In einer vorangegangenen Post, sprachen wir über das Analysieren und Markieren von Assets, die in Veeva Vault PromoMats gespeichert sind, mithilfe von Amazon AI-Diensten und den APIs der Veeva Vault-Plattform. In diesem Beitrag untersuchen wir die Verwendung Amazon App-Flow, ein vollständig verwalteter Integrationsdienst, der es Ihnen ermöglicht, Daten von SaaS-Anwendungen (Software as a Service) wie Veeva Vault sicher an AWS zu übertragen. Das Amazon AppFlow Veeva-Konnektor ermöglicht es Ihnen, Ihre AWS-Umgebung schnell, zuverlässig und kostengünstig mit dem Veeva-Ökosystem zu verbinden, um die in Veeva Vault gespeicherten umfangreichen Inhalte in großem Umfang zu analysieren.
Der Amazon AppFlow Veeva Connector ist der erste Amazon AppFlow Connector, der die automatische Übertragung von Veeva-Dokumente. Sie können zwischen der neuesten Version (der Steady State Version in Veeva-Begriffen) und alle Versionen von Dokumenten. Darüber hinaus können Sie Dokumentmetadaten importieren.
Mit wenigen Klicks können Sie ganz einfach eine verwaltete Verbindung einrichten und die zu importierenden Veeva Vault-Dokumente und -Metadaten auswählen. Sie können das Importverhalten weiter anpassen, indem Sie Quellfelder Zielfeldern zuordnen. Sie können auch Filter basierend auf Dokumenttyp und -untertyp, Klassifizierung, Produkten, Land, Standort und mehr hinzufügen. Schließlich können Sie eine Validierung hinzufügen und On-Demand- und geplante Flow-Auslöser verwalten.
Sie können den Amazon AppFlow Veeva-Konnektor für verschiedene Anwendungsfälle verwenden, von Veeva Vault PromoMats bis hin zu anderen Veeva Vault-Lösungen wie QualityDocs, eTMF oder Regulatory Information Management (RIM). Im Folgenden sind einige der Anwendungsfälle aufgeführt, in denen Sie den Konnektor verwenden können:
- Datensynchronisation – Sie können den Konnektor verwenden, um im Laufe der Zeit Konsistenz und Harmonisierung zwischen Daten aus einem Quell-Veeva Vault und allen nachgelagerten Systemen herzustellen. Beispielsweise können Sie Veeva PromoMats-Marketing-Assets für Salesforce freigeben. Sie können den Konnektor auch verwenden, um Veeva QualityDocs wie Standard Operating Procedures (SOPs) oder Spezifikationen für zwischengespeicherte Websites freizugeben, die von Tablets in der Fertigung durchsucht werden können.
- Erkennung von Anomalien – Sie können Veeva PromoMats-Dokumente teilen Amazon Lookout für Metriken zur Anomalieerkennung. Sie können den Konnektor auch mit Vault RIM in Grafiken, kommerziellen Etiketten, Vorlagen oder Patientenbroschüren verwenden, bevor Sie sie zum Drucken in Etikettenlösungen für Unternehmen wie Loftware importieren.
- Data Lake-Hydratation – Der Konnektor kann ein effektives Werkzeug zum Replizieren strukturierter oder unstrukturierter Daten in Data Lakes sein, um die Erstellung und Hydratation von Data Lakes zu unterstützen. Sie können den Konnektor beispielsweise verwenden, um standardisierte Studieninformationen aus Protokollen zu extrahieren, die in Vault RIM gespeichert sind, und sie nachgelagerten medizinischen Analyseteams zur Verfügung zu stellen.
- Übersetzungen – Der Connector kann nützlich sein, um Grafiken, klinische Dokumente, Marketingmaterialien oder Studienprotokolle zur Übersetzung in Muttersprachen an Abteilungen wie Verpackung, klinische Studien oder behördliche Einreichungen zu senden.
