今年，我们将通过有史以来首次机器学习主题演讲、超过 50 场极具突破性的技术讲习，再加上 AWS DeepRacer League 实时竞赛等环节，让本届 re:Invent 焕发出更鲜活的生命力。届时，您将获得来自 Amazon Web Services (AWS) 专家以及众多 AWS 客户的大量资讯，包括来自体育、金融、零售、自动驾驶、制造等行业的 NASCAR、Intuit、麦当劳、Mobileye、NFL 以及西门子能源等等。

为了帮助大家为今年的盛会做好攻略，我们整理出这份亚马逊 re:Invent 2020 大会人工智能与机器学习领域的发布要点。

请各位“系好安全带”

扫描下方二维码注册参会

我们马上进入正题！

一、机器学习主题演讲

今年，我们将迎来首场机器学习主题演讲，主讲人为 AWS机器学习副总裁 Swami Sivasubramanian。

12 月 9 日（上午 8:00-9:30）

了解 AWS 如何通过 AWS 机器学习的最新发展、先进的技术演示以及对客户的洞察，让构建者在机器学习上自由创新。

二、AI 与 ML 入门

如果您刚刚接触 AI 和 ML 技术，我们也将举办相关讲习以帮助您了解如何运用 AI 及 ML 成果为业务带来价值。这些讲习将涵盖 AI 及 ML 领域的基本元素，并通过广受欢迎的 AWS DeepRacer 与 AWS DeepComposer 设备激发您掌握技术的兴趣。

1、从概念验证到实际生产（讲习会AIM203）

如果您有意在组织当中实施 ML，并希望了解应该从哪里起步，请千万不要错过这节课程。您将在这里了解如何以规模化方式使用 ML 技术并取得成功，包括从概念到生产的所有相关最佳实践。

2、发现洞见以提高客户满意度 (AIM202)

客户响应与情感倾向数据的快速增加，应该成为大家提供优质客户服务的重要素材。您将在这里了解如何使用 Amazon Comprehend 提取有价值信息，并将其转换为业务洞见。

3、开始使用AWS DeepRacer (AIM204)

开发者们，启动引擎，准备参加 AWS DeepRacer 吧！它以一种妙趣横生的方式帮助您了解机器学习与强化学习方面的基础知识。您只需要构建模型并将其提交至AWS DeepRacer League，即有机会赢得奖项与荣誉！

4、使用AWS DeepComposer上手生成式 AI(AIM207)

生成式 AI 已被用于解决诸多行业中的独特问题。在使用 AWS DeepComposer聆听美妙音乐的同时，您还能够了解到关于生成 AI 技术的更多最新概念（例如GAN与自回归模型等）。

三、从这里开始，启动跨行业用例实践

机器学习拥有广泛的适用性，意味着它足以帮助客户在各类行业当中建立起丰富的用例。在相关讲习中，我们将深入探讨金融与医疗保健、零售、媒体与娱乐等行业中的 AI 及 ML 实践用例。

1、保险业智能文件处理 (AIM310)

多年以来，保险业已经在极易出错、成本高昂且极度繁琐的手动数据提取工作中耗费了数百万美元。您可以在这里了解 Amazon Textract 与 Amazon Augmented AI (Amazon A2I) 如何在生产环境中引入自动化文档处理工作流，借此将繁琐的流程转变为简化操作。

2、在 M&E 中提供卓越的个人体验 (AIM211)

了解如何添加 ML 支持型推荐引擎，以个性化方式满足您的媒体与娱乐需求，借此增加订阅及消费量。在本讲习中，我们将讨论 Amazon Personalize 如何为您的各类业务需求提供出色的推荐结果。

3、NASCAR 如何通过 Amazon Transcribe实现内容的可搜索性与可访问性 (AIM205)

如今，媒体与娱乐内容正呈现出指数级增长。在本次讲习中，NASCAR 将分享他们如何使用 Amazon Transcribe 生成自动视频字幕，借此增强用户的参与度。我们还将探讨其他客户如何使用 Amazon Transcribe 以经济高效的方式创建视频与播客的精准副本，借此生成可用内容分类及搜索的元数据、同时管理播放内容以确保其适度无害。

4、与美国国家橄榄球联盟（NFL）联手构建计算机视觉训练数据集（AIM 307）

在运动场上对运动员进行跟踪是一项极具挑战性的难题，训练出一套高质量的 ML 模型以预测运动员的运动状态及受伤风险同样相当困难。在本次讲习中，我们将通过一段有趣的洞见式演示，介绍 NFL 如何使用 Amazon SageMaker Ground Truth 构建训练数据集，借此跟踪赛场上的全部 22 名球员以确保其人身安全并跟踪比赛统计数据。

5、使用 AI 实现临床工作流自动化 (AIM303)

了解医疗保健组织如何利用AI的力量在临床工作流、医疗信息数字化、信息提取与汇总以及患者数据保护等领域实现自动化。在本次讲习中，我们将演示由AWS提供的多种AI服务（包括 Amazon Textract, Amazon Comprehend Medical, Amazon Transcribe Medical以及 Amazon Kendra）如何协同工作，进而提取、分析并汇总病历内的数据。

6、捕捉在线欺诈并采取打击行动 (AIM208)

长久以来，欺诈阴影一直笼罩着诸多行业，导致组织蒙受数十亿美元的巨额损失。在本次讲习中，我们将了解 Amazon Fraud Detector 如何凭借机器学习技术以及 Amazon 20 多年的丰富经验加专业知识，帮助您捕捉在线欺诈活动。通过详细的讨论与演示，您将了解如何将 Amazon Fraud Detector 应用于自身业务体系。

