يمكن لروبوتات الدردشة الحديثة أن تعمل كوكلاء رقميين، مما يوفر وسيلة جديدة لتقديم خدمة ودعم العملاء على مدار الساعة طوال أيام الأسبوع عبر العديد من الصناعات. تنبع شعبيتها من القدرة على الرد على استفسارات العملاء في الوقت الفعلي والتعامل مع استفسارات متعددة في وقت واحد بلغات مختلفة. توفر Chatbots أيضًا رؤى قيمة تعتمد على البيانات حول سلوك العملاء مع التوسع بسهولة مع نمو قاعدة المستخدمين؛ ولذلك، فإنها تقدم حلاً فعالاً من حيث التكلفة لإشراك العملاء. تستخدم Chatbots إمكانات اللغة الطبيعية المتقدمة لنماذج اللغات الكبيرة (LLMs) للرد على أسئلة العملاء. يمكنهم فهم لغة المحادثة والرد بشكل طبيعي. ومع ذلك، فإن روبوتات الدردشة التي تجيب فقط على الأسئلة الأساسية لها فائدة محدودة. لكي تصبح روبوتات الدردشة مستشارين موثوقين، تحتاج إلى تقديم استجابات مدروسة ومصممة خصيصًا.
تتمثل إحدى طرق تمكين المزيد من المحادثات السياقية في ربط برنامج الدردشة الآلي بقواعد المعرفة الداخلية وأنظمة المعلومات. إن دمج بيانات المؤسسة الخاصة من قواعد المعرفة الداخلية يمكّن روبوتات الدردشة من وضع استجاباتها في سياق الاحتياجات والاهتمامات الفردية لكل مستخدم. على سبيل المثال، يمكن أن يقترح برنامج الدردشة الآلي منتجات تتوافق مع تفضيلات المتسوق والمشتريات السابقة، أو يشرح التفاصيل بلغة تتكيف مع مستوى خبرة المستخدم، أو يقدم دعم الحساب من خلال الوصول إلى السجلات المحددة للعميل. إن القدرة على دمج المعلومات بذكاء، وفهم اللغة الطبيعية، وتقديم ردود مخصصة في تدفق المحادثة، تسمح لروبوتات الدردشة بتقديم قيمة تجارية حقيقية عبر حالات استخدام متنوعة.
النمط المعماري الشعبي ل الجيل المعزز الاسترداد (RAG) غالبًا ما يُستخدم لزيادة سياق استعلام المستخدم واستجاباته. يجمع RAG بين قدرات LLMs والأساس في الحقائق والمعرفة الواقعية التي تأتي من استرجاع النصوص والمقاطع ذات الصلة من مجموعة البيانات. يتم بعد ذلك استخدام هذه النصوص المسترجعة لإعلام المخرجات وتأسيسها، مما يقلل من الهلوسة ويحسن الصلة.
في هذا المنشور، نوضح كيفية تعزيز روبوت الدردشة سياقيًا باستخدام قواعد المعرفة لأمازون بيدروك، خدمة بدون خادم مُدارة بالكامل. تسمح قواعد المعرفة الخاصة بتكامل Amazon Bedrock لبرنامج الدردشة الآلي الخاص بنا بتقديم استجابات أكثر ملاءمة وتخصيصًا من خلال ربط استعلامات المستخدم بنقاط بيانات المعلومات ذات الصلة. داخليا، أمازون بيدروك يستخدم التضمينات المخزنة في قاعدة بيانات متجهة لزيادة سياق استعلام المستخدم في وقت التشغيل وتمكين حل بنية RAG مُدار. نحن نستخدم ال رسائل أمازون للمساهمين مجموعة البيانات لتطوير هذا الحل.
الجيل المعزز الاسترداد
RAG هو أسلوب لتوليد اللغة الطبيعية يتضمن استرجاع المعلومات في عملية الإنشاء. تتضمن بنية RAG مساري عمل رئيسيين: المعالجة المسبقة للبيانات من خلال الاستيعاب، وإنشاء النص باستخدام السياق المحسن.
يستخدم سير عمل استيعاب البيانات LLMs لإنشاء ناقلات التضمين التي تمثل المعنى الدلالي للنصوص. يتم إنشاء التضمينات للمستندات وأسئلة المستخدم. يتم تقسيم تضمينات المستند إلى أجزاء وتخزينها كفهارس في قاعدة بيانات متجهة. يأخذ سير عمل إنشاء النص بعد ذلك متجه تضمين السؤال ويستخدمه لاسترداد أجزاء المستند الأكثر تشابهًا بناءً على تشابه المتجهات. إنه يعزز المطالبات بهذه الأجزاء ذات الصلة لتوليد إجابة باستخدام LLM. لمزيد من التفاصيل، راجع كتاب تمهيدي عن الجيل المعزز للاسترجاع، والتضمين، وقواعد البيانات المتجهة القسم المعاينة - قم بتوصيل النماذج الأساسية بمصادر بيانات شركتك مع وكلاء Amazon Bedrock.
