Usando inteligencia artificial na aws
Transferir como PPTX, PDF1 gostou317 visualizações
O documento apresenta vários serviços da AWS relacionados à inteligência artificial, incluindo Amazon Rekognition para reconhecimento de imagens, Amazon Polly para conversão de texto em voz, e Apache MXNet para deep learning. Exemplos demonstram como utilizar essas ferramentas para aplicações como análise de imagens e geração de voz.
![Exemplo via API para Reconhecimento de Imagens
rekognition = boto3.client('rekognition')
def detect_labels(bucket, key):
# Método para detectar conteúdo de imagens
response = rekognition.detect_labels(Image={"S3Object": {"Bucket": bucket, "Name": key}})
# Obtenção dos labels referente a imagem
labels = [{'Confidence': Decimal(str(label_prediction['Confidence'])), 'Name':
label_prediction['Name']} for label_prediction in response['Labels']]
# Escrever resultado em uma tabela (DynamoDB)
table = boto3.resource('dynamodb').Table('ReconhecimentoImagem')
table.put_item(Item={'PK': key, 'Labels': labels})
return response](https://image.slidesharecdn.com/usandointeligenciaartificialnaaws-170704135831/85/Usando-inteligencia-artificial-na-aws-11-320.jpg)
![Exemplo em Lambda invocando modelos do
MXNet
# Importando as principais bibliotecas
import mxnet as mx
import numpy as np
# Carga do modelo
sym, arg_params, aux_params = load_model(f_symbol_file.name, f_params_file.name)
# Parâmetros do modelo
mod = mx.mod.Module(symbol=sym)
mod.bind(for_training=False, data_shapes=[('data', (1,3,224,224))])
mod.set_params(parameters, auxiliar_parameters)
# Execução do modelo e resultados armazenados em labels
labels = predict(url, mod, synsets)
https://aws.amazon.com/blogs/compute/seamlessly-scale-predictions-with-aws-lambda-and-mxnet/](https://image.slidesharecdn.com/usandointeligenciaartificialnaaws-170704135831/85/Usando-inteligencia-artificial-na-aws-25-320.jpg)
Usando inteligencia artificial na aws
- 1. © 2015, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Gerente de Arquitetura de Soluções Setor Público, Educação e Fundações sem fins lucrativos Latin America, Canada & Caribe 22/06/2017 Usando Inteligência Artificial na AWS Alex Coqueiro @alexbcbr
- 4. Usando Inteligência Artificial em Produção na AWS
- 5. Uso de Inteligência Artificial em Carros Autônomos
- 6. “O futuro está aqui, Ele apenas não foi distríbuido ainda” William Gibson
- 7. Amazon AI “Reduzir os custos e barreiras para a adoção de inteligência artificial”
- 8. Amazon AI
- 10. Amazon Rekognition Serviço de Deep learning baseado no reconhecimento de imagens que busca, verifica e organiza milhões de imagens Bay Beach Coast Outdoors Sea Water Palm_tree Plant Tree Summer Landscape Nature Hotel 99.18% 99.18% 99.18% 99.18% 99.18% 99.18% 99.21% 99.21% 99.21% 58.3% 51.84% 51.84% 51.24% Categoria Confiança
- 11. Exemplo via API para Reconhecimento de Imagens rekognition = boto3.client('rekognition') def detect_labels(bucket, key): # Método para detectar conteúdo de imagens response = rekognition.detect_labels(Image={"S3Object": {"Bucket": bucket, "Name": key}}) # Obtenção dos labels referente a imagem labels = [{'Confidence': Decimal(str(label_prediction['Confidence'])), 'Name': label_prediction['Name']} for label_prediction in response['Labels']] # Escrever resultado em uma tabela (DynamoDB) table = boto3.resource('dynamodb').Table('ReconhecimentoImagem') table.put_item(Item={'PK': key, 'Labels': labels}) return response
- 13. Amazon Polly Serviço para transformar texto em voz
- 14. Exemplo via API para Transformar Texto em Voz # Invocando cliente de Polly polly = Session().client("polly") #Sintetizacão de Voz response = polly.synthesize_speech( Text=data, TextType="ssml", OutputFormat="mp3", VoiceId="Vitoria” )
- 15. Estrutura de Documento SSML <speak> <p>Em primeiro lugar muito obrigado por assistir a esta sessão. Sei que há muitas palestras ótimas e fico honrado de você nos escolher.</p> Meu nome é <prosody rate="slow"><lang xml:lang='en-US'>Polly</lang></prosody> e estou te ligando porque identifiquei uma situação de emergência. Estou sendo utilizada para emergência em função da situação de negócio sugerida, mas posso ser útil também em áreas como defesa pública, educação, governo, bancos, comércio ou tudo o que você puder imaginar que tenha interação de voz. Importante salientar que nenhum ser humano gravou esta voz.<break time="1s"/> </speak>
- 18. Deep Learning – Redes Neurais Coleção de unidades matemáticas treinadas, que coletivamente aprende funções complexas Output Redes Neurais Input Hidden layers
- 19. AWS Deep Learning AMI Até 40,000 CUDA Cores Apache MXNet Python Notebooks & Exemplos (e outros) https://github.com/awslabs/deeplearning-cfn
- 20. MXNet – Deep Learning Escalável • Open Source: Licenciado como Apache-2 para Deep Learning Framework • Desenvolvido pela Universidade de Washington e Universidade de Carnegie Mellon • Estado da arte no suporte a modelos baseados em Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM) • Ultra-escalável: Escalável linearmente • Multi-language: Suporte para Scala, Python, R, e fácil integração com Spark • Ecosistema: Comunidade vibrante (Comunidade Acadêmica e Indústria)
- 21. Apache MXNet Programável Sintaxe simples e suporte a múltiplas linguagens Portável Modelos Eficientes para mobile e IoT Alta Performance Escalável linearmente com centenas de GPUs Plataforma Aberta Aceito com projeto Apache Otimizado para AWS Otimizado para deep learning
- 22. Paradigma Rico de Programação em Rede Neurais
- 23. Frameworks de Deep Learning
- 25. Exemplo em Lambda invocando modelos do MXNet # Importando as principais bibliotecas import mxnet as mx import numpy as np # Carga do modelo sym, arg_params, aux_params = load_model(f_symbol_file.name, f_params_file.name) # Parâmetros do modelo mod = mx.mod.Module(symbol=sym) mod.bind(for_training=False, data_shapes=[('data', (1,3,224,224))]) mod.set_params(parameters, auxiliar_parameters) # Execução do modelo e resultados armazenados em labels labels = predict(url, mod, synsets) https://aws.amazon.com/blogs/compute/seamlessly-scale-predictions-with-aws-lambda-and-mxnet/
- 26. Resumo...
- 27. Amazon AI
- 28. Muito Obrigado Gerente de Arquitetura de Soluções Setor Público, Educação e Fundações sem fins lucrativos Latin America, Canada & Caribe Alex Coqueiro @alexbcbr
- 29. Ainda não tem o App oficial do AWS Summit São Paulo? http://amzn.to/2rOcsVy Não deixe de avaliar as sessões no app!