Dieser Beitrag konzentriert sich auf die Verwendung Amazon AI-Dienste in Kombination mit Amazon AppFlow, um in Veeva Vault PromoMats gespeicherte Inhalte zu analysieren, Tag-Informationen automatisch zu extrahieren und diese Informationen schließlich wieder in das Veeva Vault-System einzuspeisen. Der Beitrag erörtert die Gesamtarchitektur, die Schritte zum Bereitstellen einer Lösung und eines Dashboards sowie einen Anwendungsfall für das Tagging von Asset-Metadaten. Weitere Informationen zur Proof-of-Concept-Codebasis für diesen Anwendungsfall finden Sie unter GitHub-Repository.
Lösungsüberblick
Das folgende Diagramm veranschaulicht die aktualisierte Lösungsarchitektur.
Bisher mussten Sie zum Importieren von Assets aus Veeva Vault mithilfe von Ihre eigene benutzerdefinierte Codelogik schreiben Veeva Vault-APIs um nach Änderungen abzufragen und die Daten zu importieren Amazon Simple Storage-Service (Amazon S3). Dies könnte ein manueller, zeitaufwändiger Prozess sein, bei dem Sie API-Einschränkungen, Fehler und Wiederholungen sowie die Skalierbarkeit berücksichtigen mussten, um eine unbegrenzte Anzahl von Assets aufzunehmen. Die aktualisierte Lösung verwendet Amazon AppFlow, um die Komplexität der Verwaltung einer benutzerdefinierten Veeva-zu-Amazon-S3-Datenimport-Pipeline zu beseitigen.
Wie in der Einleitung erwähnt, ist Amazon AppFlow ein benutzerfreundliches Self-Service-Tool ohne Code, das Point-and-Click-Konfigurationen verwendet, um Daten einfach und sicher zwischen verschiedenen SaaS-Anwendungen und AWS-Services zu verschieben. AppFlow ermöglicht es Ihnen, Daten (Objekte und Dokumente) aus unterstützten Quellen abzurufen und diese Daten an verschiedene unterstützte Ziele zu schreiben. Die Quelle oder das Ziel könnte eine SaaS-Anwendung oder ein AWS-Service wie Amazon S3 sein. Amazon RedShift, oder Lookout for metrics. Zusätzlich zur No-Code-Schnittstelle unterstützt Amazon AppFlow die Konfiguration über API, AWS CLI und AWS CloudFormation Schnittstellen.
Ein Flow in Amazon AppFlow beschreibt, wie Daten verschoben werden sollen, einschließlich Quelldetails, Zieldetails, Flow-Auslösebedingungen (bei Bedarf, bei Ereignis oder geplant) und Datenverarbeitungsaufgaben wie Checkpointing, Feldvalidierung oder Maskierung. Bei Auslösung führt Amazon AppFlow einen Flow aus, der die Quelldaten abruft (im Allgemeinen über die öffentlichen APIs der Quellanwendung), Datenverarbeitungsaufgaben ausführt und verarbeitete Daten an das Ziel überträgt.
In diesem Beispiel stellen Sie einen vorkonfigurierten Flow mithilfe einer CloudFormation-Vorlage bereit. Der folgende Screenshot zeigt die vorkonfigurierte veeva-aws-connector
Flow, der automatisch von der Lösungsvorlage in der Amazon AppFlow-Konsole erstellt wird.
Der Flow verwendet Veeva als Quelle und ist so konfiguriert, dass Veeva Vault-Komponentenobjekte importiert werden. Sowohl die Metadaten als auch die Quelldateien sind erforderlich, um die verarbeiteten Assets nachzuverfolgen und Tags auf das richtige entsprechende Asset im Quellsystem zurückzuschieben. In diesem Fall wird nur die neueste Version importiert, und Wiedergabeversionen sind nicht enthalten.
Das Ziel des Flows muss ebenfalls konfiguriert werden. Im folgenden Screenshot definieren wir ein Dateiformat und eine Ordnerstruktur für den S3-Bucket, der als Teil der CloudFormation-Vorlage erstellt wurde.
Schließlich wird der Fluss bei Bedarf zu Demonstrationszwecken ausgelöst. Dies kann so geändert werden, dass der Flow nach einem Zeitplan mit einer maximalen Granularität von 1 Minute ausgeführt wird. Wenn er nach einem Zeitplan ausgelöst wird, ändert sich der Übertragungsmodus automatisch von einer vollständigen Übertragung zu einem inkrementellen Übertragungsmodus. Sie geben ein Quellzeitstempelfeld zum Nachverfolgen der Änderungen an. Für den Tagging-Anwendungsfall haben wir festgestellt, dass die Zuletzt geändertes Datum Einstellung ist am besten geeignet.
