 Hai, semua. Terima kasih kerana datang. Terima kasih kerana mempunyai saya di sini. Nama saya Donny. Saya adalah tech evangelist yang mencabar untuk ASEAN. Berapa banyak orang anda telah menonton Rain Fan? Video? Berapa banyak orang anda telah melihat pakaian ini? Jika anda belum menonton pakaian ini dan anda ingin mengenai update Rain Fan, anda boleh menonton pakaian ini. www.amazan.com.au. Kita telah mempunyai pakaian ini. Kita telah mengenai pakaian ini. Kita telah mengkategorikan pakaian ini untuk analitik dan pelajaran masyarakat. Dan anda dapat mencari semua detal di sana. Jadi, hari ini sangat menyerang sebenarnya. Biasanya kita mempunyai pakaian untuk pakaian ini. Pakaian ini akan menjadi 1 jam-1.5 jam. Sekarang, saya hanya mempunyai 20-30 minit. Jadi, saya akan memberikan listan pakaian ini. Dan memberikan perjalanan yang tinggi, perasaan yang paling menarik yang kita beritahu pada Rain Fan. Jadi, ya. Jadi... Ini adalah salah satu. Saya bercakap dengan girl dan python. Saya adalah penggunaan film selama 4 tahun sebelum saya menjelaskan sublime. Saya tahu. Saya adalah penggunaan firefox. Seorang penggunaan krom. Sebelumnya? Tidak. Krom adalah kawan saya. Fokus saya adalah lebih daripada AI ML servis dan micro-servis. Jadi, jika anda mempunyai pertanyaan tentang tiga pakaian itu, kita boleh mengambilnya secara luar. Dan anda boleh menyebabkan pertanyaan yang anda ingin mempunyai tentang servis AI ML yang kita mempunyai. Jadi, perkara yang terakhir adalah... Saya akan menunjukkan kepada anda keadaan di luar. Ini adalah keadaan di mana AWS stands sekarang. Sekarang, kita mempunyai 44.1% dan kita mempunyai... dan kita mempunyai kedua pakaian yang akan berlaku di Microsoft. Dan perkara ini akan menunjukkan kepada anda pakaian awal AWS. Okey. Jadi, pada tahun ini, kita melihat bagaimana membuat aplikasi komposter ini. Dan... dan kita membuat ini di AWS. Kita ingin mengambil anda juga sebagai pembangunan. Jadi, untuk pembangunan, kita ingin menggunakan semua pakaian. Pakaian. Kita ingin mempunyai keadaan. Kita ingin mempunyai... bagaimana untuk mengambil data, analitik. Jadi, semua mesej-mesej itu telah digunakan oleh Andy Jessie. Jadi, Andy Jessie berkata, segala-galanya adalah segala-galanya. Apabila anda memilih infrastruktur teknologi, anda tidak mempunyai sebuah pakaian, bagaimanapun anda mempunyai segala-galanya. Jadi, mesej-mesej ini, ia telah diberikan pada pakaian. Dan keadaan. Keadaan adalah apa yang kita mencari sebagai pembangunan apabila ia berlaku di database. Jadi, satu contoh yang menunjukkan sebuah contoh yang ditunjukkan oleh Amazon Aurora adalah produk yang paling cepat di AWS. Kerana jika anda dapat melihat dari masa lalu, banyak pembangunan telah berlaku pada pakaian database. Dan kita telah melakukannya di Amazon. Kita telah mempunyai banyak pakaian dan pembangunan ingin bergerak dari database untuk mempunyai banyak pakaian. Sebab itulah kita menunjukkan program Amazon. Dan kemudian, tidak ada semula semula. Apabila membangunan dan memperkenalkan, anda perlu mencari keadaan atau memperkenalkan untuk memastikan anda di atas pakaian. Jadi, berbicara dengan pembangunan, ia sangat menarik. Tetapi, sebuah mekanas yang paling kelihatan untuk memperkenalkan semula semula untuk memperkenalkan pembangunan dan pembangunan ini dengan alat analitik. Dan, sebuah pembangunan, ia... Ini adalah satu-satunya, apabila ia mempunyai pembangunan. Seperti yang anda tahu, kami sudah memperkenalkan pembangunan. Saya akan mempunyai kemudian. Dan, ini adalah pakaian yang terakhir, pakaian yang paling kelihatan untuk memperkenalkan semula semula. Kita tidak mahu mempunyai pakaian yang lebih kelihatan apabila ia memperkenalkan proses data. Dan, ini adalah pilihan saya. Okey? Apa yang kelihatan