3. Memperluas ML ke Lebih Banyak Pengembang
Agar setiap pengembang, termasuk yang kurang memiliki keahlian teknis sehubungan ML, bisa merdeka berinovasi memanfaatkan ML, AWS memperluas tawarannya sehubungan ML ke pengembang dengan keahlian teknis yang kurang tesebut. Salah satunya adalah dengan menghadirkan secara langsung berbagai layanan ML pada perkakas yang biasa digunakan oleh pihak yang mungkin kurang memiliki keahlian teknis sehubungan ML, tepatnya pengembang basis data dan data analyst. AWS misalnya telah meluncurkan Amazon Aurora ML serta Amazon Athena ML. Kini, pada AWS re:Invent 2020, AWS antara lain mengumumkan Amazon Redshift ML. Dengan Amazon Redshift ML, pengguna Amazon Redshift bisa mendapatkan prediksi memanfaatkan ML dengan menggunakan SQL (Structured Query Language). Amazon Redshift ML mengintegrasikan Amazon SageMaker Autopilot pada Amazon Redshift. Preview Amazon Redshift ML telah tersedia.
Amazon SageMaker Autopilot adalah automated machine learning dengan kontrol dan visibilitas penuh. Setelah pengguna memasukkan datanya, Amazon SageMaker Autopilot akan mengubah data tersebut ke format untuk ML, memilih algoritme ML yang dinilai paling tepat, melatih sampai lima puluh model ML yang berbeda; dan dengan bantuan Amazon SageMaker Studio; menunjukkan peringkat dari model-model ML yang telah dilatih.
4. Memecahkan Masalah Bisnis yang Nyata dari Ujung ke Ujung
AWS meyakini bahwa agar suatu teknologi seperti ML bisa memberikan dampak, teknologi tersebut haruslah mampu menyelesaikan masalah bisnis yang hadir di dunia nyata, dari ujung ke ujung. Oleh karena itu, AWS menghadirkan pula tawaran ML yang tinggal digunakan oleh organisasi tanpa perlu menulis kode sendiri. Salah satu tawaran seperti ini adalah Amazon Kendra yang diumumkan pada AWS re:Invent 2019. Amazon Kendra merupakan servis yang ditujukan untuk pencarian teks yang terdapat di berbagai dokumen internal perusahaan. Data yang terdapat di aneka dokumen yang dimaksud adalah yang tidak terstruktur. Pada AWS re:Invent 2020, AWS menambahkan dukungan terhadap lebih dari 40 sumber data baru dan incremental learning pada Amazon Kendra. Dengan incremental learning, AWS mengklaim Amazon Kendra bisa memberikan hasil yang lebih baik lagi untuk masing-masing individu pengguna. Baik dukungan terhadap lebih dari 40 sumber data baru maupun incremental learning, keduanya telah tersedia.
5. Terus-menerus Belajar
Sebagai teknologi baru yang terus berkembang, pengembang perlu untuk terus-menerus belajar ML. Dengan pendidikan dan pelatihan, pengembang bisa mengikuti perkembangan yang ada dan membolehkan organisasi berinovasi. Untuk membantu pengembang terus-menerus belajar ML, AWS telah menghadirkan berbagai inisiatif. Salah satunya adalah AWS DeepRacer yang merupakan suatu sistem belajar terintegrasi untuk mempelajari dan mengeksplorasi ML, tepatnya RL (reinforcement learning), serta untuk bereksperimen dan membangun pengaplikasian dari autonomous driving. Dengan AWS DeepRacer, pengembang bisa mulai belajar ML secara menyenangkan. Pasalnya, terdapat AWS DeepRacer Vehicle, yakni mobil balap dengan ukuran 1/18 asli yang mampu menjalankan inference pada suatu model AWS DeepRacer yang telah dilatih untuk autonomous driving. Begitu pula AWS DeepRacer League yang merupakan kejuaraan balap menggunakan AWS DeepRacer Vehicle; para pengembang bisa melombakan AWS DeepRacer Vehicle-nya dan melihat model ML siapa yang unggul. AWS DeepRacer sendiri diumumkan pada AWS re:Invent 2018.
Salah satu organisasi yang telah dimerdekakan memanfaatkan ML berkat tawaran dari AWS adalah Intuit. Menggunakan Amazon SageMaker yang diklaim menghadirkan aneka perkakas yang membolehkan para pengembang untuk membangun, melatih, dan men-deploy model ML secara cepat dan hemat biaya; Intuit awalnya menghadirkan model ML yang membantu konsumennya beroleh pengurangan pajak yang optimal. Berkat aneka perkakas pada Amazon SageMaker yang memudahkan, kini, Intuit menggunakan ML pada berbagai aspek bisnisnya, seperti fraud detection, personalisasi untuk konsumen, dan pengembangan fitur baru pada produknya. AWS menyebutkan, tahun lalu, Intuit telah meningkatkan jumlah model ML yang digunakan sebanyak lebih dari 50% dibandingkan sebelumnya.
KOMENTAR