Amazon AppFlow wird dann integriert Amazon EventBridge zum Veröffentlichen von Ereignissen, sobald eine Flow-Ausführung abgeschlossen ist.
Für eine bessere Belastbarkeit, die AVAIAppFlowListener
AWS Lambda Funktion ist mit EventBridge verbunden. Wenn ein Amazon AppFlow-Ereignis ausgelöst wird, überprüft es, ob die bestimmte Flow-Ausführung erfolgreich abgeschlossen wurde, liest die Metadateninformationen aller importierten Assets aus dieser bestimmten Flow-Ausführung und überträgt Metadaten einzelner Dokumente in eine Amazon Simple Queue-Dienst (Amazon SQS)-Warteschlange. Die Verwendung von Amazon SQS bietet eine lose Kopplung zwischen den Producer- und Processor-Abschnitten der Architektur und ermöglicht Ihnen außerdem, Änderungen am Processor-Abschnitt bereitzustellen, ohne die eingehenden Updates zu stoppen.
Eine zweite Poller-Funktion (AVAIQueuePoller
) liest die SQS-Warteschlange in regelmäßigen Abständen (minütlich) und verarbeitet die eingehenden Assets. Für eine noch bessere Reaktionszeit der Lambda-Funktion können Sie die CloudWatch-Regel ersetzen, indem Sie Amazon SQS als Auslöser für die Funktion konfigurieren.
Je nach Art der eingehenden Nachricht verwendet die Lösung verschiedene AWS-KI-Services, um Erkenntnisse aus Ihren Daten abzuleiten. Einige Beispiele sind:
- Textdateien - Die Funktion verwendet die Entitäten erkennen Betrieb von Amazon begreifen medizinische, ein Dienst zur Verarbeitung natürlicher Sprache (NLP), der es einfach macht, ML zu verwenden, um relevante medizinische Informationen aus unstrukturiertem Text zu extrahieren. Diese Operation erkennt Entitäten in Kategorien wie
Anatomy
,Medical_Condition
,Medication
,Protected_Health_Information
undTest_Treatment_Procedure
. Die resultierende Ausgabe wird gefiltertProtected_Health_Information
und die verbleibenden Informationen werden zusammen mit den Konfidenzwerten abgeflacht und in eine eingefügt Amazon DynamoDB Tisch. Diese Informationen werden im OpenSearch-Kibana-Cluster dargestellt. In realen Anwendungen können Sie auch das Amazon Comprehend Medical verwenden ICD-10-CM oder RxNorm Funktion zum Verknüpfen der erkannten Informationen mit medizinischen Ontologien, damit nachgeschaltete Gesundheitsanwendungen sie für weitere Analysen verwenden können. - Bilder - Die Funktion verwendet die DetectLabels Methode von Amazon-Anerkennung Etiketten im eingehenden Bild zu erkennen. Diese Labels können als Tags fungieren, um die reichhaltigen Informationen zu identifizieren, die in Ihren Bildern verborgen sind, wie z. B. Informationen über kommerzielle Kunstwerke und klinische Labels. Wenn Etiketten mögen
Human
orPerson
mit einem Konfidenzwert von mehr als 80 % erkannt werden, verwendet der Code die Gesichter erkennen Methode zum Suchen nach wichtigen Gesichtsmerkmalen wie Augen, Nase und Mund, um Gesichter im Eingabebild zu erkennen. Amazon Rekognition liefert all diese Informationen mit einem zugehörigen Konfidenzwert, der abgeflacht und in der DynamoDB-Tabelle gespeichert wird. - Sprachaufnahmen - Für Audio-Assets verwendet der Code die StartTranskriptionJob asynchrone Methode von Amazon Transcribe Um das eingehende Audio in Text umzuwandeln, geben Sie eine eindeutige Kennung als
TranscriptionJobName