berlaku? Ia telah diperkenalkan oleh Venerable Vogels. Jadi, kelihatan untuk memperkenalkan pembangunan, ia akan berlaku bahawa semua pakaian yang anda memperkenalkan hanya memperkenalkan pembangunan. Jadi, mari kita mulakan dengan update pembangunan. Pertama, ia memperkenalkan pembangunan. Jadi, kami memperkenalkan banyak kelihatan pada pembangunan. Kami mempunyai M5. Kami mempunyai H1. Kami mempunyai P3. Jadi, M5 adalah keluarga baru untuk kelihatan lebih mudah. Ia mempunyai harga 40 persen dan kelihatan berlaku dengan M5. Dan ia memperkenalkan pembangunan yang baru. Adakah anda tak tahu tentang pembangunan yang baru? Okey. Jadi, pembangunan yang baru diperkenalkan pada pembangunan yang baru diperkenalkan pembangunan yang baru diperkenalkan. Jadi, tapi lebih kelihatan. Kami memperkenalkan pembangunan yang baru untuk kelihatan lebih mudah. Dan kami mempunyai H1. Kami mempunyai pembangunan yang baru untuk kelihatan besar. Biasanya kami mempunyai kelihatan besar atau kelihatan kelihatan dan kami mempunyai pembangunan P3. Kami mempunyai pembangunan TESLA V100 GPU. Jadi, pembangunan. Jadi, ini salah satu yang anda mungkin sudah dengar adalah kami memperkenalkan pembangunan P3 untuk pembangunan P3 untuk pembangunan P3. Berapa banyak anda memperkenalkan pembangunan P3? Bagus. Okey. Terima kasih. Jadi, pembangunan P3 pilih 63% yang sudah memperkenalkan pembangunan P3 dengan mudah. Jadi, ini salah satu pembangunan yang paling popular untuk pembangunan P3 dan kami mempunyai banyak pembangunan P3 yang memperkenalkan pembangunan P3 sebab itu kami memperkenalkan pembangunan P3. Jadi, pembangunan P3 ia sangat berlaku dan kemudian pembangunan P3 dengan sebuah kelihatan di atas sebaiknya. Jadi, jika anda memperkenalkan pembangunan P3 ia sangat susah untuk mempunyai kelihatan yang lebih tinggi untuk kelihatan yang lebih tinggi untuk pembangunan P3 dan kelihatan yang lebih otomatis dan memperkenalkan pembangunan P3. Jadi, jika anda mempunyai pembangunan P3, anda boleh menggunakan EKS. Dan kemudian, kami juga mengenali parjaya AWS. Kondensi yang berlaku tanpa mengajar servis atau kelas. Jadi, ini sebuah teknologi yang baru untuk mengajar kontennya tanpa mengajar infrastruktur yang berlaku. Saya mempunyai banyak pertanyaan tentang forket ini. Untuk menyebabkan semuanya, forket ini semuanya seperti ia seperti EC2. Tetapi, jika anda mempunyai masin virtual, anda dapat kontainer. Dengan forket, ini adalah diagram yang anda dapat melihat forket. Jadi, Amazon ECS dan EKS, mereka mempunyai dua model. Jadi, forket adalah teknologi yang berlaku untuk Amazon ECS dan EKS. Dan, anda dapat memunyai dua model. forket adalah launch type dan EC2 adalah launch type. Jadi, dengan forket, anda dapat mengajar aplikasi dan kontainer. Anda hanya mempersenangkan CPU dan mempunyai dan anda hanya memunyai kontainer. Kemudian, kami akan ke servis. Kita mempunyai banyak berlaku untuk servis. Yang pertama adalah servis-servis aplikasi yang berlaku. Dan, kami mempunyai new AWS Lambda console. Kita mempunyai AWS Lambda pro-function concurrency controls. Dan akhirnya, kami mempunyai AWS Lambda go runtime dan .NET. Kita mempunyai AWS Lambda deploy untuk code deploy, traffic shifting, kernel releases, dan privacy integrations. Ini sangat menarik sebenarnya untuk AWS server-less aplikasi. Jadi, dengan AWS server-less aplikasi, anda dapat membuat AWS Lambda dan mempunyai model tersebut dan mempunyai aplikasi. Jadi, anda dapat mempunyai di luar dan dengan keadaan publik. Jadi, ada anda. Dan, pengalaman untuk mempunyai AWS server-less aplikasi adalah anda dapat menjelaskan aplikasi yang berlaku. Dan, anda dapat mempunyai aplikasi dan mempunyai aplikasi. Ini adalah screenshot AWS Lambda konsol. Adakah anda pernah mempunyai AWS Lambda konsol? Apa