يوضح الرسم البياني التالي بنية RAG عالية المستوى.
على الرغم من أن بنية RAG تتمتع بالعديد من المزايا، إلا أنها تتضمن مكونات متعددة، بما في ذلك قاعدة البيانات، وآلية الاسترجاع، والنموذج الموجه، والنموذج التوليدي. يمكن أن تؤدي إدارة هذه الأجزاء المترابطة إلى تعقيدات في تطوير النظام ونشره. يتطلب تكامل الاسترجاع والتوليد أيضًا جهدًا هندسيًا إضافيًا وموارد حسابية. توفر بعض المكتبات مفتوحة المصدر أغلفة لتقليل هذا الحمل؛ ومع ذلك، يمكن أن تؤدي التغييرات التي يتم إجراؤها على المكتبات إلى حدوث أخطاء وإضافة حمل إضافي للإصدارات. حتى مع المكتبات مفتوحة المصدر، يلزم بذل جهد كبير لكتابة التعليمات البرمجية وتحديد الحجم الأمثل للقطعة وإنشاء عمليات التضمين والمزيد. يمكن أن يستغرق عمل الإعداد هذا أسابيع اعتمادًا على حجم البيانات.
لذلك، يمكن للحل المُدار الذي يتعامل مع هذه المهام غير المتمايزة أن يبسط ويسرع عملية تنفيذ وإدارة تطبيقات RAG.
قواعد المعرفة لأمازون بيدروك
تعد قواعد المعرفة لـ Amazon Bedrock خيارًا بدون خادم لإنشاء أنظمة ذكاء اصطناعي قوية للمحادثة باستخدام RAG. وهو يوفر استيعابًا مُدارًا بالكامل للبيانات وسير عمل إنشاء النص.
بالنسبة لاستيعاب البيانات، فإنه يتعامل مع إنشاء وتخزين وإدارة وتحديث تضمينات النص لبيانات المستند في قاعدة بيانات المتجهات تلقائيًا. يقوم بتقسيم المستندات إلى أجزاء يمكن التحكم فيها من أجل استرجاعها بكفاءة. يتم بعد ذلك تحويل الأجزاء إلى تضمينات وكتابتها في فهرس متجه، مع السماح لك برؤية المستندات المصدر عند الإجابة على سؤال.
لإنشاء النص، توفر Amazon Bedrock استرداد وتوليد واجهة برمجة التطبيقات (API) لإنشاء تضمينات لاستعلامات المستخدم، واسترداد الأجزاء ذات الصلة من قاعدة بيانات المتجهات لإنشاء استجابات دقيقة. كما أنه يدعم إسناد المصدر والذاكرة قصيرة المدى اللازمة لتطبيقات RAG.
يمكّنك هذا من التركيز على تطبيقات الأعمال الأساسية لديك ويزيل الأعباء الثقيلة غير المتمايزة.
حل نظرة عامة
يستخدم الحل المقدم في هذا المنشور برنامج chatbot تم إنشاؤه باستخدام انسيابي التطبيق ويتضمن خدمات AWS التالية:
الرسم التخطيطي التالي هو نمط هندسة حل شائع يمكنك استخدامه لدمج أي تطبيق chatbot في قواعد المعرفة لـ Amazon Bedrock.
تتضمن هذه البنية الخطوات التالية:
- يتفاعل المستخدم مع واجهة Chatbot Streamlit ويرسل استعلامًا باللغة الطبيعية
- يؤدي هذا إلى تشغيل وظيفة Lambda، التي تستدعي قواعد المعرفة
RetrieveAndGenerate
واجهة برمجة التطبيقات. داخليًا، تستخدم قواعد المعرفة أمازون تيتان نموذج التضمين وتحويل استعلام المستخدم إلى متجه والعثور على الأجزاء المشابهة لغويًا لاستعلام المستخدم. يتم تعزيز مطالبة المستخدم بالأجزاء التي يتم استردادها من قاعدة المعرفة. يتم بعد ذلك إرسال المطالبة جنبًا إلى جنب مع السياق الإضافي إلى LLM لإنشاء الاستجابة. في هذا الحل نستخدم أنثروبي كلود فوري بصفته LLM الخاص بنا لإنشاء استجابات المستخدم باستخدام سياق إضافي. لاحظ أن هذا الحل مدعوم في المناطق التي يوجد بها Anthropic Claude في Amazon Bedrock متاح. - يتم إرسال الاستجابة ذات الصلة بالسياق مرة أخرى إلى تطبيق chatbot والمستخدم.
المتطلبات الأساسية المسبقة
يحتاج مستخدمو Amazon Bedrock إلى طلب الوصول إلى نماذج الأساس قبل أن تكون متاحة للاستخدام. هذا إجراء لمرة واحدة ويستغرق أقل من دقيقة. بالنسبة لهذا الحل، ستحتاج إلى تمكين الوصول إلى نموذج Titan Embeddings G1 – Text and Claude Instant – v1.2 في Amazon Bedrock. لمزيد من المعلومات، راجع الوصول إلى النموذج.
