Sự kiện quy tụ những bạn cloud learner với 8 phiên thảo luận về các giải pháp AWS mới nhất. Đặc biệt, chương trình còn có phiên thảo luận “Women in Tech” cực kỳ ý nghĩa nơi các nữ diễn giả tài năng chia sẻ hành trình và kinh nghiệm trong ngành.

Các chủ đề chính của sự kiện:

• AWS Series Nova với Lotie Pham
• AWS Rekognition Custom Labels cùng Bùi Hồ Linh Nhi
• Networking in AWS với Đặng Cao Minh Anh
• Data Warehouse trên AWS và ứng dụng thực tế với Kống Bửu Linh
• Giảm thiểu hallucination trong LLM Agents với Hà Thị Thu Hiền
• Xây dựng chatbot AI với AWS Bedrock cùng Phan Thảo
• Triển khai AWS Network Firewall bằng Pulumi với Phan Kim Bảo
• Tăng tốc hành trình Machine Learning với Amazon SageMaker cùng Seokyung Kim & Quỳnh Mai

Sự kiện này tập trung vào việc chia sẻ kinh nghiệm của các nữ chuyên gia trong lĩnh vực công nghệ. Đây là bước tiến quan trọng để khuyến khích sự tham gia của phụ nữ trong ngành công nghệ.

Thầy Hưng đã có phần mở màn rất ấn tượng. Chương trình khuyến khích các bạn trẻ tham gia vào các lĩnh vực đa dạng trong công nghệ. Khả năng thích nghi và linh hoạt là yếu tố quyết định thành công trong ngành này.

Tại sự kiện, các diễn giả nữ sẽ trình bày các khía cạnh khác nhau của công nghệ hiện đại. Điều này giúp mở rộng hiểu biết và tạo động lực cho những người tham gia.

Tiếp theo là phần trình diễn của bạn Lotie Pham. Ứng dụng của các mô hình AI trong việc tạo nội dung, quảng cáo và video ngắn. Các mô hình có khả năng xử lý và tạo hình ảnh chất lượng cao rất đa dạng. Các mô hình AI như understanding model và content generate model giúp tối ưu hóa việc tạo nội dung cho marketing. Mỗi mô hình có ưu điểm và khả năng xử lý khác nhau. Aonova canvas cung cấp công cụ tạo hình ảnh chất lượng cao lên đến 2k và hỗ trợ nhiều kích thước khác nhau. Điều này rất hữu ích cho các nhà thiết kế và marketer. Demo cho thấy cách sử dụng mô hình AI để biến đổi hình ảnh và tạo ra nội dung độc đáo. Đây là một công cụ mạnh mẽ cho những ai làm về nội dung số.

Công nghệ mới cho phép chúng ta tạo ra video và truyện tranh từ các đầu vào văn bản. Điều này mở ra nhiều cơ hội sáng tạo cho cá nhân và doanh nghiệp trong việc truyền tải nội dung. Các mô hình AI hiện tại có khả năng tạo ra video ngắn và truyện tranh từ văn bản, giúp dễ dàng sản xuất nội dung chất lượng. Việc sử dụng công nghệ tạo hình ảnh và video từ input văn bản giúp tiết kiệm thời gian và chi phí cho người sáng tạo. Các ứng dụng của công nghệ này có thể áp dụng rộng rãi trong quảng cáo, truyền thông và giáo dục, mang lại hiệu quả cao.

Dịch vụ Amazon Recognition cho phép nhận diện hình ảnh và video một cách hiệu quả thông qua việc sử dụng các mô hình đã được đào tạo sẵn. Điều này giúp người dùng dễ dàng áp dụng vào các dự án cụ thể mà không cần kiến thức chuyên sâu về machine learning. Người dùng có thể tạo tài khoản và yêu cầu mô hình trên nền tảng Bed để thực hiện các thử nghiệm trực tiếp. Điều này giúp người dùng dễ dàng tiếp cận và thử nghiệm các tính năng mới.

