AusNet Services adalah perusahaan energi Australia yang memiliki dan mengoperasikan jaringan transmisi listrik, jaringan distribusi listrik, dan jaringan distribusi gas di negara bagian Victoria, Australia. AusNet Services menggunakan ML antara lain untuk membantunya mengoperasikan jaringan-jarigan tersebut secara lebih hemat biaya. AusNet Services mencontohkan vegetasi. Dengan bantuan ML, AusNet Services bisa memantau vegetasi dan memprediksi pertumbuhannya secara lebih akurat dan efisien — untuk selanjutnya mengambil langkah yang sesuai. Vegetasi tentunya bisa mengganggu maupun membahayakan operasi dari AusNet Services. Kabel listrik yang digunakan misalnya bisa terputus apabila tumbuhan di sekitarnya bertumbuh tidak terkendali. Tumbuhan tersebut pun bisa mengakibatkan kebakaran.
Terdapat belasan layanan dan fitur baru yang disampaikan oleh Dr. Swami Sivasubramanian pada keynote AWS re:Invent 2021-nya. Empat di antara layanan dan fitur baru itu adalah Amazon DevOps Guru for RDS, Amazon DynamoDB Standard-Infrequent Access table class, Amazon SageMaker Serverless Inference, dan Amazon SageMaker Studio Lab.
Amazon DevOps Guru for RDS
Amazon DevOps Guru for RDS merupakan fitur baru dari Amazon DevOps Guru untuk Amazon RDS. Amazon DevOps Guru for RDS menggunakan ML untuk secara otomatis mendeteksi dan mendiagnosis permasalahan kinerja dan operasional basis data lalu memberikan rekomendasi untuk memperbaiki permasalahan tersebut. AWS menegaskan bahwa permasalahan basis data sering kali kompleks dan tidak mudah untuk menemukan sumber permasalahannya, serta sejalan dengan itu tidak mudah pula untuk mengatasi permasalahan yang dimaksud.
Amazon DevOps Guru for RDS memudahkan organisasi untuk mendeteksi permasalahan basis data dan menemukan sumber permasalahannya serta mengatasinya. AWS menambahkan bahwa Amazon DevOps Guru for RDS dibangun untuk Amazon Aurora dan membolehkan organisasi untuk beroleh solusi akan permasalahan dalam hitungan menit bukan jam maupun hari. Amazon DevOps Guru for RDS telah tersedia secara umum saat diumumkan.
Pada AWS re:Invent 2021, Dr. Swami Sivasubramanian menegaskan pentingnya menjadi organisasi yang data-driven agar bisa berkembang dengan sukses.
Amazon DynamoDB Standard-Infrequent Access Table Class
Amazon DynamoDB Standard-Infrequent Access table class merupakan kelas tabel baru pada Amazon DynamoDB. AWS menghadirkan Amazon DynamoDB Standard-Infrequent Access table class untuk menyimpan data yang jarang diakses, tetapi tetap memiliki kinerja dan ketersediaan yang tinggi ala Amazon DynamoDB. Sebelum ada kelas tabel baru ini, organisasi yang ingin menyimpan data yang jarang diakses pada Amazon DynamoDB agar tetap beroleh kelebihan seperti kecepatan, harus menggunakan Amazon DynamoDB Standard table class. Dengan kata lain organisasi mengeluarkan biaya yang serupa dengan data yang sering diakses. Amazon DynamoDB Standard-Infrequent Access table class menawarkan biaya penyimpanan yang lebih ringan sampai 60%.
AWS menambahkan Amazon DynamoDB Standard-Infrequent Access table class menawarkan kinerja, ketahanan, scaling, dan ketersediaan yang serupa dengan Amazon DynamoDB Standard table class. Selain itu, organisasi juga bisa beralih dari satu kelas tabel ke kelas tabel yang lain kapan saja. Amazon DynamoDB Standard-Infrequent Access table class telah tersedia sejak disampaikan.
Amazon SageMaker Serverless Inference
Seperti sebutannya, Amazon SageMaker Serverless Inference adalah opsi baru yang membolehkan organisasi yang menggunakan Amazon SageMaker men-deploy model ML-nya untuk inference tanpa perlu mengurusi infrastruktur yang menjalankannya. AWS menyebutkan dengan hadirnya Amazon SageMaker Serverless Inference, organisasi bisa menyerahkan urusan infrastruktur kepada Amazon SageMaker. Amazon SageMaker yang akan mengatur perihal komputasi yang menenagai inference bersangkutan. Organisasi hanya membayar sesuai durasi inference berjalan dan jumlah data yang diproses. Amazon SageMaker Serverless Inference saat disampaikan masih berupa preview.
Amazon SageMaker Studio Lab
Amazon SageMaker Studio Lab adalah layanan baru yang memudahkan pengembang dan pihak lain untuk belajar ML maupun bereksperimen dengannya. Amazon SageMaker Studio Lab bisa digunakan secara gratis dan diklaim tidak membutuhkan setup alias pengaturan untuk mengunakannya. Amazon SageMaker Studio Lab, ditenagai oleh teknologi yang sama dengan Amazon SageMaker, memberikan pengembang dan pihak lain yang menggunakannya akses terhadap perkakas, kerangka kerja, dan library ML. Amazon SageMaker Studio Lab juga memberikan 15 GB penyimpanan yang persistent, serta sampai 12 jam sumber daya CPU dan sampai 4 jam sumber daya GPU untuk setiap sesi.
Menariknya lagi, pendaftaran untuk Amazon SageMaker Studio Lab disebutkan AWS menggunakan alamat e-mail, tentunya yang valid. Apabila setelah selesai belajar dan bereksperimen, proyek yang ada hendak digunakan pada lingkungan produksi; misalnya untuk digunakan organisasi; Amazon SageMaker Studio Lab mendukung migrasi proyek tersebut ke Amazon SageMaker secara mudah. Amazon SageMaker Studio Lab ketika dimumumkan masih berupa preview.