استنساخ GitHub repo
الحل المقدم في هذا المنشور متاح في ما يلي جيثب ريبو. تحتاج إلى استنساخ مستودع GitHub على جهازك المحلي. افتح نافذة طرفية وقم بتشغيل الأمر التالي. لاحظ أن هذا أمر واحد لاستنساخ git.
قم بتحميل مجموعة البيانات المعرفية الخاصة بك إلى Amazon S3
نقوم بتنزيل مجموعة البيانات الخاصة بقاعدة المعرفة الخاصة بنا ونقوم بتحميلها في حاوية S3. ستعمل مجموعة البيانات هذه على تغذية قاعدة المعرفة وتعزيزها. أكمل الخطوات التالية:
- انتقل إلى التقارير السنوية والتوكيلات وخطابات المساهمين مستودع البيانات وتنزيل خطابات المساهمين في أمازون في السنوات القليلة الماضية.
- في وحدة تحكم Amazon S3 ، اختر الدلاء في جزء التنقل.
- اختار إنشاء دلو.
- قم بتسمية الدلو
knowledgebase-<your-awsaccount-number>
. - اترك جميع إعدادات المجموعة الأخرى كإعداد افتراضي واختر إنشاء.
- انتقل إلى
knowledgebase-<your-awsaccount-number>
دلو. - اختار إنشاء مجلد وتسميتها مجموعة البيانات.
- اترك جميع إعدادات المجلد الأخرى كإعداد افتراضي واختر إنشاء.
- انتقل مرة أخرى إلى منزل الجرافة واختر إنشاء مجلد لإنشاء مجلد جديد وتسميته
lambdalayer
. - اترك جميع الإعدادات الأخرى كإعدادات افتراضية واختر إنشاء.
- انتقل إلى
dataset
المجلد. - قم بتحميل التقارير السنوية والوكلاء وملفات مجموعة بيانات خطابات المساهمين التي قمت بتنزيلها مسبقًا إلى هذه المجموعة واختر تحميل.
- انتقل إلى
lambdalayer
المجلد. - تحميل
knowledgebase-lambdalayer.zip
الملف متاح تحت/lambda/layer
المجلد الموجود في GitHub repo الذي قمت باستنساخه مسبقًا واختر تحميل. ستستخدم رمز طبقة Lambda هذا لاحقًا لإنشاء وظيفة Lambda.
إنشاء قاعدة معرفية
في هذه الخطوة، نقوم بإنشاء قاعدة معرفية باستخدام مجموعة بيانات خطابات المساهمين في Amazon التي قمنا بتحميلها إلى حاوية S3 الخاصة بنا في الخطوة السابقة.
- على وحدة تحكم Amazon Bedrock، أسفل تزامن في جزء التنقل ، اختر قاعدة المعرفة.
- اختار إنشاء قاعدة المعرفة.
- في مجلة تفاصيل قاعدة المعرفة القسم، أدخل اسمًا ووصفًا اختياريًا.
- في مجلة أذونات IAM القسم، حدد إنشاء دور خدمة جديد واستخدامه وأدخل اسمًا للدور.
- أضف العلامات حسب الحاجة.
- اختار التالى.
- يترك اسم مصدر البيانات كالاسم الافتراضي.
- في حالة S3 URI، اختر تصفح S3 لاختيار دلو S3
knowledgebase-<your-account-number>/dataset/
.تحتاج إلى الإشارة إلى مجلد الحاوية ومجموعة البيانات الذي قمت بإنشائه في الخطوات السابقة. - في مجلة الإعدادات المتقدمة القسم، اترك القيم الافتراضية (إذا كنت تريد، يمكنك تغيير استراتيجية القطع الافتراضية وتحديد حجم القطعة والتراكب بالنسبة المئوية).
- اختار التالى.
- في حالة نموذج التضمين، حدد تيتان التضمين G1 – النص.
- في حالة قاعدة بيانات المتجهات، يمكنك إما الاختيار إنشاء متجر ناقلات جديد بسرعة or اختر متجر المتجهات الذي قمت بإنشائه. لاحظ أنه لاستخدام متجر المتجهات الذي تختاره، يجب أن يكون لديك متجر متجهات تم تكوينه مسبقًا للاستخدام. نحن ندعم حاليًا أربعة أنواع من محركات المتجهات: المحرك المتجه لـ Amazon OpenSearch Serverless، وAmazon Aurora، وPinecone، وRedis Enterprise Cloud. بالنسبة لهذا المنشور، نحدد إنشاء سريع لمتجر متجهات جديد، والذي يقوم افتراضيًا بإنشاء متجر OpenSearch Serverless جديد للمتجهات في حسابك.
- اختار التالى.
- على مراجعة وإنشاء الصفحة، قم بمراجعة كافة المعلومات، أو اختر السابق لتعديل أي خيارات.
