Vamos falar agora um pouquinho de uma outra ferramenta que eu acho bem bacana da AWS, que é o Amazon Recognition. O Amazon Recognition vai ser uma ferramenta um pouco diferente do que a gente falou até agora. Ela está falando agora de reconhecimento computacional. Então, um serviço ali que consegue, com base em imagens, fazer reconhecimentos. Então, é uma coisa um pouco diferente do que a gente está acostumado, pelo menos a maior parte dos desenvolvedores e engenheiros no dia a dia, mas se você tiver algum case desse no seu dia a dia, a AWS te fornece esse serviço também, você consegue contratar ele. É uma máquina já meio treinada para você conseguir usar alguns padrões aqui de reconhecimento. Então o Amazon Recognition ali, ele vai usar a estratégia de visão computacional para conseguir fazer análise de imagem, vídeo ou alguma coisa nesse sentido para suas aplicações no dia a dia. Ele vai usar o modelo de deep learning e alguns modelos já pré-treinados para conseguir identificar objeto, pessoa, texto e assim por diante. Eu já usei esse cara em alguns cenários e alguns conteúdos, principalmente para análise de texto, mas ele é bem legal, ele é bem interessante, ele vai conseguir ajudar algumas pessoas em alguns dos trabalhos que a gente tem para fazer no dia a dia, pode ser uma ferramenta bastante interessante para a gente. Ele já vem meio que pronto para o uso, mas eu vou contar um pouquinho para vocês, para vocês terem uma ideia de como as coisas funcionam, pelo menos em uma linha geral. Primeiro ele trabalha com a ideia de visão computacional ali, que é o campo da inteligência artificial, que vai treinar a máquina para conseguir compreender dentro de imagens, tanto imagens estáticas quanto imagens que estão em movimento, como vídeos, técnicas de visão para conseguir entender o que está rolando naquelas imagens. Então nesse sentido o Amazon Recognition já é preparado para usar visão computacional para ajudar a gente nisso. Ele também é alimentado por redes neurais de deep learning, então a gente está falando ali de um tipo de aprendizado mais profundo de máquina e essas redes foram treinadas com vários conjuntos de dados e padrões de reconhecimento visuais, inclusive várias estratégias da Amazon e de outras empresas de usar o reconhecimento de imagens para conseguir ir treinando cada vez mais essas máquinas. É difícil para você, se você estiver em uma empresa que não está investindo nisso, conseguir ter uma máquina tão bem treinada quanto a deles. Então o Recognition é muito bom nisso, principalmente quando a gente está falando da parte de imagens e de texto. Ele é muito bom para conseguir compreender aquilo e conseguir te dar uma resposta com base em imagem e texto para você poder usar no seu sistema. Eu vou dar um exemplo, acho que é um exemplo bem bacana de usar. Quando a gente está falando, por exemplo, de contratos, você transformar contratos de imagem em texto é muito bom para você conseguir armazenar isso de forma mais fácil. Então, contratos imobiliários, contratos que são levados para cartório, por exemplo, são muito bons se você tiver algum tipo de trabalho que você precisa fazer isso, ou se você trabalha com advocacia, com alguma coisa de direito e assim por diante, você consegue ajudar isso também nos seus contratos e assim por diante. Eu usei muito para contratos, então acho que os maiores cases que eu tenho é para isso, mas você viu que ele tem uma ampla gama de cases aqui que a gente pode usar. Ele usa ali modelos pré-treinados, então essa é a grande sacada, talvez você conseguiria fazer usando inteligência artificial e Deep Learning, criar um recognition, mas o trabalho para treinar esse modelo é que é muito complicado, até fazer ele ser um modelo bom e confiável para você conseguir usar. Trabalhar ele do zero seria muito complicado. Então aqui, se você precisa de um cara para te ajudar, ele já vem pronto, a AWS já consegue te dar ele com alguns modelos muito bons e muito bem treinados já. Acho que facilita bastante a sua vida. Então aqui eu vou dar alguns exemplos, tá? Primeiro de detecção de objetos em cena, então você consegue detectar objeto, pessoa, texto ou atividades em algumas imagens e vídeos. Então, você consegue identificar, por exemplo, rótulos para objetos dentro de uma imagem, você consegue reconhecer cenas em um ambiente específico, uma cena numa praia, numa cidade, uma cena na montanha, uma cena num carro e assim por diante. Você consegue tanto reconhecer as cenas que você está montando, tanto a detecção de objetos. Ele consegue fazer também reconhecimento facial, então você consegue fazer análise de rosto, imagens e vídeos. Então, você consegue encontrar, olha, nessa imagem, o que tem de rosto aqui? Dependendo do que você estiver falando de análise facial, você consegue ver quais são as emoções e gênero. Você também consegue saber quem são as pessoas se você estiver falando de pessoas públicas. Então, se você falar, por exemplo, de atores, atrizes, pessoas que estão num banco de dados, talvez ele consiga até reconhecer a pessoa, tá? Mas ele consegue, em linhas gerais, saber idade aproximada, emoções, gênero. Imagina você aplicar isso, por exemplo, numa loja física que você tem. Você consegue ver, com base nas suas imagens, qual, por exemplo, é o seu público que mais aparece na sua loja, por exemplo. Você consegue olhar e falar, putz, olha, com base nas imagens eu vejo que as pessoas que mais compram são pessoas de tal idade. As pessoas que mais passeiam na loja e não compram são pessoas de tal idade. pessoas de tal idade, as pessoas que mais passeiam na