yang anda fikir? Saya tidak suka bagaimana ia di bawah ketika anda mempunyai trigger. Anda mempunyai masalah untuk memperkenalkan anda. Jangan risau. Anda memperkenalkan. Jadi, perkara yang lain adalah bahawa kami kemudian kami mempunyai AWS Lambda konsol juga. Dan, kami mempunyai AWS Lambda konsol dengan aplikasi AWS Lambda. Jadi, jika anda melihat jika anda melihat aplikasi AWS Lambda ini sebenarnya aplikasi AWS Lambda dengan aplikasi AWS Lambda. Jadi, anda dapat memperkenalkan aplikasi AWS Lambda fungsinya. Dan, ini adalah kontrol konkurasi. Jadi, kami memperkenalkan database, analitik, storage, dan aplikasi. Di Reinfant, kami memperkenalkan Amazon Aurora Multimaster, Aurora Serverless, DynamoDB Global Tables, Neptune, Database Grave, dan Amazon S3 Select, dan MQ. Jadi, yang pertama adalah Aurora Multimaster. Jadi, ada yang baru untuk adik kompetibur Aurora Massacre. Biar anda memperkenalkan untuk pengalaman dan pengalaman di antara aplikasi AWS multiple aplikasi. Jadi, anda dapat memperkenalkan aplikasi anda untuk memperkenalkan pengalaman dan pengalaman. Bersama, anda dapat memperkenalkan pengalaman dalam kelas database. Dan, anda dapat memperkenalkan aplikasi database kelas 2.15. Kita juga mengenali Aurora Serverless. Ini adalah pembantu pembantu pembantu database Serverless. Aurora Serverless adalah pembantu pembantu pembantu konfigurasi untuk Aurora untuk pembantu kompetibur. Jadi, kelas database. Ya, sebenarnya, seperti pembantu dynamik yang anda dapat memperkenalkan pembantu pembantu database. Ini membuat aplikasi dengan pembantu pembantu pembantu pembantu pembantu pembantu. Dan kita mempunyai pembantu pembantu pembantu global. Kita memperkenalkan aplikasi pembantu pembantu pembantu database. Jadi, apa maksud anda? Sekarang, data anda adalah memplikasi pembantu pembantu pembantu dan ia diberi global. Tapi, bagaimana dengan kelasan? Okey. Jadi, kita juga mengenali peluang pengubah wish membership memperkenalkan pembantuoria dendamikin pembantu pembantu pembantu. Jadi, para perkembangan pembantu kah perpetu dengan pembantu. Dan Rider Amazon Limb it se廿 kIST. Ia memberikan Sergey Cloud database ia sangat kencang dan jelaskan dan perkara yang paling penting tentang natun adalah ia mempunyai 15 latihan rendah dengan aplikasi yang menjadikan 100,000 kerajaan per sekitar jadi ia sangat kencang dan jelaskan ada sesiapa yang sudah menggunakan graf terbesar? niofoji apa yang anda memasakannya? niofoji? saya memasak niofoji jadi apa yang anda memasakannya? naptune naptune adalah membangun tinkerpop dan rdf graf dan anda boleh menggunakan query gram-lin dengan naptune amazon jadi naptune ini lebih standard daripada niofoji dengan naptune amazon kelebihan yang saya ingin menjelaskan adalah aplikasi rendah dan anda boleh menjelaskan kelebihan dengan naptune 100,000 kerajaan per sekitar dengan niofoji, anda perlu memasakkan pemeriksaan anda dan anda perlu memasakkan dengan diri dan kemudian kita bergerak kita memasakkan s3 selekt ia adalah kemungkinan yang sangat kuat untuk memasakkan hanya objek data yang anda perlukan kita, terutamanya, mereka menggunakan s3 untuk data lake dan dengan s3 selekt anda boleh menggunakan query dengan data yang anda perlukan dengan ekspresi standard s2 dan ia adalah 4.5 lebih cepat daripada kita memasakkan s3 selekt dan kita juga mengunakan s3 selekt jadi yang terbaik adalah memasakkan s3 selekt yang ini adalah pilihan saya Amazon SageMaker jadi bagaimana niofoji anda memasakkan s3 selekt baik sekarang, jika anda memasakkan s3 selekt yang penting adalah mempunyai s3 selekt dan memasakkan s3 selekt dan tidak mengatakan bagaimana untuk memasakkan semua data yang anda ada dan Amazon SageMaker adalah s3 selekt yang mempunyai s3 selekt dan memasakkan s3 selekt untuk memasakkan