- اختار إنشاء قاعدة المعرفة.لاحظ أن عملية إنشاء قاعدة المعرفة تبدأ وأن الحالة قيد التقدم. سيستغرق إنشاء مخزن المتجهات وقاعدة المعرفة بضع دقائق. لا تنتقل بعيدًا عن الصفحة، وإلا فسيفشل الإنشاء.
- عندما تكون حالة قاعدة المعرفة في
Ready
الحالة، قم بتدوين معرف قاعدة المعرفة. سوف تستخدمه في الخطوات التالية لتكوين وظيفة Lambda. - الآن بعد أن أصبحت قاعدة المعرفة جاهزة، نحتاج إلى مزامنة بيانات رسائل المساهمين في Amazon معها. في ال مصدر البيانات قسم من صفحة تفاصيل قاعدة المعرفة، اختر مزامنة لبدء عملية استيعاب البيانات من حاوية S3 إلى قاعدة المعرفة.
تقوم عملية المزامنة هذه بتقسيم ملفات المستندات إلى أجزاء أصغر من حجم القطعة المحدد مسبقًا، وإنشاء عمليات تضمين متجهة باستخدام نموذج تضمين النص المحدد، وتخزينها في متجر المتجهات المُدار بواسطة Knowledge Bases لـ Amazon Bedrock.
عند اكتمال مزامنة مجموعة البيانات، ستتغير حالة مصدر البيانات إلى Ready
ولاية. لاحظ أنه إذا قمت بإضافة أي مستندات إضافية في مجلد بيانات S3، فستحتاج إلى إعادة مزامنة قاعدة المعرفة.
تهانينا، قاعدة المعرفة الخاصة بك جاهزة.
لاحظ أنه يمكنك أيضًا استخدام قواعد المعرفة لواجهات برمجة تطبيقات خدمة Amazon Bedrock و واجهة سطر الأوامر AWS (AWS CLI) لإنشاء قاعدة معرفية برمجيًا. سوف تحتاج إلى تشغيل أقسام مختلفة من دفتر Jupyter المتوفر ضمن /notebook
المجلد في جيثب الريبو.
إنشاء دالة لامدا
يتم نشر وظيفة Lambda هذه باستخدام تكوين سحابة AWS القالب متاح في GitHub repo ضمن /cfn
مجلد. يتطلب القالب معلمتين: اسم مجموعة S3 ومعرف قاعدة المعرفة.
- في الصفحة الرئيسية لخدمة AWS CloudFormation، اختر إنشاء مكدس لإنشاء مكدس جديد.
- أختار النموذج جاهز For تحضير القالب.
- أختار قم بتحميل ملف القالب For مصدر النموذج.
- اختار اختر ملف، انتقل إلى GitHub repo الذي قمت باستنساخه مسبقًا، واختر ملف .yaml ضمن ملف
/cfn
المجلد. - اختار التالى.
- في حالة اسم المكدس، إدخال اسم.
- في مجلة المعلمات القسم، أدخل معرف قاعدة المعرفة واسم حاوية S3 الذي قمت بتدوينه مسبقًا.
- اختار التالى.
- اترك جميع الخيارات الافتراضية كما هي، اختر التالى، و اختار تسجيل.
- تحقق من تشغيل قالب CloudFormation بنجاح، ومن عدم وجود أخطاء.
تهانينا، لقد قمت بإنشاء وظيفة Lambda والأدوار والسياسات ذات الصلة بنجاح.
اختبار تطبيق chatbot السياقي
لاختبار تطبيق chatbot الخاص بك، أكمل الخطوات التالية:
- افتح محطة جديدة أو نافذة سطر الأوامر على جهازك.
- قم بتشغيل الأمر التالي لتثبيت AWS SDK لـ Python (Boto3). يجعل Boto3 من السهل دمج تطبيق أو مكتبة أو برنامج Python مع خدمات AWS.
- قم بتشغيل الأمر التالي لتثبيت وإعداد بيئة تطوير Python محلية لتشغيل تطبيق Streamlit:
- انتقل إلى
/streamlit
المجلد الموجود في مجلد مستودع GitHub الذي قمت باستنساخه مسبقًا. - قم بتشغيل الأمر التالي لإنشاء مثيل لتطبيق chatbot:
سيؤدي هذا إلى فتح تطبيق دردشة على الويب مدعوم من Streamlit في متصفح الويب الافتراضي لديك.
- استخدم تطبيق Streamlit chatbot هذا لنشر أسئلة باللغة الطبيعية لبدء المحادثات التي تدعمها قواعد المعرفة لـ Amazon Bedrock.
عند إرسال مطالبة، يقوم تطبيق Streamlit بتشغيل وظيفة Lambda، التي تستدعي قواعد المعرفة RetrieveAndGenerate
واجهة برمجة التطبيقات للبحث وإنشاء الاستجابات.