. Der Code geht davon aus, dass die Audiosprache Englisch (USA) ist. Sie können sie jedoch so ändern, dass sie mit den Informationen von Veeva Vault verknüpft ist. Der Code ruft die GetTranscriptionJob Methode, die dieselbe eindeutige Kennung wie die übergibtTranscriptionJobName
in einer Schleife, bis der Auftrag abgeschlossen ist. Amazon Transcribe liefert die Ausgabedatei in einem S3-Bucket, der vom Code gelesen und gelöscht wird. Der Code ruft den Textverarbeitungs-Workflow (wie zuvor erläutert) auf, um Entitäten aus transkribiertem Audio zu extrahieren. - Gescannte Dokumente (PDFs) - Ein großer Prozentsatz der Vermögenswerte der Biowissenschaften ist in PDFs dargestellt - dies kann alles sein, von wissenschaftlichen Zeitschriften und Forschungsarbeiten bis hin zu Arzneimitteletiketten. Amazontext ist ein Dienst, der automatisch Text und Daten aus gescannten Dokumenten extrahiert. Der Code verwendet die StartDocumentTextDetection Methode zum Starten eines asynchronen Jobs zum Erkennen von Text im Dokument. Der Code verwendet die
JobId
in der Antwort auf den Anruf zurückgegeben GetDocumentTextDetection in einer Schleife, bis der Auftrag abgeschlossen ist. Die Ausgabe-JSON-Struktur enthält Zeilen und Wörter mit erkanntem Text sowie Konfidenzwerte für jedes identifizierte Element, sodass Sie fundierte Entscheidungen über die Verwendung der Ergebnisse treffen können. Der Code verarbeitet die JSON-Struktur, um den Textklappentext neu zu erstellen, und ruft den Textverarbeitungsworkflow auf, um Entitäten aus dem Text zu extrahieren.
In einer DynamoDB-Tabelle werden alle verarbeiteten Daten gespeichert. Die Lösung verwendet DynamoDB-Streams und Lambda-Trigger (AVAIPopulateES
), um Daten in einen OpenSearch-Kibana-Cluster einzufügen. Die Funktion AVAIPopulateES wird für jeden Aktualisierungs-, Einfügungs- und Löschvorgang ausgeführt, der in der DynamoDB-Tabelle stattfindet, und fügt einen entsprechenden Datensatz in den OpenSearch-Index ein. Sie können diese Aufzeichnungen mit Kibana visualisieren.
Um die Rückkopplungsschleife zu schließen, die AVAICustomFieldPopulator
Lambda-Funktion wurde erstellt. Es wird durch Ereignisse im DynamoDB-Stream der DynamoDB-Metadatentabelle ausgelöst. Für jeden DocumentID
In den DynamoDB-Datensätzen versucht die Funktion, mithilfe der Veeva-API Tag-Informationen in eine vordefinierte benutzerdefinierte Feldeigenschaft des Assets mit der entsprechenden ID in Veeva einzufügen. Um das Einfügen von Rauschen in das benutzerdefinierte Feld zu vermeiden, filtert die Lambda-Funktion alle Tags, die mit einem Konfidenzwert von weniger als 0.9 identifiziert wurden. Fehlgeschlagene Anforderungen werden zur manuellen Überprüfung oder automatischen Wiederholung an eine Warteschlange für unzustellbare Nachrichten (DLQ) weitergeleitet.
Diese Lösung bietet einen serverlosen Pay-as-you-go-Ansatz zum Verarbeiten, Kennzeichnen und Ermöglichen umfassender Suchvorgänge für Ihre digitalen Assets. Darüber hinaus verfügt jede verwaltete Komponente über eine hohe Verfügbarkeit, die durch die automatische Bereitstellung in mehreren Verfügbarkeitszonen integriert wird. Zum Amazon OpenSearch-Dienst (Nachfolger von Amazon Elasticsearch Service) können Sie wählen Drei-AZ-Option um eine bessere Verfügbarkeit für Ihre Domains zu gewährleisten.
