
French: 
Le potentiel commercial de l'IA a
le vent en poupe depuis longtemps
mais de nombreuses entreprises ont trouvé l'IA
difficile à mettre en place ou même à imaginer
Néanmoins, grâce à certaines avancées
technologiques clés,
pas besoin d'attendre demain
Le terme intelligence artificielle
existe déjà depuis 1956
Les scientifiques ont rapidement compris
qu'il était plus efficace d'enseigner
aux ordinateurs à apprendre
qu'à les programmer avec chaque compétence unique
nécessaire pour réaliser une tâche donnée
C'est ce qu'on appelle le machine learning
Le deep learning, un sous-ensemble du machine
learning qui utilise les réseaux de neurones
un ensemble d'algorithmes calqué
sur le cerveau humain
a permis à l'IA de s'attaquer à des problèmes
encore plus importants
Désormais, nous entendons tout le buzz
autour des cas d'utilisation du ML
comme la reconnaissance vocale
l'amélioration des diagnostics médicaux
et même les voitures autonomes
Mais le machine learning et
tout particulièrement le deep learning

Spanish: 
El potencial de la inteligencia artificial
para los negocios lleva tiempo en el horizonte
Sin embargo, para muchas empresas, la IA ha sido
difícil de implementar o hasta de imaginar
Pero gracias a avances tecnológicos clave
el futuro es hoy
El término “inteligencia artificial”
se utiliza desde 1956
Los científicos notaron pronto que era más
eficiente enseñar a las computadoras a aprender
que programarlas con todas las habilidades
necesarias para realizar una tarea determinada
Esto se denominó “aprendizaje automático”
El aprendizaje profundo, subconjunto del
aprendizaje automático que usa redes neuronales
(algoritmos basados en el cerebro humano)
permitió a la IA abordar problemas mayores
Hoy en día, oímos hablar mucho acerca de
los casos de uso del aprendizaje automático
como el reconocimiento de voz
la mejora de los diagnósticos médicos
y hasta automóviles que se conducen solos
Pero el aprendizaje profundo en particular

German: 
Das Geschäftspotenzial von künstlicher Intelligenz
ist schon seit langem offensichtlich,
aber viele Unternehmen fanden KI bisher schwer zu 
implementieren oder auch zu verstehen.
Aber dank einiger wichtiger technischer Durchbrüche
ist das jetzt anders.
Den Begriff künstliche Intelligenz 
gibt es schon seit ca. 1956.
Wissenschaftler fanden schnell heraus, dass es 
effizienter ist, Computern das Lernen beizubringen
als sie mit jeder einzelnen Fähigkeit zu programmieren, 
die für eine bestimmte Aufgabe erforderlich ist.
Genau das wurde als Machine Learning bekannt.
Deep Learning, eine Untergruppe von 
Machine Learning, die neuronale Netzwerke
und eine Reihe von Algorithmen verwendet, die 
dem menschlichen Gehirn nachempfunden sind,
hat es der KI ermöglicht, 
noch größere Probleme zu lösen.
Heutzutage hören wir viel über 
Anwendungsfälle von Machine Learning,
wie beispielsweise Spracherkennung,
Verbesserung medizinischer Diagnosen
und sogar selbstfahrende Autos.
Aber Machine Learning und ganz besonders
Deep Learning

Chinese: 
長久以來
人工智慧的業務潛力一直存在
但許多企業覺得 AI 難以實作
甚至難以想像
然而，感謝一些重大的技術突破
現在終於得以實現
人工智慧這個詞自 1956 年就已出現
科學家很快就發現教導電腦
如何學習的效率
遠高於針對要完成的特定任務
設計每個技能的程式
這就是我們現在所說的機器學習
深度學習是機器學習的一部分
它透過使用神經網路
一組模擬人類大腦的演算法
讓 AI 可以解決更重大的問題
現在我們常常聽到人們
談論機器學習使用案例
例如語音辨識
改善醫療診斷
甚至是自動駕駛汽車
但是機器學習和深度學習

Indonesian: 
Potensi bisnis kecerdasan buatan telah wujud
pada masa yang lama,
tetapi banyak bisnis melihat sulitnya
mengimplementasikan AI atau bahkan
membayangkannya.
Namun, berkat beberapa terobosan
teknologi utama,
masa depan dapat kita raih sekarang.
Istilah kecerdasan buatan sudah ada sejak
tahun 1956.
Para ilmuwan dengan cepat menemukan bahwa
lebih efisien untuk melatih komputer belajar
daripada memprogramnya dengan setiap
keterampilan yang diperlukan untuk
menyelesaikan tugas tertentu.
Ini dikenal sebagai sebagai pembelajaran mesin (ML).
Pembelajaran mendalam, sebagian daripada
pembelajaran mesin yang
menggunakan jaringan neural,
sekumpulan algoritme yang dibuat berdasarkan
otak manusia
memungkinkan AI untuk mengatasi masalah yang
jauh lebih besar.
Saat ini kami mendengar semua obrolan seputar
kasus penggunaan pembelajaran mesin
seperti pengenalan suara,
meningkatkan diagnosis medis,
bahkan mobil kemudi otomatis.
Tetapi pembelajaran mesin dan pembelajaran
mendalam secara khusus