يتضمن الجدول التالي بعض نماذج الأسئلة وإجابات قاعدة المعرفة ذات الصلة. جرب بعض هذه الأسئلة باستخدام المطالبات.
الأسئلة المتكررة | الأجوبة |
ماذا تفعل أمازون في مجال الذكاء الاصطناعي التوليدي؟ | تعمل أمازون على نماذج اللغات الكبيرة الخاصة بها (LLMs) للذكاء الاصطناعي التوليدي، وتعتقد أنها ستغير تجربة كل عميل وتحسنها. إنهم يخططون لمواصلة الاستثمار بشكل كبير في هذه النماذج عبر جميع تجارب المستهلكين والبائعين والعلامات التجارية ومنشئي المحتوى. |
ما هي إيرادات AWS السنوية في عام 2022؟ | نمت إيرادات AWS بنسبة 29٪ على أساس سنوي في عام 2022 على قاعدة إيرادات تبلغ 62 مليار دولار. |
كم عدد الأيام التي طلبت فيها أمازون من موظفيها الحضور للعمل في المكتب؟ | طلبت أمازون من موظفي الشركة العودة إلى مكاتبهم ثلاثة أيام على الأقل في الأسبوع بدءًا من مايو 2022. |
ما هي النسبة المئوية لنمو إيرادات AWS على أساس سنوي في عام 2022؟ | حققت AWS إيرادات بنسبة 29٪ على أساس سنوي ('YoY') في عام 2022. |
بالمقارنة مع معالجات Graviton2، ما هو تحسين الأداء الذي قدمته شرائح Graviton3 وفقًا للمقطع؟ | في عام 2022، قامت AWS بتسليم شرائح Graviton3 الخاصة بها، مما يوفر أداءً أفضل بنسبة 25% من معالجات Graviton2. |
ما هي أول شريحة استدلال أطلقتها AWS وفقًا للمقطع؟ | أطلقت AWS أول شرائح الاستدلال الخاصة بها ("Inferentia") في عام 2019، وقد وفرت لشركات مثل Amazon أكثر من مائة مليون دولار من النفقات الرأسمالية. |
بحسب السياق، في أي عام زادت إيرادات أمازون السنوية من 245 مليار دولار إلى 434 مليار دولار؟ | ارتفعت إيرادات أمازون السنوية من 245 مليار دولار في عام 2019 إلى 434 مليار دولار في عام 2022. |
أخبرني مرة أخرى ما هي الإيرادات في عام 2019؟ | بلغت إيرادات أمازون في عام 2019 245 مليار دولار. |
و2021؟ | وبلغت إيرادات أمازون في عام 2021 469.8 مليار دولار، بزيادة قدرها 22% عن عام 2020. |
وذكّرني مرة أخرى متى تم إطلاق أول شريحة استدلال؟ | أول شريحة استدلال من أمازون كانت Inferentia، والتي تم إطلاقها في عام 2019. |
أثناء المكالمة الأولى لوظيفة Lambda، سيتم تشغيل RetrieveAndGenerate
ترجع واجهة برمجة التطبيقات (API) أ sessionId
، والتي يتم تمريرها بعد ذلك بواسطة تطبيق Streamlit مع مطالبة المستخدم اللاحقة كمدخل إلى RetrieveAndGenerate API لمواصلة المحادثة في نفس الجلسة. ال RetrieveAndGenerate
تدير واجهة برمجة التطبيقات (API) الذاكرة قصيرة المدى وتستخدم سجل الدردشة طالما تم تمرير معرف الجلسة نفسه كمدخل في المكالمات المتعاقبة.
تهانينا، لقد نجحت في إنشاء واختبار تطبيق chatbot باستخدام قواعد المعرفة لـ Amazon Bedrock.
تنظيف
سيؤدي الفشل في حذف الموارد مثل مجموعة S3 ومجموعة OpenSearch Serverless وقاعدة المعرفة إلى فرض رسوم. لتنظيف هذه الموارد، احذف مكدس CloudFormation، واحذف حاوية S3 (بما في ذلك أي مجلدات وملفات مخزنة في تلك الحاوية)، واحذف مجموعة OpenSearch Serverless، واحذف قاعدة المعرفة، واحذف أي أدوار وسياسات وأذونات تريدها تم إنشاؤها في وقت سابق.
وفي الختام
في هذا المنشور، قدمنا نظرة عامة على برامج الدردشة السياقية وشرحنا سبب أهميتها. وصفنا التعقيدات التي ينطوي عليها استيعاب البيانات وسير عمل إنشاء النص لبنية RAG. قدمنا بعد ذلك كيف تقوم قواعد المعرفة الخاصة بـ Amazon Bedrock بإنشاء نظام RAG بدون خادم مُدار بالكامل، بما في ذلك متجر المتجهات. وأخيرًا، قدمنا بنية الحل ونموذج التعليمات البرمجية في ملف جيثب ريبو لاسترداد وإنشاء استجابات سياقية لتطبيق chatbot باستخدام قاعدة المعرفة.
