专题：AWS Dev Day - 深解人工智能与无服务器应用新一代开发

规模庞大、来源复杂的数据是人工智能领域面对的首要挑战，对数据进行管理和处理、使用 GPU 进行训练、在边缘设备上运行模型做出预测等系列工作需耗费开发者的大量精力。如何让 AI 开发者精力更集中于服务本身而非基础算法，AWS AI API 正是为解决这一问题而生。

演讲提纲：

1、AWS AI 平台技术架构与相应的技术实践。
2、精讲深度学习技术民主化：各阶段开发者如何运用AWS AI API创建自己的应用。
3、基于Amazon Polly、Amazon Rekognition和Amazon Lex的应用实践分析。

通过分享天和荣发布的4.0版智能门卫产品的设计过程及相关思考，来介绍——如何使用AWS的AI服务来构建一个特定场景下的基于自然语言交互的智能产品系统。

技术点包括：

1、基于Lex/Polly/Rekognition的开发和使用场景分析。
2、Alexa与Lex的技术特点比较与选型，帮助产品设计者更好的理解在什么样的应用场景下使用Alexa/Lex。
3、Lex内置状态机的扩展与应用，逆转默认的与Alexa类似的问答模式，帮助用户更高效地使用服务，降低用户学习成本。
4、Rekognition人脸识别的应用，通过对高频率用户的身份识别提高服务效率。
5、结合人脸识别等多种验证方式，授予访客高级权限并与其他智能设备产生互动。
6、其他有特色的或者好玩的产品功能与想法。

主要讲述如何利用AWS开源的SAM框架以及现成的Code*工具，实现便捷的本地开发调试、安全可控的部署和持续交付。

尽管经历了数十年的投入和改进，开发、训练和维护机器学习模型的过程仍然繁琐且欠缺通用性。将机器学习技术集成到应用程序中的过程往往需要一个专家团队进行为期数月的调整和修补。那么可以灵活编程并且扩展能力超强的深度学习框架有哪些？是否有端到端的全托管机器学习平台来降低训练时长和成本呢？

演讲提纲：

1、深度解析MXNet框架的特点以及如何利用此框架进行深度学习应用的开发。
2、企业和开发人员如何构建端到端、开发到生产的机器学习管道，用于大规模机器学习训练。
3、Amazon SageMaker上手实践示例
4、动手实践打造AWS 上的"无人车"自动驾驶。