Japanese: 
長い間　人工知能 (AI) がビジネスを革新する時代は
もうそこまで来ていると信じられてきました
しかし　企業の多くは人工知能の実装はおろか
想像することさえ困難でした
そして今　いくつかの主要な技術革新により
未来は　やって来ました
人工知能という言葉が生まれたのは 1956 年頃です
科学者たちは　タスクの完了に必要なスキルを
ひとつひとつプログラムするよりも
コンピュータに学習させたほうが
効率的であるとすぐに理解しました
これが機械学習として
知られるようになります
深層学習は機械学習の 1 分野であり
ニューラルネットワークを使用します
人間の頭脳をモデル化した
アルゴリズムのセットを用いて
人工知能をより大きな問題に取り組ませます
最近では　機械学習のユースケースを
耳にする機会が増えました
音声認識や
医療診断の向上
自動運転車も登場しました
機械学習と深層学習は

Chinese: 
人工智能的商业潜力很早之前就已为人所知
但许多企业认为人工智能难以实施甚至难以设想
不过，多亏了一些关键的技术突破
我们现在有了这种能力
人工智能一词在 1956 年前后就出现了
科学家们很快便明白，
要让计算机完成给定任务
相比为它编程每一个所需的技能，
教它学习会更有效
这就是后来所称的机器学习
深度学习是机器学习的子集，
它使用的是神经网络
这是基于人脑建模的一组算法
可以让人工智能处理更大的问题
如今有关机器学习使用案例的消息铺天盖地
比如语音识别
改进医疗诊断
甚至自主驾驶车辆
但机器学习，尤其是深度学习

Portuguese: 
O potencial empresarial da inteligência
artificial já existe há bastante tempo
mas muitas empresas tiveram dificuldades
para implantar ou até cogitar a IA
No entanto, graças a alguns
avanços tecnológicos importantes
esse futuro chegou
O termo inteligência artificial
existe desde 1956, mais ou menos
Os cientistas descobriram rapidamente que era
mais eficiente ensinar computadores a aprender
do que programá-los com todas as habilidades
necessárias para concluir uma tarefa específica
E foi assim que surgiu o machine learning
A aprendizagem profunda, um subconjunto do
machine learning que usa redes neurais
um conjunto de algoritmos modelado
com base no cérebro humano
permitiu que a IA abordasse
problemas ainda maiores
Hoje, há toda essa agitação sobre
casos de uso de machine learning
como reconhecimento de voz
aprimoramento de diagnósticos médicos
e até carros autônomos
No entanto, o machine learning e, 
particularmente, a aprendizagem profunda

Italian: 
Il potenziale dell'intelligenza artificiale 
per il business è ormai noto da molto tempo,
ma molte aziende hanno trovato l'IA difficile 
da implementare o anche solo da immaginare.
Tuttavia, grazie ad alcune importanti 
innovazioni tecnologiche,
il futuro è ora.
Il termine intelligenza artificiale 
esiste già dal 1956.
Gli scienziati hanno subito capito che era 
più efficiente insegnare ai computer ad imparare
piuttosto che programmare le singole funzioni 
necessarie per completare un’attività.
Tale metodo è noto come 
machine learning.
Il deep learning, un sottoinsieme del machine learning
che utilizza le reti neurali,
un insieme di algoritmi modellati 
sulla base del cervello umano,
ha permesso all’IA di risolvere problemi 
ancora più complessi.
Oggi si parla molto dei casi d'uso 
del machine learning
come il riconoscimento vocale,
il miglioramento delle diagnosi mediche,
e addirittura i veicoli a guida autonoma;
ma il machine learning, 
e il deep learning in particolare,

Korean: 
인공 지능의 사업 잠재력은 오래전부터
곧 가시화될 것처럼 보였지만
많은 기업이 AI는 구현하거나 때로는
상상하기조차 어렵다는 것을 알게 되었습니다
그러나 몇몇 핵심 기술의 혁신 덕분에
이제 그 가능성이 현실로 다가왔습니다
인공 지능이라는 용어는
1956년부터 사용되었습니다
과학자들은 주어진 작업을 완료하는 데 필요한
모든 기술을 일일이 프로그래밍하는 것보다
컴퓨터가 학습하도록 가르치는 것이 훨씬
효율적이라는 것을 일찌감치 깨달았습니다
이것이 기계 학습으로 알려진 기술입니다
기계 학습의 한 종류로, 인간 두뇌를
모델로 한 일련의 알고리즘인
신경망을 사용하는 딥 러닝을 통해
AI가 더 광범위한 문제를
해결할 수 있게 되었습니다
오늘날 우리는 음성 인식
의료 진단 개선, 자율 주행 차량 같은
기계 학습 사용 사례에 대한
이야기를 많이 듣습니다
기계 학습, 특히 딥 러닝은

Indonesian: 
memiliki potensi yang sangat besar untuk
seluruh ekonomi.
Jadi mengapa belum semua bisnis mulai
menggunakan AI?
Satu, AI dapat sangat sulit diimplementasikan
secara mandiri.
Membayangkan kasus penggunaan,
merekrut tim untuk implementasi,
lalu mencari tahu cara mengintegrasikan AI
tersebut ke dalam alur kerja bisnis
dapat menjadi upaya yang sangat rumit.
Kedua, pembelajaran mesin itu intensif
dan mahal secara komputasional.
Membeli dan menjalankan daya komputasi yang
diperlukan untuk mengimplementasikan
pembelajaran mendalam
dapat memerlukan biaya yang sangat tinggi.
Amazon Web Services secara khusus memosisikan
diri untuk memanfaatkan kedua tantangan ini.
AWS menggunakan algoritme pembelajaran mesin
canggih yang sama
Memberi daya segala hal dari rekomendasi
pencarian di Amazon.com
hingga interaksi suara dengan Alexa.
Untuk menghilangkan kompleksitas mengembangkan
aplikasi AI,
AWS telah mengembangkan platform
Amazon SageMaker
mempermudah untuk memulai dan menskalakan
pembelajaran mesin.
Pengguna dapat memilih dari algoritme yang
telah dipasang

