Amazon पर Amp ने ग्राहक जुड़ाव बढ़ाने के लिए डेटा का इस्तेमाल कैसे किया, भाग 1: डेटा एनालिटिक्स प्लेटफ़ॉर्म बनाना

एम्प, अमेज़ॅन का नया लाइव रेडियो ऐप, मानव-क्यूरेटेड लाइव ऑडियो शो की विशेषता वाले रेडियो का एक पुनर्निवेश है। यह आपके पसंदीदा कलाकारों, रेडियो डीजे, पॉडकास्टरों और दोस्तों से इंटरैक्टिव लाइव ऑडियो शो शुरू करके श्रोताओं और रचनाकारों को एक सहज ग्राहक अनुभव प्रदान करने के लिए डिज़ाइन किया गया है।

हालाँकि, Amazon के लिए एक नए स्थान में एक नए उत्पाद के रूप में, Amp को अपनी निर्णय लेने की प्रक्रिया को सूचित करने के लिए अधिक प्रासंगिक डेटा की आवश्यकता थी। Amp एक स्केलेबल डेटा और एनालिटिक्स प्लेटफ़ॉर्म चाहता था जो डेटा तक आसान पहुँच को सक्षम करे और लाइव ऑडियो ट्रांसक्रिप्शन, कंटेंट मॉडरेशन, फ़ीचर इंजीनियरिंग और एक व्यक्तिगत शो अनुशंसा सेवा के लिए मशीन लीनिंग (ML) प्रयोग करे, और व्यवसाय KPI और मेट्रिक्स का निरीक्षण या माप करे।

यह पोस्ट दो-भाग श्रृंखला में पहला है। भाग 1 दिखाता है कि डेटा और एनालिटिक्स प्लेटफॉर्म का उपयोग करके डेटा कैसे एकत्र और संसाधित किया गया था, और भाग 2 दिखाता है कि डेटा का उपयोग करके शो अनुशंसाएं बनाने के लिए कैसे उपयोग किया गया था अमेज़न SageMaker, एक पूरी तरह से प्रबंधित एमएल सेवा। वैयक्तिकृत शो अनुशंसा सूची सेवा ने मई 3 में लॉन्च होने के बाद से ट्रैक किए गए ग्राहक जुड़ाव मीट्रिक (जैसे किसी शो को पसंद करना, किसी निर्माता का अनुसरण करना, या आगामी शो सूचनाओं को सक्षम करना) में 2022% की वृद्धि दिखाई है।

समाधान अवलोकन

Amp के डेटा स्रोतों को व्यापक रूप से स्ट्रीमिंग (निकट-वास्तविक समय) या बैच (पॉइंट इन टाइम) के रूप में वर्गीकृत किया जा सकता है। स्रोत डेटा Amp के स्वामित्व वाले सिस्टम या अन्य Amazon सिस्टम से उत्सर्जित होता है। दो अलग-अलग डेटा प्रकार इस प्रकार हैं:

• स्ट्रीमिंग डेटा - इस प्रकार के डेटा में मुख्य रूप से निम्नलिखित, सूचनाएं (उपयोगकर्ताओं के मित्रों, पसंदीदा रचनाकारों, या शो के संबंध में), गतिविधि अपडेट, लाइव शो इंटरैक्शन (कॉल-इन, सह-होस्ट, पोल, इन-ऐप चैट), रीयल-टाइम शामिल हैं। Amp एप्लिकेशन से लाइव शो गतिविधियों (लाइव सुनने की संख्या, पसंद), लाइव ऑडियो प्लेबैक मीट्रिक और अन्य क्लिकस्ट्रीम मीट्रिक पर अपडेट। एएमपी हितधारकों को एमएल प्रक्रियाओं या भविष्य कहनेवाला मॉडल, सामग्री मॉडरेशन टूल और उत्पाद और प्रोग्राम डैशबोर्ड (उदाहरण के लिए, ट्रेंडिंग शो) को पावर देने के लिए इस डेटा की आवश्यकता होती है। स्ट्रीमिंग डेटा एएमपी ग्राहकों को प्रयोग करने और मापने में सक्षम बनाता है।
• बैच डेटा - इस डेटा में मुख्य रूप से कैटलॉग डेटा, शो या निर्माता मेटाडेटा और उपयोगकर्ता प्रोफ़ाइल डेटा होता है। बैच डेटा अधिक पॉइंट-इन-टाइम रिपोर्टिंग और एनालिटिक्स बनाम रीयल-टाइम सक्षम करता है।