7、针对受监管行业的安全与合规型机器学习 (AIM309)

随着越来越多的工作负载被迁移至云端，云环境的安全已经成为直接影响业务命运的重要因素。AWS 当然视安全为重中之重，并将在本次讲习中深入探讨如何使用 Amazon SageMaker 设置安全的 ML 环境。此外，我们还将研究金融等受监管行业的客户架构，讲解其中涉及的概念并带来一段技术演示。

四、AI 与 DevOps – 无与伦比的组合

1、使用 Amazon CodeGuru 查找资源占用量最大的代码行 (AIM306)

对于大多数开发人员而言，改善应用程序响应时间，更快、更准确地解决服务问题，以及更深刻地理解代码逻辑无疑是最重要的几大诉求。在本讲习中，您将了解 Amazon CodeGuru 如何在开发过程中提供智能建议，借此帮助您自动实现代码审查，并通过代码调整提高应用程序性能。

五、面向 ML 老兵们的进阶主题

我们还准备了众多讲习研讨，旨在深入解析 AWS 服务组合中的机器学习技术细节，涵盖 TensorFlow、PyTorch 以及 Apache MXNet 在内的多种深度学习框架。这些讲习将演示相关代码，帮助高级开发人员或数据科学家们得以利用这些更具深度的技术解决方案应对种种现实挑战。

1、Amazon SageMaker 入门指南 (AIM209)

Amazon SageMaker是一项完全托管服务，可帮助各类开发人员及数据科学家轻松完成ML生命周期内的各个环节。加入我们的讲习研讨，我们将在这里向您展示如何通过简单直观的体验上手SageMaker，进而实现预测性维护、客户流失预测以及信用风险评估等各类用例。

2、在Amazon SageMaker Studio当中使用完全托管的Jupyter notebooks (AIM305)

长久以来，对用于查看、运行或共享 notebooks 的计算实例进行管理一直是项枯燥乏味的工作。如今在 Amazon SageMaker Studio Notebooks 的支持下，您可以轻松将 notebooks 纳入 ML 项目当中。其底层计算资源拥有充分的弹性，且 notebooks 可以轻松共享，这将大大降低协作门槛并提升可扩展性。本讲习还随附一段演示，介绍如何将 Jupyter notebooks 与 SageMaker Studio（第一套用于机器学习的全集成开发环境）配合使用。

3、在 TensorFlow 2.0 中使用数十亿参数规模化训练ML模型(AIM405)

受到 GPU 内存等资源的固有限制，我们在训练大型模型时往往无法放手使用输入信息。在本次讲习中，我们将深入探讨模型并发性技术解决方案，即将模型层放置在多台 GPU 设备上并运用聚合内存资源。我们还将演示如何使用 Amazon SageMaker 与 TensorFlow 2.0 实现模型的规模化训练。

4、工作场所安全与身份验证 (AIM407)

如今，COVID-19 疫情给企业带来了新的挑战——如何保障工作场所的往来安全。在本次讲习中，您将了解 Amazon Rekognition 如何通过自动化、可扩展的方式提高工作场所安全性，同时对往来人员严格执行身份验证。面对不断变化的工作环境，Rekognition 将帮助您切实掌握员工及客户的物理与在线环境安全态势。

5、在 Kubernetes 上扩展 ML 环境 (AIM313)

在 Kubernetes 上设置 ML 环境以进行训练与推理已经成为当下的普遍趋势。在本次讲习中，我们将展示如何使用 Amazon SageMaker Operators for Kubernetes 配合具备自动规模伸缩策略，建立起安全且极具可用性的训练端点。此外，Intuit 还将介绍他们如何使用 SageMaker Operators、Apache Spark 以及 Argo 为其高可用性系统构建 Kubernetes 控制器。

6、检测模型漂移以维持高精度 ML 模型 (AIM304)

由于用于模型训练的数据与用于实际生成预测的数据之间往往存在差异，因此推理过程中模型的精度往往会受到影响。在本次讲习中，我们将探讨 Amazon SageMaker Model Monitor 如何自动检测已部署模型中的偏差，提供详细警报以帮助识别问题，并借此帮助您维护高精度 ML 模型。

7、机器学习中的可阐释性与可解释性(AIM408)

随着 ML 技术在各个行业中的逐步普及，相关用例与应用程序也开始不断涌现，这就要求我们对ML模型的结果及其预测建立起深入了解。在本次讲习中，我们将结合 Amazon SageMaker 探讨可阐释性科学，借此了解 ML 模型的实际工作原理。我们还将介绍模型可解释性这一在机器学习领域愈发受到关注的议题。

六、AWS DeepRacer 最快、最有趣的机器学习入门方式

AWS DeepRacer 将为大家带来一条非常有趣的机器学习入门之道。无论您是初学者、还是拥有丰富经验的专家，都可以在这里学习如何立足云端 3D 塞车模拟器内进行模型训练，并将自己的成果与其他参与者一较高下。AWS DeepRacer 适合不同水平的各类机器学习从业人员。在这里，您将启动自己的引擎，通过 AWS DeepRacer League 检验您的技术水平。最终优胜者将有机会站上 re:Invent 的领奖台，获得属于您的那份奖品与荣誉！

更多精彩不容错过，我们期待在 re:Invent 2020 的人工智能与机器学习专区与您会合！