Chinese: 
对于整体经济来说拥有巨大潜力
那么，为什么并非每家企业都开始使用人工智能了呢？
首先，人工智能单独实施起来非常困难
预想使用案例
聘请团队去实施
然后搞清楚如何将人工智能集成到企业的工作流程中
这些工作开展起来非常复杂
其次，这是一种计算密集型任务
而且成本高昂
购买和运行实施深度学习所需的计算能力
需要高额成本
Amazon Web Services 在处理
这两个难题上有着独特的优势
AWS 使用同样的高级机器学习算法
支持从亚马逊上的搜索建议
到与 Alexa 的语音交互等各种使用案例
为了消除开发人工智能应用程序的复杂性
AWS 开发了 Amazon SageMaker 平台
让用户可以轻松开始使用机器学习并进行扩展
用户可以从预安装的算法中进行选择

French: 
ont un potentiel énorme
pour l'économie tout entière
Dans ce cas, pourquoi toutes les entreprises
n'ont-elles pas commencé à utiliser l'IA ?
D'une part, l'IA peut être très difficile
à mettre en place seul
Imaginer des cas d'utilisation
engager une équipe pour les mettre en œuvre
puis comprendre comment intégrer cette IA
dans le flux de travail d'une entreprise
peut s'avérer complexe
D'autre part, en termes de calcul
ce processus s'avère intensif
et onéreux
Acheter et exécuter la puissance informatique
nécessaire pour mettre en œuvre le deep learning
peut avoir un coût prohibitif
Amazon Web Services possède un positionnement
unique qui lui permet de relever ces deux défis
AWS utilise les mêmes algorithmes
de machine learning avancés
qui soutiennent tout ce qui va
des recommandations de recherche sur Amazon.com
aux interactions vocales avec Alexa
Pour rendre le développement des applications
d'IA moins complexe
AWS a développé la plateforme
Amazon SageMaker
qui facilite le démarrage
et l'évolutivité avec le machine learning
Les utilisateurs peuvent choisir
parmi des algorithmes préinstallés

Spanish: 
tiene gran potencial para toda la economía
¿Por qué no utilizan IA todas las empresas?
Implementar la IA solo puede ser muy difícil
Imaginar los casos de uso
contratar un equipo para la implementación
y, luego, determinar cómo integrar esa IA
en el flujo de trabajo de una empresa
puede ser un emprendimiento complejo
Además, usa muchos recursos informáticos
y es costosa
Comprar y ejecutar la potencia de cómputo
para implementar el aprendizaje profundo
puede ser prohibitivo
Amazon Web Services goza de condiciones
únicas para enfrentar ambos desafíos
AWS utiliza los mismos algoritmos
de aprendizaje automático avanzado
que se utilizan en las recomendaciones
de búsqueda de Amazon.com
y en las interacciones de voz con Alexa
Para eliminar la complejidad del desarrollo
de aplicaciones de IA
AWS desarrolló la plataforma Amazon SageMaker
que hace más fácil comenzar a trabajar
con el aprendizaje automático y escalarlo
Puede seleccionar algoritmos preinstalados

Chinese: 
在整個經濟層面尤其具有極大的潛力
為什麼企業尚未全部開始使用 AI？
首先，單獨實作 AI 的難度很高
構思使用案例
雇用實作團隊
然後思考如何將 AI 整合到業務工作流程
這些都是非常複雜的工作
其次，需要大量的運算能力
而且昂貴
購買並執行實作深度學習所需的運算能力
需花費高額的成本
Amazon Web Services 獨特的定位
可讓它同時解決這兩個挑戰
AWS 使用相同的進階機器學習演算法
支援從 Amazon.com 上的搜尋建議
到 Alexa 語音互動等所有功能
為了消除開發 AI 應用程式的複雜性
AWS 開發了 Amazon SageMaker 平台
讓您輕鬆開始使用並擴展機器學習
使用者可選擇預先安裝的演算法

Italian: 
rappresentano un enorme potenziale 
per l'intera economia.
Allora perché solo poche aziende 
hanno già iniziato a usare l'IA?
Per prima cosa, l'IA può essere 
estremamente difficile da implementare.
Immaginare i casi d'uso,
assumere un team di esperti
per l’implementazione,
e poi capire come integrare l'intelligenza artificiale
nei processi di un'azienda
può essere un'impresa complessa.
In secondo luogo, è necessaria 
una capacità computazionale elevata
e costosa.
Acquistare e gestire la potenza di calcolo 
necessaria per implementare il deep learning
può avere un costo proibitivo.
Amazon Web Services è in grado 
di affrontare entrambe le sfide.
AWS utilizza gli stessi algoritmi 
avanzati di machine learning
che gestiscono tutto, dai suggerimenti
di ricerca su Amazon.com
alle interazioni vocali con Alexa.
Per semplificare lo sviluppo 
di applicazioni di IA,
AWS ha sviluppato 
la piattaforma Amazon SageMaker
rendendo più facile l’avvio e il dimensionamento
di progetti di machine learning.
Gli utenti possono scegliere 
gli algoritmi preinstallati

