Sau khi bắt đầu mọi thứ ở London với một ngày tập trung vào dữ liệu thời gian thực của vạn vật, tiếp theo là một ngày tập trung vào nhà phát triển ở San Francisco, RedisDays 2022 đã kết thúc ở New York với một ngày tập trung vào những phát triển mới nhất của Redis trong trí tuệ nhân tạo / máy học (AI / ML).
Phiên RedisDays New York đã nói rõ rằng bất kỳ ngăn xếp dữ liệu hiện đại nào đều phải được xây dựng với phương pháp ưu tiên hiệu suất. Điều đó có nghĩa là nó phải “hỗ trợ các mô hình dữ liệu hiện đại và các công cụ xử lý, kích hoạt AI / ML và cung cấp các dịch vụ vi mô có thể kết hợp,” như được mô tả bởi Redis CMO Mike Anand trong bài phát biểu. Trải nghiệm của nhà phát triển phải nhanh chóng, thông minh, và đơn giản . Các ứng dụng và phân tích dựa trên dịch vụ vi mô được hỗ trợ bởi thuật toán AI / ML giúp mang lại trải nghiệm người dùng theo thời gian thực từ đầu đến cuối như thế nào? Hãy cùng xem các phiên trong ngày, những gì họ đã trình bày và thậm chí xem toàn bộ bản ghi theo yêu cầu.
Bài phát biểu:Truyền AI theo thời gian thực vào các ứng dụng “Dịch vụ tài chính” của bạn
Mike Anand
Giám đốc tiếp thị, Redis
Mike Anand nói:“Thế giới kỹ thuật số đã ăn sâu vào thói quen hàng ngày của chúng ta. “Mua hàng trực tuyến, chơi trò chơi trực tuyến, chuyển tiền, thanh toán bằng thẻ tín dụng - tất cả đều được thực hiện với dữ liệu thời gian thực.” Vì vậy, nhiều quy trình hàng ngày của chúng tôi được kết nối rõ ràng với dữ liệu thời gian thực.
Khách hàng ngày nay yêu cầu kết quả tức thì và quy trình càng đơn giản càng tốt. Đó là lý do tại sao các công ty dựa trên các hệ thống cũ cần bắt kịp và bắt đầu tạo ra các ứng dụng hiện đại. Như Mike lưu ý trong bài phát biểu, các công ty cần “suy nghĩ lại về các ứng dụng [của họ] bằng cách sử dụng các mẫu thiết kế mới như microservices hoặc kiến trúc phát trực tuyến sự kiện . ”
Đó là nơi Redis Stack “Redis Stack cho phép bạn cung cấp năng lượng cho các hệ thống cũ của mình mà vẫn có thể tồn tại mà không có chiến lược thay thế và tách rời rủi ro,” ông tiếp tục. Với Redis Stack, các công ty có thể bắt đầu hành trình hiện đại hóa ứng dụng của mình bằng cách cung cấp các dịch vụ tiên tiến được hỗ trợ bởi AI / ML như phát hiện gian lận, giao dịch theo thuật toán, phê duyệt khoản vay, bảo lãnh phát hành, văn phòng trung gian, quy trình văn phòng hỗ trợ, v.v.
Hãy lắng nghe bài phát biểu để nghe thêm từ Mike Anand về cách các doanh nghiệp có thể tích hợp AI / Ml vào các hoạt động tiêu chuẩn của họ và cách họ có thể vượt qua thách thức trong việc vận hành AI / ML.
Taimur Rashid
Giám đốc phát triển kinh doanh, Redis
Bài phát biểu dẫn đến tổng quan về các xu hướng trong ngành dịch vụ tài chính và các trường hợp sử dụng cụ thể có thể được giải quyết khi các ứng dụng được tăng cường bởi các khả năng của AI và trở nên theo thời gian thực hơn. Taimur Rashid, Giám đốc Phát triển Kinh doanh tại Redis lưu ý rằng điểm khác biệt chính là trải nghiệm của khách hàng .