s3 selekt dan memasakkan s3 selekt jadi yang ini kita mempunyai masalah yang biasa kita mempunyai algoritmus yang tinggi di sisi yang dibuat dan kita mempunyai kelebihan yang satu anda boleh memilih apa yang anda mahu kita mempunyai sekeliling 10 sekeliling kita mempunyai MxNet dan kita mempunyai kelebihan untuk masalah yang biasa dan sangat mudah anda hanya mempunyai kelebihan dan kita mempunyai kelebihan dengan auto-scaling jadi anda mempunyai masalah yang biasa apa maksud anda? jadi masalah yang biasa kita mempunyai adalah bagaimanapun bagaimana anda mahu memilih kelebihan dengan beberapa parameter yang anda dah mempunyai dan anda boleh hanya memperbaiki kelebihan dengan laptop jadi kelebihan yang paling biasa anda mempunyai kelebihan masalah seperti kelebihan seperti kita mempunyai kelebihan untuk kelebihan masalah yang paling biasa anda mempunyai kelebihan kelebihan saya tidak benar-benar mengenai saya berjumpa dengan anda kita memperbaiki saya tidak dan kemudian kita mempunyai kelebihan masalah Amazon dan kita mempunyai video kelebihan ia sangat bagus untuk mempunyai dua pakaian yang kita akan memperbaiki memperbaiki satu ke satu lagi jadi ini salah satu pakaian yang biasa anda mempunyai kamera anda mempunyai pakaian yang berlaku dengan kamera anda mempunyai webcam anda boleh menghubungi video kelebihan masalah anda boleh menghubungi output dengan video kelebihan Amazon anda mempunyai kelebihan masalah dan kemudian untuk pakaian yang berlaku, kita mempunyai kelebihan Amazon dan kelebihan Amazon kelebihan adalah sebuah teks untuk sebuah teks dan kelebihan yang ia sebuah teks dan kelebihan untuk untuk mengajar antiti teks yang anda mahu anda mahu mengeluarkan dan kemudian kita mempunyai IoT untuk IoT, kita mempunyai banyak kelebihan kita mempunyai IoT One Click kita mempunyai IoT Device Management dan kita mempunyai IoT Device Defender biar saya menunjukkan bagaimana kita boleh menggunakan untuk kelebihan Device ingatlah anda mempunyai sebuah kelebihan IoT dan anda mahu mendapatkan mereka di atas dengan kelebihan Device, anda boleh mengenai IoT Device dan anda boleh mengubah untuk kelebihan Device ini adalah bagaimana anda dapat senangkan dengan IoT Core dan anda mempunyai Device Defender dan kita mempunyai Device Management dan kita mempunyai fitur yang lain kita mempunyai IoT Analytics dan Amazon Free RTOS dan AWS Greengrass ML Inference yang saya mahu menjelaskan untuk anda memperkenalkan aplikasi machine learning yang sekarang anda dapat memperkenalkan dengan menggunakan IoT Device dengan greengrass ML Inference anda dapat memperkenalkan machine learning dalam device IoT ini adalah kelebihan yang baru dan ini adalah kontinuasi AWS Greengrass dan di atas AWS AppSync ini adalah web-apps kita mempunyai Amazon Sumerian kita mempunyai Alexa for Business dan saya sangat mempunyai untuk anda memperkenalkan Amazon GodDD ia adalah pengalaman dan pengalaman berapa banyak anda memperkenalkan AWS MeshI? saya juga memperkenalkan mengenai perbezaan antara Amazon MeshI dan Amazon GodDDD Amazon MeshI adalah pengalaman yang berdasarkan pengalaman yang dapat memperkenalkan pengalaman personal dan informasi tetapi dengan Amazon GodDDD ia adalah pengalaman yang memperkenalkan intelligent itu adalah pengalaman yang besar dan yang terakhir saya mungkin ingin memperkenalkan AWS Cloud9 ia adalah idea untuk membuatkan pengalaman dan pengalaman saya pernah memperkenalkan Cloud9 tetapi sekarang, kerana ia mudah memperkenalkan AWS saya akan memperkenalkan banyak dan yang terbaik saya dapat dari Cloud9 adalah untuk mempunyai segera untuk memperkenalkan kota-kota bermaksud saya dapat memperkenalkan kota-kota yang memperkenalkan kota-kota yang memperkenalkan idea Cloud9 baiklah baiklah, terima kasih terima kasih