Japanese: 
経済全体に対する
巨大な影響力を秘めています
すべての企業が人工知能を
導入しているわけではないのはなぜでしょうか
1 つ目の理由は　人工知能を
単独で実装することが困難だからです
ユースケースを構想し
人工知能実装チームを雇用して
人工知能をビジネスのワークフローに
どう統合するかを理解する
複雑な業務となるでしょう
2 つ目の理由は　計算能力と
費用の問題です
深層学習の実装に必要な
計算能力を確保しようとすると
そのコストも莫大でしょう
アマゾン ウェブ サービス (AWS) は
こうした課題に対するユニークなソリューションです
AWS で使用している
高度な機械学習アルゴリズムは
Amazon.com での検索補助から
Alexa との音声対話に至るまで
あらゆる機能を可能にしています
人工知能アプリケーション開発の
複雑さを取り除くために
Amazon SageMaker 
プラットフォームが開発されました
機械学習を簡単に始めることができ
スケーリングも簡単です
ユーザーはプリインストールされた
アルゴリズムから選択できます

Korean: 
경제 전반에 엄청난 잠재력을
가지고 있습니다
그런데 왜 모든 기업이 AI 사용을
시작하지 않았을까요?
첫째로, AI는 단독으로 구현하기
매우 어려울 수 있습니다
사용 사례를 구상하고
구현할 팀을 채용한 다음
AI를 비즈니스 워크플로에
통합할 방법을 찾는 것은
복잡한 작업이 될 수 있습니다
둘째로, AI는 컴퓨팅 집약적이고
비용이 많이 듭니다
딥 러닝을 구현하는 데 필요한 컴퓨팅 파워를
구입하고 실행하는 비용 때문에
엄두가 나지 않을 수 있습니다
Amazon Web Services는 이 두 가지 문제를
모두 해결할 수 있는 독보적인 위치에 있습니다
AWS에서는 Amazon.com의 검색 추천부터
Alexa와 음성 상호 작용에 이르기까지
고급 기계 학습 알고리즘을 사용합니다
AI 애플리케이션 개발의 복잡성을 없애기 위해
AWS는 Amazon SageMaker 플랫폼을 개발하여
기계 학습을 쉽게 시작하고
확장할 수 있도록 했습니다
사용자는 사전 설치된
알고리즘 중에서 선택할 수 있고

Portuguese: 
têm um potencial enorme para toda a economia
Então, por que ainda nem todas
as empresas usam IA?
Em primeiro lugar, pode ser muito difícil
implantar IA sem auxílio
A concepção dos casos de uso
a contratação de uma equipe para implantação
e o conhecimento sobre como integrar
a IA a um fluxo de trabalho empresarial
podem ser tarefas complexas
Segundo, a IA é um processo de alto custo, que usa
uma grande quantidade de recursos computacionais
A compra e a operação do poder computacional
necessário para implantar a aprendizagem profunda
podem ter um custo proibitivo
A Amazon Web Services está unicamente
posicionada para superar esses dois desafios
A AWS usa os mesmos algoritmos
avançados de machine learning
utilizados por muitos recursos da Amazon.com, 
desde pesquisas e recomendações
até interações de voz com o Alexa
Para remover a complexidade
do desenvolvimento de aplicativos de IA
a AWS desenvolve a plataforma
do Amazon SageMaker
facilitando o início do uso
e a escalabilidade do machine learning
Os usuários podem escolher
entre algoritmos pré-instalados

German: 
haben ein enormes Potenzial für 
die gesamte Wirtschaft.
Warum setzt dann nicht jedes Unternehmen bereits KI ein?
Erstens kann es äußerst schwierig sein, 
KI alleine zu implementieren.
Das Vergegenwärtigen von Anwendungsfällen,
das Einstellen eines Teams für die Implementierung
und dann herauszufinden, wie diese KI in 
einen Geschäftsworkflow integriert werden kann,
ist oftmals eine komplexe Aufgabe.
Zweitens ist es sehr rechenintensiv
und teuer.
Die Anschaffung und der Betrieb der Rechenleistung, die 
für die Implementierung von Deep Learning erforderlich ist,
kann unerschwinglich sein.
Amazon Web Services ist einzigartig aufgestellt, 
um diese beiden Herausforderungen zu bewältigen.
AWS verwendet die gleichen 
fortgeschrittenen Machine-Learning-Algorithmen,
die auch für Suchempfehlungen auf Amazon.com und
die Sprachinteraktion mit Alexa verwendet werden.
Um die Komplexität der Entwicklung von 
KI-Anwendungen zu reduzieren,
hat AWS die Amazon SageMaker-Plattform entwickelt,
die den Einstieg in und das Skalieren von 
Machine Learning vereinfacht.
Benutzer können aus vorinstallierten Algorithmen wählen,