निम्न चित्र उच्च स्तरीय वास्तुकला को दर्शाता है।

Amp डेटा और एनालिटिक्स प्लेटफ़ॉर्म को तीन उच्च-स्तरीय सिस्टम में विभाजित किया जा सकता है:

• स्ट्रीमिंग डेटा अंतर्ग्रहण, स्ट्रीम प्रोसेसिंग और ट्रांसफ़ॉर्मेशन, और स्ट्रीम स्टोरेज
• बैच डेटा अंतर्ग्रहण, बैच प्रसंस्करण और परिवर्तन, और बैच संग्रहण
• बिजनेस इंटेलिजेंस (बीआई) और एनालिटिक्स

निम्नलिखित अनुभागों में, हम प्रत्येक घटक पर अधिक विस्तार से चर्चा करते हैं।

स्ट्रीमिंग डेटा अंतर्ग्रहण, प्रसंस्करण, परिवर्तन और भंडारण

Amp ने एक सर्वर रहित स्ट्रीमिंग अंतर्ग्रहण पाइपलाइन बनाई, जो बुनियादी ढांचे के प्रबंधन की आवश्यकता के बिना स्रोतों से डेटा में टैप करने में सक्षम है, जैसा कि निम्नलिखित आरेख में दिखाया गया है।

पाइपलाइन एएमपी शो कैटलॉग डेटा (एएमपी पर कौन से शो उपलब्ध हैं) को निगलना और दो अलग-अलग उपयोग मामलों के लिए डेटा लेक में पास करने में सक्षम था: एक निकट-वास्तविक-समय विश्लेषण के लिए, और एक बैच एनालिटिक्स के लिए।

अंतर्ग्रहण पाइपलाइन के भाग के रूप में, Amp टीम के पास एक अमेज़ॅन सरल कतार सेवा (अमेज़ॅन एसक्यूएस) कतार जो अपस्ट्रीम से संदेश प्राप्त करती है अमेज़न सरल अधिसूचना सेवा (अमेज़ॅन एसएनएस) विषय जिसमें कैटलॉग में शो में परिवर्तन की जानकारी है। ये बदलाव नए शो को शामिल करने या मौजूदा शो में समायोजन करने के लिए हो सकते हैं जिन्हें शेड्यूल किया गया है।

जब संदेश SQS कतार द्वारा प्राप्त किया जाता है, तो यह ट्रिगर करता है AWS लाम्बा एएमपी कैटलॉग सेवा के लिए एपीआई कॉल करने के लिए कार्य करता है। लैम्ब्डा फ़ंक्शन वांछित शो मेटाडेटा को पुनः प्राप्त करता है, मेटाडेटा को फ़िल्टर करता है, और फिर आउटपुट मेटाडेटा को भेजता है अमेज़न Kinesis डेटा स्ट्रीम. अमेज़न Kinesis डेटा Firehose डेटा स्ट्रीम से रिकॉर्ड प्राप्त करता है। Kinesis डेटा फ़ायरहोज़ तब डेटा परिवर्तन करने के लिए एक द्वितीयक लैम्ब्डा फ़ंक्शन को आमंत्रित करता है जो प्राप्त JSON रिकॉर्ड को फ़्लैट करता है और रूपांतरित रिकॉर्ड को एक में लिखता है अमेज़न सरल भंडारण सेवा (अमेज़ॅन S3) एम्प हितधारकों द्वारा उपभोग के लिए डेटा लेक।