Tiếp theo là phần trình diễn của bạn Bùi Hồ Linh Nhi. Với bài toán nhận diện sản phẩm, khung cảnh. Custom labels cho phép nhận diện các sản phẩm thương hiệu riêng biệt, giúp doanh nghiệp cá nhân hóa trải nghiệm khách hàng. Người dùng chỉ cần tập trung vào dataset của mình mà không phải kiến thức hạ tầng phức tạp. Việc tạo dataset và label cho hình ảnh là rất quan trọng để đảm bảo hiệu quả của mô hình. Dataset cần đủ lớn và đa dạng để mô hình có thể học và nhận diện chính xác hơn.

Quá trình đánh label cho hình ảnh sản phẩm là rất quan trọng trong việc xây dựng mô hình nhận diện. Sau khi đánh label, mô hình sẽ được huấn luyện để cải thiện độ chính xác. Người dùng có thể tạo label mới cho nhiều loại sản phẩm khác nhau trong quá trình đánh giá. Việc này giúp mô hình nhận diện chính xác hơn từng loại sản phẩm. Sau khi hoàn thành quá trình đánh giá, người dùng có thể kiểm tra hiệu suất của mô hình qua các thông số như precision và recall. Điều này giúp cải thiện chất lượng mô hình nhận diện. Việc thêm dữ liệu cho những món ăn có độ nhận diện thấp là cần thiết. Điều này đảm bảo rằng mô hình sẽ được cải thiện để nhận diện chính xác hơn trong tương lai.

Quy trình thanh toán tự động giúp giảm thiểu nhân viên và tăng tốc độ xử lý tại các cửa hàng. Hệ thống nhận diện món ăn và gọi thông tin qua IP để thanh toán. Quy trình sử dụng camera để nhận diện món ăn giúp khách hàng tiết kiệm thời gian. Hệ thống tự động hóa giúp tăng cường trải nghiệm mua sắm.

Tiếp theo là phần trình diễn của bạn Đặng Cao Minh Anh. Với nội dung Networking trong AWS là một phần quan trọng để bảo mật và quản lý tài nguyên. Thảo luận về Amazon VPC và cách nó giúp tạo ra môi trường bảo mật cho dữ liệu. Firewall và Network Access Control là những công cụ quan trọng để bảo vệ dữ liệu. Chúng giúp kiểm soát lưu lượng truy cập vào và ra khỏi hệ thống.

Cấu hình mạng và bảo mật trong hệ thống máy chủ, tập trung vào việc quản lý truy cập và bảo vệ dữ liệu. Sự khác biệt giữa security group và network access control. Cách thiết lập các quy tắc truy cập cho stream server và event data thông qua các địa chỉ IP cụ thể, cổng TCP khác nhau. Điều này giúp bảo vệ dữ liệu hiệu quả hơn. Mô tả sự khác biệt giữa network access control và security group, trong đó security group cung cấp khả năng bảo vệ cho các thành phần bên trong subnet tốt hơn. Điều này đảm bảo an toàn cho dữ liệu quan trọng.

Tiếp theo là phần trình diễn của bạn Kống Bửu Linh. Với dịch vụ quản lý dữ liệu trong môi trường Amazon, bao gồm các tùy chọn về cluster và serverless cho việc triển khai data warehouse. Mỗi tùy chọn có ưu điểm riêng phù hợp với nhu cầu khách hàng.

