Apprenez à créer des pipelines d’analyse basés sur l’IA sur AWS à l’aide d’Amazon Bedrock, des tests de performance Lambda et d’Amazon Q pour la veille économique. Vous découvrirez comment Bedrock s’intègre à Rust pour des analyses hautement performantes, en appelant les API des modèles de base à partir d’architectures sans serveur avec une évolutivité au niveau des jetons. Ce cours aborde la création de pipelines d’analyse Rust-Bedrock combinant l’invocation de modèles et le traitement des données, ainsi que l’utilisation de l’IA générative pour convertir du code Python en Rust pour les charges de travail où les performances sont cruciales. Vous construirez des pipelines intelligents de transformation de code qui automatisent la migration de langage, ajouterez des outils de mesure des performances avec GenAI et créerez des pipelines de performances AWS de bout en bout, de la mesure à l’analyse. Le module consacré aux tests de performance présente une comparaison concrète des coûts Lambda entre Python et Rust à l’aide de charges de travail synthétiques issues du classement Fortune 500, mettant en évidence des différences de coûts multipliées par 10 à grande échelle, avec trois milliards d’appels mensuels. Vous utiliserez SageMaker DataWrangler pour la préparation des données analytiques et explorerez les considérations d’efficacité énergétique pour les charges de travail d’IA. Le module Amazon Q traite de la transformation des données brutes en informations exploitables grâce à la détection automatique des anomalies, au traitement du langage naturel qui convertit les questions en requêtes SQL et Python, ainsi qu’aux environnements de développement CodeCatalyst pour les projets d’analyse. À l’issue de cette formation, vous serez en mesure de créer des pipelines d’analyse Rust-Bedrock, d’évaluer les performances de Lambda à des fins d’optimisation des coûts et d’utiliser Amazon Q pour une intelligence d’affaires alimentée par l’IA.