Kinesis Data Firehose ने Amazon S3 को हर 60 सेकंड में बफरिंग और डेटा लिखने में सक्षम बनाया। इससे Amp की टीमों को लगभग रीयल-टाइम प्रोग्रामिंग निर्णय लेने में मदद मिली, जिससे बाहरी ग्राहकों पर असर पड़ा।

स्ट्रीमिंग अंतर्ग्रहण पाइपलाइन ने निम्नलिखित उद्देश्यों का समर्थन किया: प्रदर्शन, उपलब्धता, मापनीयता, और कई डाउनस्ट्रीम अनुप्रयोगों या सेवाओं को डेटा भेजने के लिए लचीलापन:

• Kinesis डेटा स्ट्रीम आवश्यक होने पर स्ट्रीमिंग डेटा अंतर्ग्रहण को संभालती है। Kinesis डेटा स्ट्रीम ने Amp टीम को न्यूनतम परिचालन भार के साथ विश्लेषण के लिए डेटा को जल्दी से निगलने में सक्षम बनाकर इन उद्देश्यों का समर्थन किया। पूरी तरह से प्रबंधित सेवा के रूप में, इसने परिचालन ओवरहेड को कम कर दिया, और Amp उत्पाद की जरूरतों को पूरा करने में सक्षम था।
• लैम्ब्डा ने टीम को एपीआई कॉल चलाने और डेटा परिवर्तन करने के लिए हल्के कार्यों को बनाने में सक्षम बनाया।
• क्योंकि Kinesis Data Firehose एक प्रबंधित सेवा है, यह टीम के लिए बिना किसी अतिरिक्त सुनवाई के स्ट्रीमिंग डेटा की सभी स्केलिंग, शार्डिंग और निगरानी आवश्यकताओं को संभालने में सक्षम थी।

बैच डेटा अंतर्ग्रहण, प्रसंस्करण, परिवर्तन और भंडारण

Amp ने एक क्षणिक बैच (समय में बिंदु) अंतर्ग्रहण पाइपलाइन बनाया जो डेटा अंतर्ग्रहण, प्रसंस्करण और परिवर्तन, और भंडारण में सक्षम है, जैसा कि निम्नलिखित आरेख में दिखाया गया है।

इन वर्कलोड और अज्ञात डेटा वॉल्यूम की बैच प्रकृति के कारण एक ट्रांसिएंट एक्सट्रैक्ट, ट्रांसफॉर्म, और लोड (ETL) और एक्सट्रैक्ट, लोड, और ट्रांसफ़ॉर्म (ELT) जॉब अप्रोच लागू किया गया था। वर्कफ़्लो ऑटोमेशन के एक भाग के रूप में, Amazon SQS का उपयोग लैम्ब्डा फ़ंक्शन को ट्रिगर करने के लिए किया गया था। लैम्ब्डा फ़ंक्शन ने स्कीमा और डेटा प्रकारों का अनुमान लगाने के लिए एडब्ल्यूएस गोंद क्रॉलर को सक्रिय किया। क्रॉलर ने एडब्ल्यूएस ग्लू डेटा कैटलॉग को स्कीमा मेटाडेटा लिखा, जो डेटा साझा करने के लिए एक एकीकृत मेटाडेटा स्टोर प्रदान करता है।

ETL और ELT जॉब्स को एक निर्धारित शेड्यूल या इवेंट-संचालित वर्कफ़्लो पर चलाने की आवश्यकता थी। इन जरूरतों को पूरा करने के लिए एम्प ने इस्तेमाल किया Apache Airflow के लिए Amazon प्रबंधित वर्कफ़्लो (अमेज़ॅन एमडब्ल्यूएए)। Apache Airflow एक ओपन-सोर्स पायथन-आधारित वर्कफ़्लो प्रबंधन प्लेटफ़ॉर्म है। Amazon MWAA पूरी तरह से प्रबंधित सेवा है जो स्वचालित रूप से स्केलिंग को संभालती है। यह अनुक्रमण, त्रुटि प्रबंधन, पुन: प्रयास तर्क और स्थिति प्रदान करता है। Amazon MWAA के साथ, Amp समर्पित Airflow सर्वर को प्रबंधित या बनाए रखने के बिना नौकरी के आयोजन के लिए Airflow के लाभों का लाभ उठाने में सक्षम था। इसके अतिरिक्त, Amazon MWAA का उपयोग करके, Amp Amazon S3 में संग्रहीत एक कोड रिपॉजिटरी और वर्कफ़्लो पाइपलाइन बनाने में सक्षम था जिसे Amazon MWAA एक्सेस कर सकता था। पाइपलाइन ने एम्प डेटा इंजीनियरों को कई वातावरणों में एयरफ्लो डीएजी या पायस्पार्क स्क्रिप्ट को आसानी से तैनात करने की अनुमति दी।