من خلال شرح قيمة روبوتات الدردشة السياقية، وتحديات أنظمة RAG، وكيف تعالج قواعد المعرفة لـ Amazon Bedrock هذه التحديات، يهدف هذا المنشور إلى عرض كيف تمكنك Amazon Bedrock من إنشاء تطبيقات الذكاء الاصطناعي للمحادثة المتطورة بأقل جهد.
لمزيد من المعلومات، راجع دليل مطور أمازون بيدروك و واجهات برمجة التطبيقات لقاعدة المعرفة.
حول المؤلف
مانيش تشوغ هو مهندس الحلول الرئيسي في AWS ومقرها في سان فرانسيسكو، كاليفورنيا. وهو متخصص في التعلم الآلي والذكاء الاصطناعي التوليدي. وهو يعمل مع مؤسسات تتراوح من المؤسسات الكبيرة إلى الشركات الناشئة في مراحلها المبكرة على المشكلات المتعلقة بالتعلم الآلي. يتضمن دوره مساعدة هذه المؤسسات على تصميم أعباء عمل قابلة للتطوير وآمنة وفعالة من حيث التكلفة على AWS. يقدم بانتظام في مؤتمرات AWS والأحداث الشريكة الأخرى. خارج العمل، يستمتع بالمشي لمسافات طويلة في مسارات إيست باي، وركوب الدراجات على الطرق، ومشاهدة (ولعب) لعبة الكريكيت.
ماني خانوجا هي قائدة تقنية - متخصصون في الذكاء الاصطناعي التوليدي، ومؤلفة كتاب التعلم الآلي التطبيقي والحوسبة عالية الأداء على AWS، وعضو مجلس إدارة مجلس إدارة مؤسسة المرأة في تعليم التصنيع. تقود مشاريع التعلم الآلي في مجالات مختلفة مثل رؤية الكمبيوتر ومعالجة اللغة الطبيعية والذكاء الاصطناعي التوليدي. وهي تتحدث في مؤتمرات داخلية وخارجية مثل AWS re:Invent وWomen in Manufacturing West وندوات عبر الإنترنت على YouTube وGHC 23. وفي أوقات فراغها، تحب الذهاب لمسافات طويلة على طول الشاطئ.
بالافي نارغوند هو مهندس الحلول الرئيسي في AWS. ومن خلال دورها كعامل تمكين للتكنولوجيا السحابية، تعمل مع العملاء لفهم أهدافهم وتحدياتهم، وتقدم إرشادات إرشادية لتحقيق هدفهم من خلال عروض AWS. إنها شغوفة بالمرأة في مجال التكنولوجيا وهي عضو أساسي في Women in AI/ML في Amazon. وهي تتحدث في مؤتمرات داخلية وخارجية مثل AWS re:Invent وAWS Summits والندوات عبر الإنترنت. خارج العمل تستمتع بالعمل التطوعي والبستنة وركوب الدراجات والمشي لمسافات طويلة.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://aws.amazon.com/blogs/machine-learning/build-a-contextual-chatbot-application-using-knowledge-bases-for-amazon-bedrock/
- :لديها
- :يكون
- :أين
- $ UP
- 100
- 125
- 2019
- 2020
- 2021
- 2022
- 23
- 27
- 500
- 7
- 8
- 9
- a
- القدرة
- من نحن
- تسريع
- الوصول
- الوصول
- وفقا
- حسابي
- دقيق
- التأهيل
- في
- اكشن
- تضيف
- إضافي
- عناوين
- متقدم
- مزايا
- المستشارين
- مرة أخرى
- عملاء
- AI
- أنظمة الذكاء الاصطناعي
- AI / ML
- تهدف
- الكل
- السماح
- يسمح
- وحده
- على طول
- جنبا إلى جنب
- أيضا
- أمازون
- أمازون ويب سيرفيسز
- an
- و
- سنوي
- الدخل السنوي
- إجابة
- الإجابة
- أنثروبي
- أي وقت
- API
- واجهات برمجة التطبيقات
- التطبيق
- تطبيق
- التطبيقات
- تطبيقي
- نهج
- هندسة معمارية
- هي
- AS
- At
- زيادة
- المعزز
- الزيادات
- فجر
- المؤلفة
- تلقائيا
- متاح
- رقم الجادة
- بعيدا
- AWS
- تكوين سحابة AWS
- AWS إعادة: اختراع
- الى الخلف
- قاعدة
- على أساس
- الأساسية
- خليج
- شاطئ
- أصبح
