Una vez que haya definido el modelo de aprendizaje automático más apropiado para resolver un problema determinado, tendrá que decidir si implementa el modelo desde cero o utiliza los servicios existentes. Por ejemplo:
– Si necesita integrar agradables interfaces de conversación (chatbots) en cualquier aplicación que utilice voz y texto, AWS Lex proporciona las avanzadas funcionalidades de aprendizaje profundo del reconocimiento automático del habla (ASR) para convertir el habla en texto, y la comprensión del lenguaje natural (NLU) para reconocer la intención del texto, para permitirle construir aplicaciones con experiencias de usuario muy atractivas e interacciones conversacionales reales.
– Para descubrir las percepciones y relaciones en los datos de texto no estructurados, AWS Comprehend le ayuda con:
– Identificación del idioma del texto
– Extracción de frases clave, lugares, personas, marcas o eventos
– Realizar un análisis de los sentimientos, para determinar cuán positivo o negativo es un texto
– Organizar automáticamente una colección de archivos de texto por tema
– Si quieres integrar en tu aplicación un servicio de traducción automática neuronal que ofrezca una traducción de idiomas rápida, de alta calidad y asequible, echa un vistazo a AWS Translate.
– Si desea añadir análisis de imágenes y vídeo a sus aplicaciones, AWS Rekognition puede ser una opción interesante, ya que proporciona una API para identificar objetos, personas, rostros, texto, escenas y actividades, así como para detectar cualquier contenido inapropiado.
Ahora, si necesitas construir tus propios modelos de aprendizaje automático, y quieres una plataforma completamente administrada que te permita construirlos, entrenarlos y desplegarlos rápida y fácilmente en un entorno alojado listo para la producción, AWS SageMaker es una gran elección.