AWS Glue cung cấp một giao diện trực quan giúp dễ dàng tạo và xử lý dữ liệu mà không cần viết mã. Tính năng này tiết kiệm thời gian và công sức trong việc quản lý dữ liệu. Giao diện trực quan cho phép người dùng kéo thả để tạo các job mà không cần kiến thức lập trình. Điều này giúp giảm thiểu lỗi và tăng hiệu quả làm việc. AWS Glue hỗ trợ nhiều nguồn dữ liệu khác nhau như S3, RDS và nhiều loại cơ sở dữ liệu khác. Điều này tạo sự linh hoạt trong việc kết nối và xử lý dữ liệu. QuickSight là dịch vụ BI giúp tạo báo cáo và dashboard từ nhiều nguồn dữ liệu khác nhau. Điều này giúp người dùng dễ dàng phân tích và trực quan hóa thông tin.

Tiếp theo là phần trình diễn của bạn Hà Thị Thu Hiền. Với mô hình ngôn ngữ lớn (LM) có thể tạo ra phản hồi không chính xác, được gọi là vấn đề hallucination. Giảm thiểu hiện tượng này là rất quan trọng để cải thiện độ chính xác và đáng tin cậy của mô hình. Chi phí và hiệu suất là những thách thức trong việc duy trì và huấn luyện mô hình ngôn ngữ lớn. Cần tối ưu hóa để giảm thiểu chi phí và nâng cao hiệu quả. Việc quản lý dữ liệu nhạy cảm là cần thiết để bảo vệ thông tin cá nhân và đảm bảo tuân thủ quy định về bảo mật. Điều này cũng liên quan đến cách mô hình xử lý thông tin. Kỹ thuật prompting giúp cung cấp đầu vào chính xác cho AI, từ đó giúp cải thiện chất lượng phản hồi và giảm thiểu hallucination. Người dùng cần tạo prompt rõ ràng và chi tiết.

Các kỹ thuật nâng cao trong AI được thảo luận nhằm cải thiện độ chính xác và hiệu quả trong việc xử lý thông tin. Việc áp dụng các phương pháp này có thể giúp nâng cao chất lượng phản hồi của mô hình. Cung cấp ví dụ cho mô hình là một kỹ thuật quan trọng để cải thiện độ chính xác và hiệu suất. Điều này giúp mô hình học hỏi và phản hồi tốt hơn. Phương pháp ‘human in the loop’ cho phép con người đánh giá kết quả đầu ra của AI, từ đó điều chỉnh mô hình cho phù hợp hơn với yêu cầu thực tế. Sử dụng Amazon Rock Knowledge Space giúp giảm thiểu độ trễ và tăng cường độ chính xác thông qua việc sử dụng các câu trả lời đã được xác minh trước đó.

Việc xây dựng chatbot AI trên nền tảng AWS Bedrock giúp cải thiện độ chính xác và giảm thiểu độ trễ trong quá trình xử lý. Điều này mang lại lợi ích lớn cho doanh nghiệp trong việc tối ưu hóa chi phí và hiệu suất. Việc thiết lập một kho kiến thức giúp giảm thiểu độ nhầm lẫn và tăng cường độ chính xác trong các câu trả lời. Điều này đặc biệt quan trọng trong môi trường doanh nghiệp.

Tiếp theo là phần trình diễn của bạn Phan Thảo. Foundation model cho phép xử lý nhiều loại dữ liệu mà không cần gán nhãn, giúp tiết kiệm thời gian và công sức cho các nhà phát triển. Đây là một bước tiến lớn trong công nghệ AI. Amazon Bedrock cung cấp giải pháp nhanh chóng để xây dựng và mở rộng ứng dụng AI, giúp doanh nghiệp dễ dàng tiếp cận công nghệ mới mà không tốn nhiều thời gian. Điều này tạo điều kiện thuận lợi cho việc áp dụng AI vào thực tiễn.