Ông lưu ý:“Khi bạn nhìn vào khả năng của các ứng dụng kỹ thuật số trở nên theo thời gian thực hơn, sẽ có nhiều điều kiện bắt buộc mà hầu hết các ứng dụng hiện đại đều có”. Đứng đầu trong số đó là “ tốc độ , khả năng mở rộng, luôn hoạt động, phân phối toàn cầu, bảo mật và AI nâng cao . ” Tốc độ là biến số quan trọng nhất ở đây. “Trong ngành dịch vụ tài chính, tốc độ thực sự quan trọng. Mili giây có thể tạo ra sự khác biệt giữa hàng triệu, đôi khi hàng tỷ đô la. ”
Trong bài phát biểu quan trọng, Taimur nêu bật một số xu hướng trong dịch vụ tài chính, như khả năng kỹ thuật số, trải nghiệm khách hàng, tăng trưởng kinh doanh mới cũng như tội phạm tài chính và an ninh mạng . Ông nói:“Khi ngày càng nhiều doanh nghiệp chuyển hoạt động sang trực tuyến,“ cần phải đảm bảo rằng số tiền đang được chuyển ra toàn cầu đang được chuyển một cách thích hợp và theo đúng quy định. Các tổ chức cần tự bảo vệ mình khỏi tội phạm tài chính. Với nhiều hoạt động được chuyển sang trực tuyến, an ninh mạng là rất quan trọng. Làm cách nào để bạn tự bảo vệ mình trước các tác nhân xấu và các mối đe dọa bên ngoài tổ chức của bạn? ”
Sau bản demo từ Giám đốc sản phẩm AI / ML Ed Sandoval của Redis Sr. về tính năng tìm kiếm sự giống nhau về vectơ trong hoạt động (thông tin chi tiết về vấn đề này trong phiên sau), Taimur đã ngồi xuống để thảo luận với Giám đốc điều hành của Microsoft về Dữ liệu thành công của khách hàng và Nhóm AI, Pascal Belaud .
Trong cuộc trò chuyện này, Pascal phân tích cách Microsoft làm việc với các khách hàng khác nhau, chẳng hạn như Bảo hiểm Allstate, để tận dụng AI / ML. Một số cách sử dụng mà ông chỉ định bao gồm ghi lại các cuộc gọi thoại với khách hàng, sau đó các cuộc gọi này được phiên âm lại bằng các kỹ thuật AI. Các bảng điểm này ngay lập tức được bổ sung đầy đủ các chi tiết mà Allstate cần để xử lý bất kỳ khiếu nại nào mà không cần phải liên hệ với khách hàng lần thứ hai. Đó là tất cả các phần của trải nghiệm khách hàng mà các ứng dụng kỹ thuật số sử dụng AI / ML đang hướng tới.
Xem toàn bộ bài phát biểu .
Hậu trường:Sử dụng AI để tiết lộ các tín hiệu giao dịch bị chôn vùi trong các bộ phim của công ty
Ở giữa bài phát biểu, Ed Sandoval đã trình bày một bản trình diễn có tính năng tìm kiếm độ tương tự vectơ có sẵn trong Redis. Trong phiên này, Ed cùng với Charles Morris, Giám đốc Khoa học Dữ liệu Doanh nghiệp và Dịch vụ Tài chính tại Microsoft, để trình bày cái nhìn hậu trường về cách bản trình diễn đó được xây dựng. Trong khi Ed tập trung vào công nghệ tương tự vectơ của Redis, Charles tập trung vào cơ sở hạ tầng ML của Microsoft Azure và các dịch vụ được sử dụng để xây dựng bản trình diễn.
Trong bản demo này, Ed và Charles chứng minh cách AI được sử dụng để hiển thị một lượng lớn thông tin có giá trị bị chôn vùi ra khỏi hồ sơ công ty đại chúng của Hoa Kỳ được đệ trình lên SEC. Hãy xem và xem khi cả hai chia sẻ những hiểu biết sâu sắc từ sự hợp tác của họ và một số bài học chính đã học được trong quá trình này.