- كان
- قبل
- البداية
- يبدأ
- سلوك
- يعتقد
- أفضل
- مليار
- مجلس
- مجلس إدارة
- كتاب
- العلامة تجارية
- المتصفح
- نساعدك في بناء
- الأعمال
- تطبيقات الأعمال
- by
- CA
- دعوة
- دعوات
- CAN
- قدرات
- الموارد
- الحالات
- CD
- التحديات
- تغيير
- التغييرات
- اسعارنا محددة من قبل وزارة العمل
- الدردشة
- chatbot
- chatbots
- الدفع
- رقاقة
- شيبس
- خيار
- اختار
- نظيف
- المبادرة القطرية
- سحابة
- تكنولوجيا السحابة
- الكود
- مجموعة شتاء XNUMX
- يجمع بين
- تأتي
- يأتي
- مشترك
- الشركات
- حول الشركة
- إكمال
- التعقيدات
- مكونات
- الحسابية
- الكمبيوتر
- رؤية الكمبيوتر
- الحوسبة
- المؤتمرات
- التواصل
- كنسولات
- مستهلك
- سياق الكلام
- قريني
- تأطير
- استمر
- محادثة
- تحادثي
- محادثة منظمة العفو الدولية
- المحادثات
- تحويلها
- جوهر
- منظمة
- فعاله من حيث التكلفه
- استطاع
- خلق
- خلق
- يخلق
- خلق
- خلق
- الخالق
- كريكيت
- حاليا
- زبون
- سلوك العملاء
- تجربة العملاء
- خدمة العملاء
- العملاء
- حسب الطلب
- البيانات
- نقاط البيانات
- تعتمد على البيانات
- قاعدة البيانات
- أيام
- الترتيب
- نقل
- تم التوصيل
- تقديم
- اعتمادا
- نشر
- نشر
- وصف
- وصف
- تفاصيل
- حدد
- تطوير
- المطور
- التطوير التجاري
- رسم بياني
- فعل
- مختلف
- رقمي
- الإدارة
- عدة
- وثيقة
- وثائق
- فعل
- دولار
- المجالات
- لا
- إلى أسفل
- بإمكانك تحميله
- كل
- في وقت سابق
- مرحلة مبكرة
- الشرق
- التعليم
- فعال
- جهد
- جهد
- إما
- تضمين
- الموظفين
- تمكين
- تمكين
- تمكن
- جذاب
- محرك
- الهندسة
- تعزيز
- تعزيز
- أدخل
- مشروع
- الشركات
- البيئة
- أخطاء
- حتى
- أحداث
- كل
- مثال
- الخبره في مجال الغطس
- خبرة
- خبرة
- شرح
- شرح
- شرح
- خارجي
- حقائق
- يفشلون
- قليل
- حقل
- قم بتقديم
- ملفات
- أخيرا
- ويرى
- الاسم الأول
- تدفق
- تركز
- متابعيك
- في حالة
- دورة تأسيسية
- أربعة
- فرانسيسكو
- مجانًا
- تبدأ من
- تماما
- وظيفة
- g1
- توليد
- يولد
- جيل
- توليدي
- الذكاء الاصطناعي التوليدي
- بوابة
- GitHub جيثب:
- منح
- Go
- الأهداف
- نشأ
- أرض
- النمو
- ينمو
- توجيه
- كان
- مقبض
- مقابض
- يملك
- he
- ثقيل
- رفع أحمال ثقيلة
- مساعدة
- لها
- مرتفع
- رفيع المستوى
- له
- تاريخ
- الصفحة الرئيسية
- كيفية
- لكن
- HTML
- HTTP
- HTTPS
- قنطار
- ID
- if
- توضيح
- يوضح
- تحقيق
- أهمية
- تحسن
- تحسين
- تحسين
- in
- يشمل
- بما فيه
- دمج
- يدمج
- القيمة الاسمية
- زيادة
- مؤشر
- الفهارس
- فرد
- الصناعات
- إعلام
- معلومات
- نظم المعلومات
- إدخال
- استفسارات
- رؤى
- تثبيت
- لحظة
- دمج
- دمج
- التكامل
- يتفاعل
- السريرية
- السطح البيني
- داخلي
- داخليا
- إلى
- تقديم
- أدخلت
- الاستثمار
- يتضرع
- المشاركة
- ينطوي
- IT
- JPG
- القفل
- المعرفة
- لغة
- اللغات
- كبير
- الشركات الكبيرة
- اسم العائلة
- الى وقت لاحق
- أطلقت
- طبقة
- قيادة
- يؤدي
- تعلم
- الأقل
- يترك
- أقل
- خطاب
- مستوى
- المكتبات
- المكتبة
- تجميل
- مثل
- الإعجابات
- محدود
- خط
- ربط
- LLM
- محلي
- طويل
- آلة
- آلة التعلم
- الرئيسية
- يصنع
- التحكم
- تمكن
- يدير
- إدارة
- تصنيع
- كثير
- مباراة
- مايو..