Kỹ thuật retrieval augmented generation trong Amazon Bedrock cho phép kết nối dữ liệu với mô hình nền tảng nhằm cải thiện khả năng truy vấn và trả kết quả chính xác hơn. Điều này giúp tăng cường khả năng hiểu ngữ nghĩa và thực hiện các hành động thông qua các agent. Đầu tiên, cần tổng hợp và đưa dữ liệu vào knowledge base để mô hình có thể sử dụng dễ dàng hơn trong quá trình truy vấn. Điều này rất quan trọng cho việc xử lý thông tin. Việc lưu trữ dữ liệu trong vector database giúp hệ thống hiểu ngữ nghĩa rõ ràng hơn và cải thiện khả năng tìm kiếm thông tin của mô hình. Đây là yếu tố quyết định trong việc tối ưu hóa quy trình. Các agent sẽ được xây dựng để thực hiện các hành động cụ thể, giúp kết nối người dùng với hệ thống một cách hiệu quả hơn. Điều này giúp tạo ra trải nghiệm người dùng tốt hơn.

Tiếp theo là phần trình diễn của bạn Phan Kim Bảo. Network firewall là một hệ thống an ninh giúp bảo vệ mạng bằng cách giám sát và kiểm tra lưu lượng. Nó quyết định cho phép hay chặn các kết nối dựa trên chính sách bảo mật. Có hai loại rule chính để kiểm tra lưu lượng, bao gồm stylish rule và stateful rule. Stylish rule không lưu trạng thái, trong khi stateful rule theo dõi toàn bộ phiên làm việc. Surikata là công cụ tích hợp với network firewall để phát hiện và ngăn chặn xâm nhập. Nó kiểm tra sâu vào lưu lượng và so sánh với danh sách chữ ký có trước. Việc triển khai network firewall có thể được thực hiện theo nhiều mô hình khác nhau như phân tán, tập trung và kết hợp. Mỗi mô hình có ưu và nhược điểm riêng.

Infrastructure as Code (IaC) là một phương pháp giúp giám sát và triển khai cơ sở hạ tầng một cách tự động bằng mã lệnh. Nó mang lại nhiều lợi ích như tính nhất quán và khả năng tái sử dụng mã. Tích hợp tự động hóa với CI/CD giúp tăng tốc quy trình triển khai và đảm bảo chất lượng mã lệnh. Điều này rất quan trọng trong các dự án phát triển phần mềm hiện đại. So sánh giữa Bulumi và Terraform cho thấy Bulumi hỗ trợ ngôn ngữ lập trình thực thụ, giúp lập trình viên dễ dàng thao tác và tối ưu hóa mã lệnh hơn. Quy trình triển khai với Bulumi đơn giản hóa việc mô tả kiến trúc và kiểm tra trạng thái, giúp tiết kiệm thời gian và công sức cho lập trình viên.

Tiếp theo là phần trình diễn của hai bạn Pulumi và Phan Kim Bảo. Stage Maker là một công cụ phát triển mô hình máy học toàn diện, cho phép quản lý dữ liệu, huấn luyện và triển khai mô hình một cách hiệu quả và tự động. Nó giúp giảm thời gian phát triển mô hình máy học xuống đáng kể trong khi tự động điều chỉnh tài nguyên sử dụng.

Stage Maker hỗ trợ quy trình phát triển mô hình máy học từ chuẩn bị dữ liệu đến triển khai, bao gồm cả việc huấn luyện và tinh chỉnh mô hình tự động. Điều này giúp tiết kiệm thời gian và công sức cho người dùng.

Stage Maker cung cấp nhiều loại hình triển khai khác nhau, bao gồm cả thời gian thực và theo lô, cho phép người dùng lựa chọn phù hợp với nhu cầu của mô hình của họ. Điều này mang lại tính linh hoạt trong việc triển khai ứng dụng. Dự án sử dụng Stage Maker đã chứng minh rằng việc huấn luyện mô hình nhanh hơn 83% so với huấn luyện cục bộ, cho thấy hiệu quả vượt trội của công cụ này. Điều này rất quan trọng trong việc tối ưu hóa quy trình phát triển.

Xem lại toàn bộ sự kiện tại đây: 22-03-2025 AWS First Cloud Journey ” Lady Community Day “