amp इस्तेमाल किया अमेज़ॅन ईएमआर on अमेज़ॅन इलास्टिक कुबेरनेट्स सेवा (अमेज़ॅन ईकेएस) अपने डेटा प्रोसेसिंग और परिवर्तन कार्यों के लिए कंटेनरों को कॉन्फ़िगर और प्रबंधित करने के लिए। एएमपी सेवा की अनूठी प्रकृति के कारण, संसाधित किए जाने वाले प्रारंभिक अपेक्षित डेटा वॉल्यूम अपेक्षाकृत अज्ञात थे। सेवा विकसित होने के साथ-साथ लचीलापन प्रदान करने के लिए, टीम ने ईकेएस पर अमेज़ॅन ईएमआर के साथ जाने का फैसला किया ताकि डेटा प्रोसेसिंग के लिए अमेज़ॅन ईएमआर को बूटस्ट्रैप और स्केल करने के लिए आवश्यक किसी भी अनावश्यक परिचालन को खत्म किया जा सके। इस दृष्टिकोण ने उन्हें के मिश्रण द्वारा समर्थित क्षणिक हाइब्रिड ईएमआर क्लस्टर चलाने की अनुमति दी AWS फरगेट और अमेज़ॅन इलास्टिक कम्प्यूट क्लाउड (अमेज़ॅन ईसी 2) नोड्स, जहां सभी सिस्टम कार्यों और वर्कलोड को फ़ार्गेट पर ऑफ़लोड किया गया था, जबकि अमेज़ॅन ईसी 2 ने सभी अपाचे स्पार्क प्रसंस्करण और परिवर्तन को संभाला था। इसने एक नोड के साथ क्लस्टर रखने की सुविधा प्रदान की, जबकि अमेज़ॅन ईकेएस ऑटो स्केलर गतिशील रूप से तत्काल और किसी भी अतिरिक्त ईसी 2 नोड्स को बूटस्ट्रैप करता है जो नौकरी के लिए आवश्यक थे। जब कार्य पूरा हो गया, तो वे स्वचालित रूप से क्लस्टर ऑटो स्केलर द्वारा हटा दिए गए थे। इस पैटर्न ने टीम को किसी भी क्लस्टर बूटस्ट्रैप क्रिया या स्केलिंग को विकसित करने के लिए आवश्यक कार्यभार का जवाब देने की आवश्यकता को समाप्त कर दिया।

Amazon S3 का उपयोग केंद्रीय डेटा झील के रूप में किया गया था, और डेटा को Apache Parquet (Parquet) प्रारूप में संग्रहीत किया गया था। लकड़ी की छत एक स्तंभ प्रारूप है, जो डेटा पुनर्प्राप्ति को गति देता है और कुशल डेटा संपीड़न प्रदान करता है। Amazon S3 ने Amp के लिए लचीलापन, मापनीयता और सुरक्षा ज़रूरतें प्रदान कीं। Amazon S3 के साथ, Amp टीम एक स्थान पर डेटा संग्रहण को केंद्रीकृत करने में सक्षम थी और AWS के भीतर या बाहर किसी भी सेवा या उपकरण में डेटा तक पहुंच को संघटित करती थी। डेटा लेक को दो S3 बकेट में विभाजित किया गया था: एक कच्चे डेटा अंतर्ग्रहण के लिए और दूसरा रूपांतरित डेटा आउटपुट के लिए। अमेज़ॅन ईएमआर ने कच्चे डेटा से रूपांतरित डेटा में परिवर्तन किया। केंद्रीय डेटा झील के रूप में Amazon S3 के साथ, Amp, Amp और Amazon की अन्य टीमों के साथ डेटा को सुरक्षित रूप से उजागर करने और साझा करने में सक्षम था।

