使用 AI 人工智能已成為企業大趨勢，但面對五花八門的 AI 應用，組織領導者或管理層需要思考的往往是如何從眾多 AI 應用之中，選擇出最合用的 AI，並進一步融合至現有的作業流程之中，為企業創造價值。有見及此，全球最大型雲端科技企業 AWS 透過 AWS Innovate 推出「為突破而生」免費網上課堂，並以六大主題為綱領，帶領有志之士實踐 AI 應用。
來到「為突破而生」第四課——「AWS 統一數據和 AI 體驗」（Unified experience for your data and AI）（前文已介紹首三課「生成式 AI 旅程」、「建構與擴展生成式 AI」及「職場的生成式 AI 應用」的內容，在此不贅），課堂難度稍稍增加，更適合對 AI 有一定程度了解的學員；課堂將同樣分作五節、每節 30 分鐘，各單元均會聚焦於如何使用「生成式 AI」進行數據整理及統合，講者亦會介紹使用 AI 構建數據庫和 AI 應用的心得，當然亦會分享使用 Amazon SageMaker、Amazon S3 Tables、Amazon S3 等雲端科技的實用技巧。
以 Amazon S3 及 Lakehouse 應對各樣「數據挑戰」
在「於 Amazon S3 上構建和最佳化數據湖（date lake）」（Build and optimize a data lake on Amazon S3）的課節，AWS 的高級首席工程師 Bryan Lies 將向學員講解現時企業在數據整理工作方面的挑戰；其中，Bryan 更會以虛構企業 「Forever Ecommerce」為例，逐步拆解「確立需求」、「建設架構」、「數據安全及管治」、「最佳化性能」、「數據管理」及「監控與分析」等各個構建數據湖的階段，為有意使用 AI 進行數據管理工作的學員訂下一個全面框架。課堂將展示在 AWS S3 上構建數據湖的過程，介紹如何建構一個既能滿足當前企業需求卻又能支援未來發展的數據湖。
另一課節「透過 Amazon SageMaker Lakehouse 加速企業分析和 AI 應用」（Accelerate your analytics and AI with Amazon SageMaker Lakehouse），則由 AWS 首席產品經理 Mahesh Mishra 介紹 Amazon SageMaker Lakehouse（下稱 Lakehouse） 的功能及應用場景。Lakehouse 作為一個簡單易用的數據解決方案，能針對現時「生成式 AI」趨勢下衍生的「應用程式間缺乏互通性」、「數據管理混亂」、「架構複雜」等問題。課堂內 Mahesh 亦將講解實例，示範如何把 Amazon Redshift 的數據導入 Lakehouse ，亦會示範使用 Amazon Redshift 構建數據湖，從而向學員展示 Lakehouse 在統一及整合數據方面的方便快捷，為在管理數據有困難的使用者提供最佳的解決方案。
總結而言，作為 AWS Innovate「為突破而生」網上課堂的第四課，「AWS 統一數據和 AI 體驗」的課程宗旨正是要傳授 AWS「生成式 AI」在處理數據整合及分析工作方面的經驗與心得，以協助企業提高管理效能、省減成本。
「為突破而生」活動將於 3 月 13 日正式開講，費用全免，有興趣報讀的人士可到以下網址登記參加。「為突破而生」六大課題，突破 AI 界限：
「生成式 AI 旅程」（Genrative AI journey）
「建構與擴展生成式 AI」（Building and scaling with generative）
「職場的生成式 AI 應用」（Using generative AI in workplace）
「數據與 AI 的統一體驗」（Unified experience for your data and AI）
「建構與訓練基礎模型和大型語言模型」（Build and train Foundation Models and LLMS）
「建立數據基礎架構」（Building a data foundation）