German: 
die für eine 10 Mal bessere Leistung optimiert wurden,
und ihre Daten kennzeichnen, um eine Basis 
für das Training zu schaffen.
Amazon SageMaker nutzt außerdem neue Techniken
wie Reinforcement Learning.
Das ist besonders wichtig, denn es ermöglicht 
eine unabhängige Unterstützung,
was bedeutet, dass Entwickler die Flexibilität haben, 
die von ihnen bevorzugten
Deep-Learning-Frameworks zu verwenden,
darunter TensorFlow, PyTorch und Apache MXNet.
Um das Problem der Computinganforderungen
und hohen ML-Kosten zu lösen,
nutzen Amazon EC2-Instances
die hohe Leistung von Nvidia Tesla V100 Tensor Core-GPUs.
Neue P3-Instances stellen außerdem einen drei Mal höheren 
Netzwerkdurchsatz bereit.
Das bedeutet, dass jedes Unternehmen Machine Learning
in der Cloud mit einer Hochleistungsdatenverarbeitung 
beschleunigen kann.
Branchenführende Unternehmen verwenden bereits AWS, 
um geschäftliche Durchbrüche zu erzielen.
Machine Learning auf AWS hat es beispielsweise den
Datenwissenschaftlern eines führenden
Finanzdienstleistungsunternehmens ermöglicht,

Japanese: 
これらは 10 倍のパフォーマンスが
出せるように最適化されており
データにラベル付けしてトレーニング用の
リアルなデータを取得します
Amazon SageMaker では
新しい技術も活用します
その代表が強化学習です
強化学習では
非依存型のサポートが実現します
つまり　種類を問わず使い慣れた
深層学習のフレームワークを
使用できるということです
TensorFlow　PyTorch　Apache MXNet
どれでも使えます
機械学習に必要な計算能力や
コスト面の課題を解決するために
Amazon EC2 P3 インスタンスでは
Nvidia Tesla V100 Tensor Core GPU を
採用しています
新しい P3 インスタンスでも最高速となる 
3 倍のネットワークスループットを実現しています
どのような企業でも
強力な計算能力をもったクラウドで
機械学習を高速化できます
業界をリードする企業ではすでに
AWS を活用して大躍進を成し遂げています
たとえば　金融大手の
データサイエンティストは
AWS の機械学習を導入することにより
数日間　さらには数週間かかっていた

Spanish: 
optimizados para dar 10 veces más rendimiento
y etiquetar los datos para obtener
datos reales para entrenar
Amazon SageMaker también aprovecha
las nuevas tecnologías
como el aprendizaje reforzado
Ofrece compatibilidad más allá del sistema
es decir que los desarrolladores pueden
utilizar los marcos de aprendizaje profundo
con los que se sientan más cómodos
incluidos TensorFlow, PyTorch y Apache MXNet
Para suplir las necesidades de cómputo
y los altos costes del aprendizaje automático
las instancias P3 de Amazon EC2
aprovechan la potencia de las
GPU Nvidia Tesla V100 Tensor Core
Las nuevas instancias P3 también ofrecen
un rendimiento de red tres veces más rápido
Esto significa que cualquier empresa
puede acelerar el aprendizaje automático
en la nube con cómputo de alto rendimiento
Las empresas líderes del sector ya usan AWS
para avanzar y abrir camino a sus negocios
El aprendizaje automático en AWS permitió
a los científicos de datos de una
empresa líder de servicios financieros

Portuguese: 
otimizados para oferecer performance
10 vezes maior
e rotular dados para treinamento
pelo Ground Truth
Além disso, o Amazon SageMaker
usa novas técnicas
como aprendizagem por reforço
E, o que é essencial, 
oferece suporte agnóstico
Ou seja, os desenvolvedores podem escolher
qualquer estrutura de aprendizagem profunda
com a qual já estão habituados
incluindo TensorFlow, PyTorch e Apache MXNet
Para atender às demandas computacionais
e mitigar o alto custo do machine learning
as instâncias P3 do Amazon EC2
usam os recursos das GPUs 
NVIDIA Tesla V100 Tensor Core
Além disso, as novas instâncias P3 também oferecem
o mais alto throughput de rede (3x mais rápido)
Isso significa que qualquer empresa
pode acelerar o machine learning
na nuvem com computação
de alta performance
Empresas líderes do setor também usam a AWS
para conseguir resultados empresariais inovadores
Por exemplo, o machine learning na AWS permitiu
que os cientistas de dados de uma empresa
líder em serviços financeiros

Chinese: 
这些算法都经过优化，不仅性能提高了 10 倍
还可以标注您的数据，让您了解训练的基本事实
Amazon SageMaker 还利用强化学习之类的
新技术
关键的一点是，它允许无关支持
意味着开发人员可以灵活使用自己最钟意的
任何深度学习框架
包括 TensorFlow、PyTorch 以及 Apache MXNet
为了应对机器学习的计算需求和高昂成本
Amazon EC2 P3 实例
利用了 Nvidia Tesla V100 Tensor Core GPU 的力量
新型 P3 实例还提供最快速的网络吞吐量，
比普通实例快三倍
这意味着，任何企业都可以凭借高性能计算
加快云中的机器学习
行业领先的公司已经在使用 AWS 实现业务突破
例如，AWS 上的机器学习帮助
领先金融服务公司的数据科学家