loja e não compram são pessoas de tal idade. Ou, indo até além, você consegue ver, dependendo da sua aplicação, se você tiver a visão do rosto das pessoas, como elas estão reagindo ao seu produto e assim por diante. Ou seja, tem aplicação pra caramba aqui, tem bastante ideias que você pode pensar em cima disso. Você consegue também criar um índice de rosto que você pode usar depois para encontrar alguma correspondência no futuro. Então você consegue até criar uma base de rostos, mas isso aqui depende também de alguns pontos jurídicos para você poder fazer, mas você pode dependendo do que você estiver montando aí. Ele detecta e extrai texto de imagens com OCR. Esse cara aqui que eu acabei usando bastante é o reconhecimento ótico de caracteres. Ele vai converter as imagens em texto e em texto digital. E com isso você consegue fazer armazenamento do texto e não só da imagem. E ter mais facilidade até depois em buscas, pesquisas e assim por diante de conteúdo no próprio texto. Ele consegue fazer algumas coisas aqui também, fora isso que eu já falei, a moderação de conteúdo no próprio texto, tá bom? Ele consegue fazer algumas coisas aqui também, fora isso que eu já falei, a moderação de conteúdo, isso é mais específico, mas para quem trabalha com algum tipo de site onde você tem conteúdo que é postado, esse tipo de coisa, você consegue fazer análise de conteúdo para ver se é impróprio ou não. Você consegue fazer a detecção de celebridades, como eu falei para vocês, como já é um catálogo existente você consegue saber quem são as celebridades em alguma imagem em vídeo ali se você para para olhar se eu não me engano dentro dos seriados ali da própria Amazon ele já começa a colocar embaixo quem são as pessoas que estão naquela cena e assim por diante deve estar usando esse serviço possivelmente você consegue fazer análise de vídeo ali detectar alguma atividade ou entender o que está acontecendo naquele vídeo para conseguir fazer uma análise posterior, você consegue fazer isso também. Aqui eu trouxe para vocês um exemplo de detecção de objeto e imagem, só para vocês verem. Como esse conteúdo aqui é pago, para você usar o Recognition você tem que pagar, a gente não vai fazer hands-on com vocês, porque senão vocês teriam que assinar, etc. A gente sabe que nem todo mundo está querendo assinar um produto só para fazer a aula. Então, a gente criou aqui um exemplo de detecção de imagem para a gente poder conversar, tá bom? Então, vamos lá. A primeira coisa que você vai fazer é o import do Botu3. Estou falando aqui de uma aplicação que foi feita em Python, tá? Então, a gente usou Python, no nosso caso aqui no cenário, para conseguir mostrar para vocês, porque eu acho que é uma das mais fáceis para fazer esse tipo de coisa, e é uma das que a gente mais conhece também. Então a gente fez lá, o import bot, quando a gente faz isso, esse carinha aqui, ele é como se fosse um, como eu posso dizer, ele é um facilitador da implementação de Python para o Recognition, acho que é o melhor jeito que eu consigo explicar, um interpretador para você conseguir fazer na forma mais simples possível então é primeiro do import do bot 3 depois a gente criou um cliente aqui pro recognition então a gente é criar um cliente dentro do bot 3 e deu um nome aqui pra ele depois a gente carrega a imagem a partir do arquivo local muito simples eu vou passando aqui com vocês e tem vocês vão ver que é muito simples, então eu dei um open na minha imagem, beleza, e aqui eu falei qual que é o tamanho e as coisas da minha imagem as propriedades dela, tá e depois eu exibo aqui os rótulos do que eu detectei então desta imagem o que eu consegui trazer de rótulos detectados nela pra gente conseguir ver o que eu quero ter de retorno. E aqui você coloca qual é o percentual de confiança que você quer ter nesse tipo de detecção. Com isso, você vai saber qual foi a imagem e qual a confiança que o Recognition está trazendo para você. Se for uma confiança baixa, você pode descartar. Se for uma confiança alta, você usa aquilo para você, para o que você tiver de ação para ser tomada, beleza? Aqui eu trouxe uma ideia de valores também que você deve estar pensando. Poxa, deve ser um produto caro. Eu não acho tão caro. Aí vai depender muito do que você está querendo fazer, mas pensa que a gente está falando aqui de uma análise bem e bem detalhada, com bastante conteúdo e conhecimento. Então, para você conseguir fazer isso, eu trouxe aqui um exemplo de preço para fazer algo parecido com isso. Lógico que eu trouxe um exemplo muito simples, mas você poderia fazer um exemplo um pouco mais complexo? Poderia. E desse exemplo ainda de detecção de objetos em imagens, mais ou menos o seu preço sairia nisso aqui. Até um milhão de imagens por mês, você vai pagar 1 dólar por mil imagens ali. Entre 1 milhão e 10 milhões, você vai pagar 80 centos de dólar por mil imagens. Mais de 10 milhões de imagens por mês, 60 centos de dólar a cada mil imagens. Ou seja, você paga pelo milheiro, tá bom? E aqui, quanto mais imagens você analisa, mais barato fica. Isso foi um exemplo de preço considerando este cenário aqui mais ou menos. Pô, pode variar o preço, vai depender do cenário do que você vai querer fazer e assim por diante. Mas aqui acho que já dá para ter uma ideia mais ou menos dos valores para coisas um pouco mais simplificadas. É uma ferramenta bastante poderosa, eu acho que ela pode ser usada em vários cenários. Eu já usei em alguns, mas acho que ainda tem espaço pra usar bastante coisa de recognition sendo muito honesto, ele é um cara muito muito legal, muito bacana de usar