डेटा परिभाषा को सरल बनाने के लिए, टेबल एक्सेस प्रोविजनिंग, और टेबल को जोड़ने और हटाने के लिए, उन्होंने AWS ग्लू क्रॉलर और AWS ग्लू डेटा कैटलॉग का उपयोग किया। क्योंकि Amp एक नई सेवा है और लगातार विकसित हो रही है, इसलिए टीम को डेटा लेक में तालिकाओं को आसानी से परिभाषित करने, एक्सेस करने और प्रबंधित करने के लिए एक तरीके की आवश्यकता थी। क्रॉलर डेटा परिभाषा (स्कीमा परिवर्तन सहित) और तालिकाओं को जोड़ने और हटाने को संभालते हैं, जबकि डेटा कैटलॉग एक एकीकृत मेटाडेटा स्टोर के रूप में कार्य करता है।

बिजनेस इंटेलिजेंस और एनालिटिक्स

निम्नलिखित आरेख बीआई और विश्लेषिकी घटक के लिए वास्तुकला को दर्शाता है।

Amp ने डेटा को S3 डेटा लेक में संग्रहीत करना चुना, न कि डेटा वेयरहाउस में। इसने उन्हें AWS ग्लू डेटा कैटलॉग के माध्यम से एकीकृत तरीके से एक्सेस करने में सक्षम बनाया और डेटा उपभोक्ताओं के लिए अधिक लचीलापन प्रदान किया। इसके परिणामस्वरूप विभिन्न सेवाओं या उपकरणों में तेजी से डेटा पहुंच प्राप्त हुई। अमेज़ॅन एस 3 में डेटा संग्रहीत होने के साथ, इसने डेटा वेयरहाउस इंफ्रास्ट्रक्चर लागत को भी कम कर दिया, क्योंकि लागत गणना प्रकार और संग्रहीत डेटा की मात्रा का एक कार्य है।

RSI अमेज़न रेडशिफ्ट RA3 नोड प्रकार का उपयोग गणना परत के रूप में किया गया था ताकि हितधारकों को Amazon S3 में संग्रहीत डेटा को क्वेरी करने में सक्षम बनाया जा सके। Amazon Redshift RA3 नोड्स स्टोरेज और कंप्यूट को डिकूप करते हैं, और AWS ग्लू डेटा कैटलॉग के माध्यम से एक्सेस पैटर्न के लिए डिज़ाइन किए गए हैं। RA3 नोड्स Amazon Redshift मैनेज्ड स्टोरेज को पेश करते हैं, जो Amazon S3 समर्थित है। इन सुविधाओं के संयोजन ने Amp को क्लस्टरों को सही आकार देने और लागत को कम करते हुए अपने ग्राहकों के लिए बेहतर क्वेरी प्रदर्शन प्रदान करने में सक्षम बनाया।

Amazon Redshift कॉन्फ़िगरेशन को लैम्ब्डा फ़ंक्शन का उपयोग करके स्वचालित किया गया था, जो किसी दिए गए क्लस्टर से जुड़ा था और पैरामीटरयुक्त SQL कथन चलाता था। SQL कथन में स्कीमा, उपयोगकर्ता समूहों और उपयोगकर्ताओं को परिनियोजित करने का तर्क शामिल था, जबकि AWS राज प्रबंधक Amazon Redshift उपयोगकर्ता पासवर्ड को स्वचालित रूप से जेनरेट करने, स्टोर करने और घुमाने के लिए उपयोग किया गया था। अंतर्निहित कॉन्फ़िगरेशन चर में संग्रहीत किया गया था अमेज़ॅन डायनेमोडीबी. लैम्ब्डा फ़ंक्शन ने वेरिएबल्स को पुनः प्राप्त किया और कॉन्फ़िगरेशन को निष्पादित करने के लिए अस्थायी अमेज़ॅन रेडशिफ्ट क्रेडेंशियल्स का अनुरोध किया। इस प्रक्रिया ने एम्प टीम को लगातार तरीके से अमेज़ॅन रेडशिफ्ट क्लस्टर स्थापित करने में सक्षम बनाया।