French: 
optimisés pour fonctionner 10 fois mieux
et étiqueter vos données pour accéder
à la réalité du terrain de la formation
Amazon SageMaker profite également
de nouvelles techniques
comme l'apprentissage par renforcement
Il est important de noter que
cela permet un support agnostique
c'est-à-dire que les développeurs ont la flexibilité
d'utiliser les cadres de deep learning avec lesquels
ils sont le plus à l'aise
notamment TensorFlow, PyTorch
et Apache MXNet
Pour répondre aux exigences et aux coûts élevés
en termes de calcul du machine learning
les instances Amazon EC2 P3
exploitent la puissance
des GPU Nvidia Tesla V100 à cœurs Tensor
Les nouvelles instances P3 apportent également
un débit réseau trois fois plus rapide
Cela signifie que n'importe quelle entreprise
peut accélérer le machine learning
dans le cloud avec des calculs
hautes performances
Les entreprises leader du secteur utilisent déjà
AWS pour accomplir des percées professionnelles
Par exemple, le machine learning sur AWS
a permis
aux spécialistes des données d'une entreprise
majeure dans les services financiers

Chinese: 
這些演算法已經過優化
效能提升 10 倍
而且可使用 Ground Truth
標記您的資料以執行訓練
Amazon SageMaker
還採用多種新的技術
例如強化學習
最重要的是，它可提供跨平台支援
也就是說
開發人員可以自由使用任何他們
最擅長的深度學習框架
包括 TensorFlow
PyTorch 和 Apache MXNet
要滿足機器學習的運算需求和高額成本
Amazon EC2 P3 執行個體
可充分利用
Nvidia Tesla V100 Tensor Core GPU 的功能
新的 P3 執行個體也提供
三倍最快速的網路輸送量
這表示任何企業都能使用高效能運算
在雲端加快機器學習的速度
領先業界的公司已使用 AWS
在業務方面取得重大進展
舉例來說，AWS 上的機器學習協助
頂尖金融服務公司的資料科學家

Korean: 
이러한 알고리즘은 10배 향상된 성능을
제공하도록 최적화되었으며
Ground Truth를 사용하여 훈련용
데이터에 레이블을 지정할 수 있습니다
Amazon SageMaker는 또한 강화 학습과 같은
새로운 기술을 활용합니다
결정적으로 애그노스틱 지원을 허용하므로
개발자가 가장 편안하게 사용할 수 있는
딥 러닝 프레임워크를
유연하게 선택할 수 있습니다
물론 TensorFlow, PyTorch
Apache MXNet 등이 포함됩니다
기계 학습의 컴퓨팅 요구와
높은 비용을 충족하기 위해
Amazon EC2 P3 인스턴스는
NVIDIA Tesla V100 Tensor Core GPU의
성능을 활용합니다
새로운 P3 인스턴스는 3배 더 빠른
네트워크 처리량을 제공합니다
다시 말해 모든 기업이 고성능 컴퓨팅을
사용해 클라우드에서
기계 학습을 가속화할 수 있습니다
업계 선두 기업들은 이미 AWS를 사용하여
비즈니스 혁신을 실현하고 있습니다
예를 들어 한 금융 서비스
선두 기업의 데이터 과학자들은
AWS에서 기계 학습을 통해
며칠 또는 몇 주가 아니라

Indonesian: 
dan telah dioptimalkan untuk performa yang 10
kali lebih baik
dan memberi label pada data Anda guna
mendapatkan kebenaran dasar untuk pelatihan.
Amazon SageMaker juga mengambil manfaat dari
teknik baru
seperti pembelajaran penguatan.
Secara krusial, teknik ini memungkinkan
dukungan agnostik
yang artinya pengembang memiliki fleksibilitas 
untuk menggunakan kerangka kerja pembelajaran
mendalam mana pun
yang paling sesuai dengan mereka
termasuk TensorFlow, PyTorch,
dan Apache MXNet.
Untuk memenuhi permintaan komputasional dan
tingginya biaya pembelajaran mesin,
instans Amazon EC2 P3
memanfaatkan daya Nvidia Tesla V100
Tensor Core GPU.
Instans P3 baru juga memberikan throughput
jaringan tiga kali lebih cepat.
Ini artinya bahwa bisnis apa pun dapat
mempercepat pembelajaran mesin
di cloud dengan komputasi performa tinggi.
Perusahaan terkemuka dalam industri sudah
memakai AWS untuk mencapai terobosan bisnis.
Misalnya, pembelajaran mesin di AWS telah
memungkinkan
ilmuwan data perusahaan layanan keuangan
terkemuka

Italian: 
che sono stati ottimizzati 
per funzionare 10 volte meglio
ed etichettare i dati per porre 
le basi dell'addestramento.
Amazon SageMaker si avvale 
anche di nuove tecniche
come il reinforcement learning.
Fondamentalmente, questo permette 
di ottenere un supporto agnostico,
vale a dire che gli sviluppatori hanno la flessibilità
di utilizzare qualsiasi framework di deep learning
con cui si trovano a proprio agio
compresi TensorFlow, PyTorch e Apache MXNet.
Per soddisfare le esigenze di calcolo 
e gli alti costi del machine learning,
le istanze Amazon EC2 P3
sfruttano la potenza di 
GPU Nvidia Tesla V100 Tensor Core.
Le nuove istanze P3 forniscono anche un
throughput di rete tre volte più veloce.
Ciò significa che qualsiasi azienda 
può accelerare il machine learning
nel cloud con un calcolo ad alte prestazioni.
Le aziende leader del settore stanno già utilizzando AWS
per ottenere grandi progressi nel business.
Ad esempio, il machine learning su AWS 
ha permesso
ai data scientist di una società leader 
nel settore dei servizi finanziari