- me
- معنى
- آلية
- عضو
- مكبر الصوت : يدعم، مع دعم ميكروفون مدمج لمنع الضوضاء
- مجرد
- مليون
- مليون دولار
- أدنى
- دقيقة
- دقيقة
- نموذج
- عارضات ازياء
- تعديل
- الأكثر من ذلك
- أكثر
- متعدد
- الاسم
- طبيعي
- معالجة اللغات الطبيعية
- التنقل
- قائمة الإختيارات
- حاجة
- بحاجة
- إحتياجات
- جديد
- التالي
- لا
- بدون اضاءة
- لاحظ
- مفكرة
- وأشار
- موضوعي
- of
- عرض
- عروض
- عروض
- Office
- غالبا
- on
- ONE
- جاكيت
- المصدر المفتوح
- الأمثل
- خيار
- مزيد من الخيارات
- or
- المنظمات
- أخرى
- وإلا
- لنا
- خارج
- الناتج
- في الخارج
- على مدى
- فوق
- نظرة عامة
- الخاصة
- صفحة
- خبز
- المعلمات
- الشريكة
- أجزاء
- مرور
- المقاطع
- مرت
- عاطفي
- الماضي
- نمط
- نسبة مئوية
- أداء
- أذونات
- مخصصه
- خطة
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- لعب
- البوينت
- نقاط
- سياسات الخصوصية والبيع
- الرائج
- شعبية
- منشور
- قوة
- مدعوم
- قوي
- التفضيلات
- يقدم
- قدم
- الهدايا
- سابق
- رئيسي
- مشاكل
- عملية المعالجة
- معالجة
- المعالجات
- المنتجات
- التقدّم
- مشروع ناجح
- مطالبات
- الملكية
- تزود
- المقدمة
- ويوفر
- توفير
- مشتريات
- بايثون
- الاستفسارات
- سؤال
- سؤال
- الأسئلة المتكررة
- سريع
- خرقة
- تتراوح
- RE
- استعداد
- حقيقي
- العالم الحقيقي
- في الوقت الحقيقي
- تسجيل
- تخفيض
- تقليص
- الرجوع
- المناطق
- بانتظام
- ذات صلة
- مدى صلة
- ذات الصلة
- يزيل
- التقارير
- مستودع
- مثل
- طلب
- مطلوب
- يتطلب
- الموارد
- الرد
- استجابة
- ردود
- استرجاع
- عائدات
- إيرادات
- مراجعة
- طريق
- النوع
- الأدوار
- يجري
- يدير
- وقت التشغيل
- نفسه
- عينة
- سان
- سان فرانسيسكو
- تم الحفظ
- تحجيم
- التحجيم
- سيناريو
- الإستراحة
- بحث
- القسم
- أقسام
- تأمين
- انظر تعريف
- حدد
- مختار
- دلالات الألفاظ
- أرسلت
- خدمة
- Serverless
- الخدمة
- خدماتنا
- الجلسة
- طقم
- إعدادات
- الإعداد
- المساهم
- المساهمين
- هي
- المدى القصير
- ينبغي
- عرض
- هام
- مماثل
- معا
- عزباء
- المقاس
- الأصغر
- حل
- الحلول
- بعض
- متطور
- مصدر
- مصادر
- يتحدث
- المتخصصين
- تتخصص
- محدد
- محدد
- انقسم
- الإنشقاقات
- كومة
- بداية
- البدء
- الولايه او المحافظه
- الحالة
- السيقان
- خطوة
- خطوات
- متجر
- تخزين
- فروعنا
- تخزين
- صريح
- الإستراتيجيات
- تبسيط
- تقدم
- لاحق
- جوهريا
- بنجاح
- هذه
- اقترح
- القمم
- الدعم
- مدعومة
- الدعم
- المزامنة.
- نظام
- أنظمة
- جدول
- تناسب
- أخذ
- يأخذ
- المهام
- التكنولوجيا
- تكنولوجيا
- قالب
- محطة
- تجربه بالعربي
- اختبار
- نص
- من
- أن
- •
- المعلومات
- المصدر
- من مشاركة
- منهم
- then
- هناك.
- وبالتالي
- تشبه
- هم
- هؤلاء
- ثلاثة
- عبر
- الوقت
- عملاق
- إلى
- تحول
- يثير
- افضل
- محاولة
- اثنان
- أنواع
- مع
- فهم
- تحديث
- تم التحميل
- تستخدم
- مستعمل
- مستخدم
- المستخدمين
- يستخدم
- استخدام
- سهل حياتك
- v1
- القيمة
- قيمنا
- القيم
- مختلف
- رؤيتنا
- حجم
- تريد
- وكان
- مراقبة
- طريق..
- we
- الويب
- متصفح الويب
- خدمات ويب
- على شبكة الإنترنت
- ويبينار
- أسبوع
- أسابيع
- West Side
- ابحث عن
- متى
- التي
- في حين
- لماذا
- سوف
- نافذة
- مع
- نسائي
- المرأة فى مجال التكنولوجيا
- للعمل
- سير العمل
- سير العمل
- عامل
- أعمال
- اكتب
- اكتب كود
- مكتوب
- يامل
- عام
- سنوات
- أنت
- حل متجر العقارات الشامل الخاص بك في جورجيا
- موقع YouTube
- زفيرنت