व्यावसायिक परिणाम

एम्प निम्नलिखित व्यावसायिक परिणामों को प्राप्त करने में सक्षम था:

• व्यापार रिपोर्टिंग - व्यवसाय चलाने के लिए आवश्यक मानक रिपोर्टिंग, जैसे दैनिक फ्लैश रिपोर्ट, समग्र व्यवसाय समीक्षा तंत्र, या परियोजना और कार्यक्रम अपडेट।
• उत्पाद रिपोर्टिंग - प्रमुख उत्पाद KPI और मेट्रिक्स के निरीक्षण या माप को सक्षम करने के लिए आवश्यक विशिष्ट रिपोर्टिंग। इसमें डैशबोर्ड के माध्यम से विज़ुअल रिपोर्ट जैसे मार्केटिंग प्रचार प्रभावशीलता, ऐप सहभागिता मीट्रिक और ट्रेंडिंग शो शामिल थे।
• एमएल प्रयोग - इस डेटा का उपयोग प्रयोगों का समर्थन करने या भविष्यवाणियों और सिफारिशों को उत्पन्न करने के लिए डाउनस्ट्रीम अमेज़ॅन टीमों को सक्षम किया गया। उदाहरण के लिए, व्यक्तिगत शो अनुशंसा सूची, शो वर्गीकरण और सामग्री मॉडरेशन जैसे एमएल प्रयोगों ने एम्प के उपयोगकर्ता प्रतिधारण में मदद की।

प्रमुख लाभ

एक स्केलेबल, किफ़ायती आर्किटेक्चर को लागू करके, Amp निम्नलिखित हासिल करने में सक्षम था:

• सीमित परिचालन जटिलता - उन्होंने एक लचीली प्रणाली का निर्माण किया जो जहाँ भी संभव हो AWS प्रबंधित सेवाओं का उपयोग करती थी।
• डेटा की भाषाओं का प्रयोग करें - एएमपी दो सबसे आम डेटा हेरफेर भाषाओं, पायथन और एसक्यूएल का समर्थन करने में सक्षम था, प्लेटफॉर्म संचालन करने, एमएल प्रयोगों का संचालन करने और विश्लेषण उत्पन्न करने के लिए। इस समर्थन के साथ, एम्प के साथ डेवलपर्स उन भाषाओं का उपयोग करने में सक्षम थे जिनसे वे परिचित थे।
• प्रयोग और माप सक्षम करें - एएमपी ने डेवलपर्स को प्रयोग करने और परिणामों को मापने के लिए आवश्यक डेटासेट को जल्दी से उत्पन्न करने की अनुमति दी। यह एएमपी ग्राहक अनुभव को अनुकूलित करने में मदद करता है।
• सीखने के लिए निर्माण करें लेकिन स्केल करने के लिए डिज़ाइन करें - एएमपी एक नया उत्पाद है जो अपने बाजार को फिट पा रहा है, और प्रतिक्रिया प्राप्त करने के लिए पर्याप्त सुविधाओं के निर्माण पर अपनी प्रारंभिक ऊर्जा को केंद्रित करने में सक्षम था। इसने उन्हें प्रत्येक लॉन्च के साथ सही उत्पाद बाजार की ओर बढ़ने में सक्षम बनाया। वे वृद्धिशील रूप से निर्माण करने में सक्षम थे, लेकिन लंबी अवधि के लिए योजना बना रहे थे।