Chinese: 
在几小时内就可以训练好新的机器学习模型，
而不再需要几天甚至几周的时间
这家公司的代理人所依赖的模型
例如帮助他们排查客户问题的模型
现在可以在短短 30 分钟内完成训练
在银行业，网络安全风险降低了
大型金融机构使用机器学习来标注欺诈行为或可疑活动
并实时提醒账户持有人
在医药行业，药物研发速度加快了
生物技术公司的科学家使用人工智能技术
可以借助算法更快速地理解临床试验中的基因
机器学习有可能彻底改变我们开展业务的方式
但发挥这种潜力需要机器学习易于使用
对亏有技术突破，
比如 Amazon Web Services 开发的这些服务
各种规模的企业才能利用人工智能的能力
充分把握现在
并赢得未来先机

Chinese: 
訓練新的機器學習模型
將時間從幾天甚至幾週縮短到幾小時
公司客服人員所仰賴的模型
像是協助他們解決客戶問題的模型
現在可以在短短 30 分鐘內完成訓練
在銀行業，可協助減緩網路安全性風險
主要金融機構使用機器學習
標記詐騙或可疑的活動
然後即時警告帳戶擁有者
在醫藥方面，藥物研發的速度變快
生物技術公司的科學家已使用 AI 技術
透過演算法的協助
更快速地了解臨床試驗的基因
機器學習具有改革業務運作方式的潛力
但需要簡單易用
感謝 Amazon Web Services
這類公司帶來的技術突破
各種規模的企業都能運用人工智慧
將現有價值最大化
然後領先未來

Portuguese: 
treinassem novos modelos de machine learning
em horas, em vez de dias ou até semanas
Os modelos usados pelos agentes da empresa
como o que ajuda a resolver
problemas dos clientes
já podem ser treinados em 30 minutos
Nos serviços bancários, os riscos de segurança
cibernética estão sendo mitigados
As principais instituições financeiras usam machine
learning para detectar atividades fraudulentas ou questionáveis
além de alertar os titulares
das contas em tempo real
Na área médica, a descoberta
de medicamentos foi acelerada
Cientistas de empresas de biotecnologia
usaram a tecnologia de IA
para agilizar a compreensão de genes
em ensaios clínicos com a ajuda de algoritmos
O machine learning tem o potencial de revolucionar
a maneira como fazemos negócio
mas precisa ser fácil de usar
Graças a avanços tecnológicos
como esses da Amazon Web Services
empresas de todos os tamanhos podem 
utilizar o poder da inteligência artificial
para maximizar o potencial do presente
e manter a vanguarda no futuro

Italian: 
di addestrare nuovi modelli di machine learning in alcune
ore invece che in giorni o addirittura in settimane.
I modelli su cui si basano 
gli agenti dell'azienda,
come quello che aiuta a risolvere 
i problemi dei clienti,
possono essere addestrati 
in soli 30 minuti.
Nel settore bancario, i rischi per la sicurezza
informatica possono essere attenuati.
I principali istituti finanziari utilizzano il machine learning
per segnalare attività fraudolente o discutibili
e avvisare i titolari dei conti 
in tempo reale.
In medicina, è possibile accelerare 
la scoperta di nuovi farmaci.
Gli scienziati di aziende biotecnologiche 
utilizzano la tecnologia IA
negli studi clinici per analizzare più rapidamente 
i geni con l'aiuto di algoritmi.
Il machine learning ha il potenziale per
rivoluzionare il nostro modo di lavorare,
ma deve essere facile da usare.
Grazie a innovazioni tecnologiche
come queste di Amazon Web Services,
aziende di tutte le dimensioni possono utilizzare il potenziale
dell'intelligenza artificiale
per ottimizzare il presente
e migliorare il futuro.

Korean: 
몇 시간 만에 새로운 기계 학습 모델을
훈련할 수 있었습니다
이 회사의 상담원들이
고객 문제를 해결하는 데 도움을 받고자
사용하는 모델 같은 경우
이제 30분 만에 훈련할 수 있습니다
은행에서는 사이버 보안 위험이
완화되고 있습니다
주요 금융 기관은 기계 학습을 사용하여 사기
또는 의심스러운 활동에 플래그를 지정하고
계정 소유자에게 실시간으로 알림을 전송합니다
의료 분야에서는 신약 개발이 가속화됩니다
생명공학 회사의 과학자들은
알고리즘의 도움으로 임상 시험에서
유전자 파악에 걸리는 시간을 단축하기 위해
AI 기술을 사용해 왔습니다
기계 학습은 비즈니스를 수행하는 방식을
혁신할 수 있는 잠재력을 가지고 있지만
사용하기 쉬워야 합니다
이와 같은 Amazon Web Services의
기술 혁신 덕분에
모든 규모의 기업이
인공 지능의 힘을 활용하여
현재 가치를 극대화하고
미래에 한발 앞서 나갈 수 있습니다

