- Legenda:
- 📝 - oznaka za napomene koje se tiču certifikacije
- 💰 - sekcije koje se ticu pricing-a za servise
-
Note - za bitne napomene koje se ticu servisa
- 🔍 - definicije termina
- 🔍 Masinsko ucenje (eng. Machine Learning) je grana Vjestacke inteligencije (AI) i racunarskih nauka, koja koristeci modele, posebne trening i testne algoritme te setove podataka imitira stvarno funkcionisanje ljudskog ucenja, sa mogucnoscu usavrsavanja istog.
- Koristi se za izdvajanje termina, pojmova, rijeci, entiteta iz teksta sa odredjenom sigurnoscu
- Mogu se koristiti Built in modeli ili kreirati posebni
💰 Pricing Per unit - formule za izracunavanje
- Vise o servisu
Slika preuzeta sa learn.cantrill.io
- Intelligent search servise
- dizajniran da imitira interakciju sa ljudskim ekspertom
- Podrzava razlicite forme pitanja
- Factiodna pitanja - WHO, WHAT, WHERE?
- Opisna pitanja - How to clean shoes?
- Keynote ili pretraga preko kljucne rijeci - What is the keynote address?
NOTE Kendra je backend servis koji se implementira u aplikaciju i omogucava funkcionalnost u aplikaciji. Dakle, nije tip servisa sa kojim mozemo direktno komunicirati kao krajnji korisnik
💰 Pricing Developer Edition, Enterprise Edition
- Vise o servisu
Slika preuzeta sa learn.cantrill.io
- fully managed artificial intelligence (AI) service sa naprednim natural language modelima koji omogucavaju design, build, test, i deployment konverzacijskih interfejsa u aplikacijama.
- backend service koji se implementira u aplikacije za prosirenje mogucnosti
- Text or voice conversational interface koji je ugradjen u Amazon Alexa
- 3 glavne funkcionalnosti:
- Automatic Speech recognition ASR - speech to text Pomaze kod dobrog razumijevanja u odnosu na Siri IOS koji ne koristi ASR i ima dosta problema pri shvatanju i pretvaranju govora u tekst
- Natural language understanging NLU - INTENT - akcija koju korisnik zeli uraditi Gradi intent chains koji omogucavaju sposobnost povezivanja stvari. Na primjer, ako kazemo Alexi - Zelim naruciti pizzu - intent ce biti narudzba pizze. Ako nakon toga kazemo - sa puno sira i kecapom - pravi se intent chain kako bi se znalo da se puno sira i kecap odnose na pizza narudzbu.
- Build understanding into your application Kao backend servis se ugradjuje u aplikacije i pomaze prosirenju mogucnosti iste.
NOTE Skalira, integrira, quick deployment je olaksan kao i pay as you go pricing model, pa je zgodno za koristenje kod serverless arhitekture i evend driven arhitekture
💰 Pricing pay as you go pricing model
- Za kreiranje Chatbot app, Voice assistants, Q&A bots, Info/Enterprise bots
- Vise o servisu
Slika preuzeta sa learn.cantrill.io
- omogucava text to life-like speech konverziju.
- Koristi se za kreiranje aplikacija koje govore, speech-enabled products i sl.
NOTE Nije moguc prevod texta na drugi jezik, samo na izvorni na kojem smo pisali.
💰 Pricing Pay as you go pricing model
- Vise o servisu
Slika preuzeta sa learn.cantrill.io
- Koristi SSML Speech Synthesis Markup Language sto omogucava kontrolu kako Polly generise govor:
- Pronunciation
- Whispering
- Newscaster speaking style itd.
- omogucava pre-trained i customizable vision (CV) mogucnosti, sto nam omogucava da izvučemo informacije iz slika i video snimaka
- deep learning image and video analysis
- prepoznavanje objekata sa slika i videa npr. face detection i sl.
💰 Pricing Per Image ili Per Minute kada je rijec o videu
-
Analizira live video stream
-
Vise o servisu
Slika preuzeta sa learn.cantrill.io
📝 Ukoliko pitanje na cert. ispitu bude vezano za prepoznavanje ljudi, emocija, teksta, objekata sa slika i videa onda je odgovor AWS ReKognition sa K.
