Las tecnologías llamadas cognitivas como la Inteligencia Artificial (AI) y el Machine Learning (ML) son una parte esencial de los negocios. Hoy por hoy, se debe tener una estrategia de datos, primero hay pensar en la mejor forma de almacenamiento y luego invertir en las herramientas de procesamiento de datos, de tal manera de aprovecharlos eficazmente.
Hace 20 años que AWS viene aplicando el ML en áreas como la personalización, la gestión de la cadena de suministro y los sistemas de previsión para los procesos de cumplimiento.
Hoy se realizó con éxito el AWS Summit Online Américas, un evento 100% virtual que reunió a la comunidad más grande de científicos y técnicos de computación en la nube, además de empresarios que buscan agilizar y ser más eficientes en sus negocios. El evento contó con más de 35 sesiones bajo demanda lideradas por expertos de AWS, donde los asistentes no solo pudieron escuchar sobre soluciones y herramientas, sino conocieron casos de éxito regionales.
El Keynote fue liderado por El Dr. Werner Vogels -Chief Technology Officer en Amazon.com- responsable de liderar la visión tecnológica centrada en el cliente; y Swami Sivasubramanian, Vicepresidente de Machine Learning de AWS.
Durante su intervención, Swami Sivasubramanian revelo que la misión de su equipo es “poner las capacidades del Machine Learning en las manos de cada desarrollador y científico de datos«.
“La tecnología del Machine Learning hoy es usada desde el cuidado de la salud hasta la agricultura, pasando por los medios de comunicación y el entretenimiento. Machine Learning es muy prometedor para las industrias de todo el mundo” comentó Swami Sivasubramanian
Por ejemplo, Cerner -líder mundial en salud y tecnología- lo está utilizando para mejorar la atención al paciente, pasando de tratamientos reactivos a proactivos e incluso prediciendo la insuficiencia cardíaca congestiva 15 meses antes del diagnóstico clínico. Poe otro lado, Intuit -una empresa mundial de software empresarial y financiero- identifica las transacciones fraudulentas con la ayuda de esta disciplina científica.
Lo más resaltante del AWS Summit Online Américas:
- Convirtiendo los datos en conocimiento
Los servicios de analítica de AWS ayudan a las organizaciones a convertir rápidamente los datos en respuestas. Esa es la ventaja de contar con un grupo de servicios maduros e integrados, que van desde datawarehouse en la Nube hasta lagos de datos de tipo «serverless». Obtener respuestas rápidas significa gastar menos tiempo en la construcción y configuración de los servicios para que trabajen juntos. En esta sesión se dio a conocer como los componentes de almacenamiento, cómputo y redes de la Nube AWS trabajan en conjunto para cumplir con las necesidades de las cargas analíticas. Adicionalmente, exploraron el conjunto de herramientas analíticas, integradas y con alto nivel de madurez, ofrecidas por la Nube AWS. Finalmente, se descubrió como AWS provee el mejor desempeño al menor costo para sus cargas analíticas.
- Cuantificando el valor de negocio de AWS
El valor de AWS va más allá de ahorros en costos de infraestructura. En esta sesión se repasó un marco de trabajo (framework) que apoya en la construcción de un caso completo de negocio de migración a la nube. Un estudio de análisis comparativo basado en los beneficios obtenidos por más de 1000 clientes AWS. Adicionalmente, dieron a conocer cómo cuantificar y maximizar los generadores de valor para su caso de negocio en la Nube. Finalmente, mostraron las mejores prácticas de cómo comunicar el valor de AWS para el negocio, a los ejecutivos en su organización.
- Modernización de bases de datos para aplicaciones de servicios financieros
En los servicios financieros, bases de datos relacionales de gran tamaño suelen estar en el corazón de la arquitectura aplicativa. Las innovaciones modernas en bases de datos y en patrones de arquitectura han cambiado la forma en que las bases de datos se construyen y despliegan. Esta sesión respondió la pregunta: «¿Qué herramientas y patrones modernos pueden usar los desarrolladores para ofrecer el rendimiento, la escala y la resiliencia que requieren las aplicaciones de servicios financieros?» Se hace énfasis en los casos de uso en servicios financieros para Amazon Aurora, una base de datos relacional compatible con MySQL y PostgreSQL construida para la nube.
- ¿Cómo podría AWS soportar Instituciones Financieras con Open Banking e PIX?
En esta sesión presentaron cómo AWS puede ayudar a las instituciones financieras brasileñas a crear un entorno seguro para compartir las API y monetizarlas utilizando servicios sin servidor como el Amazon API Gateway y AWS Lambda. Además, mostraron cuales son los requisitos de seguridad solicitados por el Banco Central de Brasil, apoyados por servicios como AWS KMS o AWS CloudHSM para la difusión de mensajes en el nuevo sistema de pago instantáneo (PIX).
- Componentes críticos para la transformación digital en el sector público
Para responder a la creciente demanda de servicios digitales ante restricciones presupuestarias y operativas, las organizaciones del sector público desean convertirse en organizaciones más ágiles, más eficaces e impulsadas por datos que refuerzan continuamente la confianza y el compromiso de los ciudadanos. La nube puede ser un habilitador de eso. Organizaciones de todo el mundo están aprovechando la nube no solo para reducir costos, sino para transformar la forma en que entregan su misión. En esta sesión, revisaron los componentes críticos para la transformación digital que pueden acelerar el proceso de pasar de la idea a la ejecución y pueden ayudar a los líderes del sector público a comunicar valor y construir consenso entre sus grupos de interés. Dieron a conocer cómo el Gobierno de Brasil, el Servicio Digital del Gobierno del Reino Unido y el Gobierno del Estado de Guanajuato en México, han implementado con éxito estos componentes de transformación para entregar más valor a los ciudadanos.
- ML + big data: Spark en Amazon SageMaker con Amazon Glue
Uno de los grandes desafíos de ejecutar machine learning a escala es desarrollar pipelines capaces de transformar grandes volúmenes de datos para que puedan ser utilizados por los algoritmos, tanto para entrenamiento como para los procesos de inferencia. En esta sesión se explicó cómo ejecutar pipelines de preprocesamiento en AWS Glue, un entorno serverless para la ejecución de Spark y a integrar estos procesos con uno de los algoritmos built-in de Amazon SageMaker que se ejecutará de manera distribuida.