French: 
de former de nouveaux modèles de machine learning
en quelques heures au lieu de plusieurs
jours voire même de plusieurs semaines
Des modèles sur lesquels les agents
de l'entreprise peuvent compter
par exemple, un modèle qui aide à résoudre
les problèmes des clients
peuvent être formés en à peine 30 minutes
Dans le secteur bancaire
les risques de cyber-sécurité sont réduits
Les institutions financières importantes
utilisent le ML pour signaler
des activités frauduleuses ou douteuses
et alertent les titulaires
des comptes en temps réel
En médecine, les découvertes
de médicaments s'accélèrent
Les scientifiques des entreprises du domaine
de la biotechnologie utilisent la technologie IA
pour comprendre les gênes lors d'essais cliniques
plus rapidement grâce à des algorithmes
Le machine learning a le potentiel de révolutionner
la manière dont nous faisons des affaires
mais il doit être facile à utiliser
Grâce aux innovations technologiques
comme celles d'Amazon Web Services
les entreprises de toutes tailles peuvent
utiliser la puissance de l'IA
pour tirer le meilleur du présent
et avoir une longueur d'avance sur l'avenir

Japanese: 
新しい機械学習モデルのトレーニングを
数時間で行うことが可能になりました
問い合わせ対応をサポートするモデルなど
企業のエージェントが利用する
モデルのトレーニングは
わずか 30 分で行うことができます
銀行では　サイバーセキュリティの
リスクが軽減されています
大手金融機関では機械学習を使って
不正または疑わしい動きにフラグを立て
リアルタイムで口座名義人に報告しています
製薬分野では創薬も加速しました
バイオ企業の科学者は
人工知能テクノロジーを使って
アルゴリズムで臨床試験の遺伝子調査を
より高速に行っています
機械学習には　ビジネスのやり方を
革新する力が秘められていますが
簡単に利用できなくてはいけません
アマゾン ウェブ サービスが
提供しているような技術革新により
あらゆる規模の企業が
人工知能を活用できるようになりました
「いま」を最大限活用して
「未来」に向かって 1 歩を踏み出しましょう

German: 
neue Machine-Learning-Modelle innerhalb weniger Stunden
anstelle von Tagen oder sogar Wochen zu trainieren.
Modelle, auf die die Mitarbeiter des 
Unternehmens angewiesen sind,
beispielsweise eins, das ihnen beim 
Lösen von Kundenproblemen hilft,
können jetzt in gerade einmal 30 Minuten 
trainiert werden.
Im Bankensektor werden die Risiken durch 
Cyberangriffe reduziert.
Große Finanzinstitutionen verwenden Machine Learning zum 
Kennzeichnen von betrügerischen oder verdächtigen Aktivitäten
und können so die Kontoinhaber in Echtzeit warnen.
In der Medizin wird die Arzneimittelforschung beschleunigt.
Wissenschaftler in Biotechnologieunternehmen 
setzen KI ein,
um Gene in klinischen Versuchsreihen mithilfe von 
Algorithmen schneller zu entschlüsseln.
Machine Learning hat das Potenzial, die Art und Weise,
in der Unternehmen arbeiten, zu revolutionieren.
Dafür muss Machine Learning aber 
benutzerfreundlich sein.
Dank technologischer Durchbrüche wie
von Amazon Web Services,
können Unternehmen beliebiger Größe
das Potential von KI nutzen,
um gegenwärtige Ergebnisse zu maximieren
und darüber hinaus neuen Entwicklungen 
immer einen Schritt voraus zu sein.

Indonesian: 
melatih model pembelajaran mesin baru hanya
hitungan jam, bukan hari atau bahkan minggu.
Model yang diandalkan oleh agen perusahaan
tersebut,
seperti model yang membantunya menyelesaikan
masalah pelanggan
kini dapat dilatih dalam sedikitnya 30 menit.
Dalam dunia perbankan, risiko keamanan siber
sedang dimitigasi.
Institusi keuangan besar menggunakan
ML untuk menandai kecurangan
atau aktivitas mencurigakan,
dan memperingatkan pemilik akun secara
waktu nyata.
Dalam dunia kesehatan, penemuan obat
semakin cepat.
Para ilmuwan di perusahaan bioteknologi telah
menggunakan teknologi AI
untuk memahami gen dalam uji klinis jauh lebih
cepat dengan bantuan algoritme.
Pembelajaran mesin memiliki potensi untuk
merevolusi cara kita berbisnis,
tetapi pembelajaran mesin harus
mudah digunakan.
Berkat terobosan teknologi seperti ini dari Amazon Web Services,
bisnis dengan segala ukuran dapat memanfaatkan
kekuatan kecerdasan buatan
untuk memaksimalkan bisnis hari ini
dan tetap satu langkah lebih jauh menuju
masa depan.

Spanish: 
entrenar nuevos modelos de aprendizaje automático
en horas en lugar de días o aun semanas
Los agentes comerciales pueden usar modelos
como los que los ayudan a resolver
los problemas de los clientes
que ahora pueden entrenarse en 30 minutos
Se mitigan los riesgos
de ciberseguridad bancaria
Instituciones financieras usan el aprendizaje
automático para detectar actividades dudosas o fraude
y avisar a los titulares de cuenta en tiempo real
El descubrimiento de fármacos se aceleró
Los científicos en empresas de biotecnología
usan la tecnología de la IA
para comprender los genes en los estudios
clínicos más rápido con la ayuda de algoritmos
El aprendizaje automático tiene el potencial
para revolucionar cómo hacemos negocios
pero tiene que ser fácil de utilizar
Gracias a avances técnicos 
como estos de Amazon Web Services
las empresas de todos los tamaños pueden
utilizar el poder de la inteligencia artificial
para maximizar el presente
y mantenerse un paso adelante del futuro