- ML servis koji automatski ekstraktuje/izdvaja text, podatke i rukopis sa input dokumenata
- Input document formati: jpeg, png, pdf, tiff
- synchronous za manje dokumente u smislu da je real-time ekstrakcija podataka i odmah mozemo ocekivati output
- asynchronous za vece podatke (veci pdf i sl.) u smislu da se ceka zavrsetak procesa nesto duze
💰 Pricing Pay for usage, uz posebne pricing modele za velike dokumente
- Vise o servisu
Slika preuzeta sa learn.cantrill.io
- Automatic Speech recognition ASR servis koji prihvata audio kao input i daje output u vidu teksta.
- moguce kreiranje rijecnika (eng. vocabulary) i jezickih modela (eng. language models)
- Jos neke mogucnosti su: filteri zbog privacy-a, speaker identification, audience-appropriate language itd.
💰 Pricing Pay for use - per second of transcribed video
- Vise o servisu:
Slika preuzeta sa learn.cantrill.io
- text translate servis koji koristi masinsko ucenje kako bi sto uspjesnije izvrsio prevodjenje teksta na zeljeni jezik rijec po rijec.
- Kako radi Translate servis?
- Enkoder procita ulazne podatke (input text) i da nam semanticki prikaz ulaznog teksta ili jednostavnije, procita tekst i vrati nam znacenje teksta. Ovo je odlicna osobina servisa, jer znamo da prevod sa jednog na drugi jezik nikada nije direktan niti bukvalan prevod.
- Dekoder procita znacenje teksta koje je enkoder dostavio i prevodi ga na zeljeni jezik. To je moguce koristenjem attention mechanism koji pomaze pri izboru pravih rijeci koje bi opisale znacenje iz enkodera.
- Opcija Auto detect koja prepoznaje jezik ulaznog teksta
💰 Pricing pay-as-you-go based on the number of characters of text that you processed
- Vise o servisu
Slika preuzeta sa learn.cantrill.io
📝 Ukoliko pitanje na cert. ispitu bude vezano za prevodjenje text-to-text izbor je definitivno AWS Translate servis.
- 🔍 Machine learning forecasting je proces koji koristi algoritme kako bi ucio iz podataka i bio u mogucnosti da predvidi buduce dogadjaje.
- koristi 2 seta podataka
- Historical data su podaci za koje mozemo vezati neki vremenski period. Na primjer, naziv proizvoda i timestamp podaci kada je proizvod prodat i slicno.
- Related data su extra podaci vezani za neki vremenski period.
-
Spajanjem ova dva seta podataka mogli bismo analizirati kada je neki proivod prodat u neko vrijeme (historical data) i udruziti te podatke sa vremenskom prognozom za taj dan (related data) kako bismo analizirali da li se zbog loseg vremena proizvod losije prodavao ili bolje.
-
Vise o servisu
Slika preuzeta sa learn.cantrill.io
- fully managed servis za detekciju prevara ili sumnjivih aktivnosti online.
- servis koristi masinsko ucenje i modele kako bi analizirao podatke i otkrio potencionalne sumnjive aktivnosti.
- Postoji vise modela:
- Online Fraud - new customer account
- Transaction Fraud - suspect payments
- Account Takeover - phishing, social-based attack
- Funkcionalnost se zasniva na bododavnju (scored) dogadjaja te kada se isti prepoznaju dodjeli im se score. Za svaki event mozemo kreirati Rules ili decision logiku kojom odredjujemo sta i kako reagovati na score koji se pojavio za neki event.
💰 Pricing pay-as-you-go
Data processing and storage You are charged by the Gigabyte (GB) for storing event data in Amazon Fraud Detector.
Model Training Amazon Fraud Detector charges for the compute hours consumed to train a custom model with your data.
Model Hosting Fraud Detector charges for compute capacity by the hour for on-demand hosting of deployed models, so that they are available for real-time predictions.
Fraud Predictions Fraud Detector chargers per fraud prediction.
- koristi se za kreiranje training models za masinsko ucenje
- kolekcija vise AWS servisa zajedno
- Bitni pojmovi:
- Sagemaker Studio - IDE for ML lifecycle
- Sagemaker Domain - mozemo zamisliti kao kontejner ili logicki prostor koji kreiramo za projekte. Svaki projekat ima svoj Domain.
- Containers - Docker containers
- Hosting - endpoints za modele
- Vise o servisu
Slika preuzeta sa learn.cantrill.io
⏩ Class Notes ⏩ Additional Reading ⏩ HOME - README.md ⏩ Sadrzaj - DevOps Learning Path