serviço de IA pré-treinado é um produto pronto que você chama por uma API, enquanto o SageMaker é a oficina onde você mesmo constrói o modelo. Se uma questão descreve um time criando e treinando um modelo próprio, a resposta é SageMaker.

IA generativa: Amazon Bedrock e Amazon Q

A IA generativa usa grandes modelos de fundação para produzir conteúdo novo, como texto, resumos e respostas. A AWS oferece dois serviços que você precisa reconhecer.

Amazon Bedrock é um serviço totalmente gerenciado que disponibiliza modelos de fundação da Amazon e das principais empresas de IA por uma única API. Você pode experimentar esses modelos, personalizar com seus próprios dados e criar aplicações de IA generativa sem gerenciar nenhuma infraestrutura nem treinar um modelo do zero. O Bedrock é o serviço para quem desenvolve recursos de IA generativa dentro das próprias aplicações.

Amazon Q é um assistente de IA generativa. O Amazon Q Business responde perguntas, resume informações e conclui tarefas usando os dados internos da sua empresa, o que ajuda os funcionários a trabalhar mais rápido. O Amazon Q Developer ajuda a programar, testar, depurar e trabalhar com recursos da AWS. Pense no Q como um assistente pronto para usar, enquanto o Bedrock é o bloco de construção das suas próprias aplicações de IA generativa.

Dicas para a prova

• O stack de IA da AWS tem três camadas: serviços de IA pré-treinados (chame uma API), Amazon SageMaker (crie seu próprio modelo) e IA generativa (Amazon Bedrock e Amazon Q).
• Os serviços de IA pré-treinados não exigem conhecimento em ML. Associe o serviço à tarefa: Rekognition (imagens e vídeo), Comprehend (sentido do texto), Textract (dados de documentos), Translate (idiomas), Polly (texto para fala), Transcribe (fala para texto), Lex (chatbots), Kendra (busca), Personalize (recomendações), Forecast (previsão de série temporal), Fraud Detector (fraude).
• Lembre dos pares espelhados: o Polly é texto para fala, o Transcribe é fala para texto.
• O Amazon SageMaker é a plataforma para criar, treinar e implantar modelos próprios. Escolha ele quando o cenário envolver criar um modelo com seus próprios dados.
• O Amazon Bedrock dá acesso a modelos de fundação por uma única API para criar aplicações de IA generativa. O Amazon Q é um assistente de IA generativa pronto para usar.