निष्कर्ष

इस पोस्ट में, हमने देखा कि कैसे Amp ने स्ट्रीमिंग और बैच डेटा स्रोतों से उपयोगकर्ता व्यवहार डेटा का उपयोग करके अपना डेटा एनालिटिक्स प्लेटफ़ॉर्म बनाया। कार्यान्वयन को संचालित करने वाले प्रमुख कारक एक लचीला, स्केलेबल, लागत-कुशल और प्रयास-कुशल डेटा एनालिटिक्स प्लेटफॉर्म प्रदान करने की आवश्यकता थी। विभिन्न एडब्ल्यूएस सेवाओं का मूल्यांकन करते हुए डिजाइन विकल्प बनाए गए थे।

भाग 2 इस श्रृंखला में दिखाया गया है कि हमने इस डेटा का उपयोग कैसे किया और सेजमेकर का उपयोग करके व्यक्तिगत शो अनुशंसा सूची तैयार की।

अगले चरणों के रूप में, हम अनुशंसा करते हैं कि आप अपने डेटा पाइपलाइन सिस्टम के प्रत्येक चरण में गहराई से गोता लगाएँ और ऐसे डिज़ाइन विकल्प चुनें जो आपकी आवश्यकताओं के लिए किफ़ायती और मापनीय हों। अधिक जानकारी के लिए, आप अन्य ग्राहक उपयोग के मामले भी देख सकते हैं एडब्ल्यूएस विश्लेषिकी ब्लॉग.

यदि आपके पास इस पोस्ट के बारे में कोई प्रतिक्रिया है, तो इसे टिप्पणी अनुभाग में सबमिट करें।

---

लेखक के बारे में

ट्यूलिप गुप्ता Amazon वेब सर्विसेज में सॉल्यूशंस आर्किटेक्ट हैं। वह एडब्ल्यूएस पर प्रौद्योगिकी समाधान डिजाइन, निर्माण और तैनात करने के लिए अमेज़ॅन के साथ काम करती है। वह ग्राहकों को एडब्ल्यूएस में समाधान लागू करते समय सर्वोत्तम प्रथाओं को अपनाने में सहायता करती है, और एक विश्लेषिकी और एमएल उत्साही है। अपने खाली समय में, वह तैराकी, लंबी पैदल यात्रा और बोर्ड गेम खेलना पसंद करती है।

डेविड कुओ Amazon वेब सर्विसेज में सॉल्यूशंस आर्किटेक्ट हैं। वह एडब्ल्यूएस ग्राहकों के साथ एडब्ल्यूएस पर प्रौद्योगिकी समाधान डिजाइन, निर्माण और तैनात करने के लिए काम करता है। वह मीडिया और मनोरंजन ग्राहकों के साथ काम करता है और मशीन सीखने की तकनीकों में उसकी रुचि है। अपने खाली समय में, वह सोचता है कि उसे अपने खाली समय का क्या करना चाहिए।

मनोल्या मैककॉर्मिक Amazon पर Amp के लिए सीनियर सॉफ्टवेयर डेवलपमेंट इंजीनियर हैं। वह ग्राहक के सामने आने वाले अनुप्रयोगों की सेवा के लिए AWS का उपयोग करके वितरित सिस्टम का डिज़ाइन और निर्माण करती है। वह खाली समय में नई-नई रेसिपीज़ पढ़ना और खाना बनाना पसंद करती हैं।

जेफ क्रिस्टोफरसेन Amazon पर Amp के सीनियर डेटा इंजीनियर हैं। वह एडब्ल्यूएस पर बिग डेटा सॉल्यूशंस को डिजाइन, निर्माण और तैनात करने के लिए काम करता है जो कार्रवाई योग्य अंतर्दृष्टि प्रदान करता है। वह स्केलेबल और स्वचालित समाधान अपनाने में आंतरिक टीमों की सहायता करता है, और एक विश्लेषिकी और बिग डेटा उत्साही है। अपने खाली समय में, जब वह स्की की एक जोड़ी पर नहीं होता है, तो आप उसे उसकी माउंटेन बाइक पर पा सकते हैं।