Xem phần trình diễn hậu trường .
Vận hành AI / ML trong Doanh nghiệp
Các công cụ và quy trình trao quyền cho các nhà khoa học dữ liệu là gì? Cần phải làm gì để đẩy mọi thứ vào sản xuất khi tích hợp AI / ML vào hoạt động của bạn?
Trong cuộc thảo luận nhóm này, Taimur Rashid có sự tham gia của Mike Gualtieri, Phó Chủ tịch, Nhà phân tích chính tại Forrester Research và Mike Del Balso, Người đồng sáng lập và Giám đốc điều hành của Tecton, để nói về những phẩm chất chuyển đổi của học máy. Các công ty đang cố gắng phổ biến công nghệ AI / ML, nhưng làm thế nào để nó được mở rộng quy mô một cách đáng tin cậy? Nhiều tổ chức chạy trên các hệ thống kế thừa, nhưng làm cách nào để họ hiện đại hóa với nhu cầu ngày càng tăng trong không gian kỹ thuật số?
Mike Gualtieri nói:“AI đã trở thành nền tảng. “Nó trở thành chiến lược đối với các doanh nghiệp. Đó không phải là một thử nghiệm khoa học công bằng. Đó không phải là một thử nghiệm đổi mới. Hầu hết các công ty tin rằng họ sẽ cần AI. AI là phần mềm và các quy trình phát triển phần mềm đó rất quan trọng để có được mô hình đó, vận hành nó và thu được giá trị kinh doanh trên các ứng dụng đó. ”
Mike Del Balso của Tecton đã chia sẻ một số kinh nghiệm của anh ấy với ML, đặc biệt là về vai trò trước đây của anh ấy tại Uber. “Mục tiêu của chúng tôi với nền tảng ML tại Uber (Michaelangelo) là dân chủ hóa ML,” anh nói. “Để làm cho ML khả thi cho hơn 100 trường hợp sử dụng mà chúng tôi đã xác định ngay từ đầu, nơi mà thông minh ML có thể thực sự ảnh hưởng đến sản phẩm và trải nghiệm của khách hàng.”
Nhận toàn bộ phạm vi khi bạn xem “ Vận hành AI / ML trong Doanh nghiệp . ”
Dễ dàng tạo mẫu microservice
Những cách tốt nhất để triển khai các phương pháp hay nhất về thiết kế các mẫu thiết kế để xây dựng và mở rộng quy mô các ứng dụng microservice một cách đáng tin cậy là gì? Đó là chủ đề thảo luận trong phiên này giữa CTO Allen Terleto của Redis ’Field và Viren Baraiya, Người đồng sáng lập và CTO của Orkes.
Mike Anand nói trước khi giới thiệu diễn giả:“Không thể chấp nhận được chi phí cao và không linh hoạt của một ứng dụng nguyên khối. “Với việc chuyển sang microservices, một trong những lợi ích chính là mỗi dịch vụ có thể có kho dữ liệu phân cấp hoàn toàn riêng và mỗi thành phần có thể được thay đổi và cập nhật nhanh chóng mà không ảnh hưởng đến toàn bộ dịch vụ, đồng thời giảm bán kính vụ nổ nếu một microservice gặp sự cố.”
Trong phần này, Allen và Viren xem xét các vấn đề của microservice, chẳng hạn như điều phối, quản lý trạng thái, xử lý lỗi và khả năng quan sát. Nhưng theo lưu ý của Allen, việc phát triển microservices trên quy mô lớn có thể phức tạp. Ông lưu ý rằng khi chuyển sang các microservices được thành phần hóa, “[bạn có] các mẫu kiến trúc mới, mối quan tâm về kiến trúc, công nghệ mới, danh sách các cạm bẫy cần lo lắng, đặc biệt khi bạn mở rộng quy mô lên hàng trăm microservices”.
Khám phá thêm thông tin chi tiết về các mẫu thiết kế microservice khi bạn xem “ Microservice Patterns Made Easy . ”