Voraussetzungen:
Für diese exemplarische Vorgehensweise sollten Sie die folgenden Voraussetzungen erfüllen:
- An AWS-Konto mit entsprechenden AWS Identity and Access Management and (IAM)-Berechtigungen zum Starten der CloudFormation-Vorlage
- Geeignete Zugangsdaten für eine Veeva Vault PromoMats-Domäne (Domänen-URL, Benutzername und Passwort)
- Ein benutzerdefiniertes Inhalts-Tag, das in Veeva für die digitalen Assets definiert ist, die Sie mit Tags versehen möchten (als Beispiel haben wir das
AutoTags
benutzerdefiniertes Inhalts-Tag) - Digitale Assets im PromoMats-Tresor, auf die mit den vorhergehenden Anmeldeinformationen zugegriffen werden kann
Stellen Sie Ihre Lösung bereit
Sie verwenden einen CloudFormation-Stapel, um die Lösung bereitzustellen. Der Stapel erstellt alle erforderlichen Ressourcen, einschließlich:
- Ein S3-Bucket zum Speichern der eingehenden Assets.
- Ein Amazon AppFlow-Flow zum automatischen Importieren von Assets in den S3-Bucket.
- Eine EventBridge-Regel und eine Lambda-Funktion, um auf die von Amazon AppFlow generierten Ereignisse zu reagieren (
AVAIAppFlowListener
). - Eine SQS-FIFO-Warteschlange als lose Kopplung zwischen der Listener-Funktion (
AVAIAppFlowListener
) und die Poller-Funktion (AVAIQueuePoller
). - Eine DynamoDB-Tabelle zum Speichern der Ausgabe von Amazon AI-Diensten.
- Ein Amazon OpenSearch Kibana (ELK)-Cluster zur Visualisierung der analysierten Tags.
- Eine Lambda-Funktion, um identifizierte Tags in Veeva zurückzuschieben (
AVAICustomFieldPopulator
), mit einem entsprechenden DLQ. - Erforderliche Lambda-Funktionen:
- AVAIAppFlowListener – Ausgelöst durch Ereignisse, die von Amazon AppFlow an EventBridge gesendet werden. Wird für die Flow-Laufvalidierung und das Pushen einer Nachricht an die SQS-Warteschlange verwendet.
- AVAIQueuePoller - Wird alle 1 Minute ausgelöst. Wird zum Abrufen der SQS-Warteschlange, zum Verarbeiten der Assets mithilfe von Amazon AI-Diensten und zum Auffüllen der DynamoDB-Tabelle verwendet.
- AVAIPopulateES - Wird ausgelöst, wenn die DynamoDB-Tabelle aktualisiert, eingefügt oder gelöscht wird. Wird zum Erfassen von Änderungen aus DynamoDB und zum Auffüllen des ELK-Clusters verwendet.
- AVAICustomFieldPopulator – Wird ausgelöst, wenn die DynamoDB-Tabelle aktualisiert, eingefügt oder gelöscht wird. Wird verwendet, um Tag-Informationen an Veeva zurückzusenden.
- Das Amazon CloudWatch-Ereignisse Regeln, die die auslösen
AVAIQueuePoller
Funktion. Diese Auslöser sind in derDISABLED
Staat standardmäßig. - Erforderliche IAM-Rollen und -Richtlinien für die Interaktion mit EventBridge und den KI-Diensten in eingeschränkter Weise.
Führen Sie zunächst die folgenden Schritte aus:
- Melden Sie sich bei der an AWS-Managementkonsole mit einem Konto, das über die erforderlichen IAM-Berechtigungen verfügt.
- Auswählen
Stack starten und öffnen Sie es auf einer neuen Registerkarte:
- Auf dem Stapel erstellen Seite wählen Weiter.
- Auf dem Geben Sie die Stapeldetails an Geben Sie auf der Seite einen Namen für den Stapel ein.
- Geben Sie Werte für die Parameter ein.
- Auswählen Weiter.
- Auf dem Konfigurieren Sie die Stapeloptionen Seite, lassen Sie alles als Standard und wählen Sie Weiter.
- Auf dem Bewertung Seite, in der Fähigkeiten und Transformationen Aktivieren Sie im Abschnitt die drei Kontrollkästchen.
- Auswählen Stapel erstellen.
- Warten Sie, bis der Stack abgeschlossen ist. Sie können verschiedene Ereignisse aus dem Stack-Erstellungsprozess auf der untersuchen Events Tab.
- Nachdem die Stapelerstellung abgeschlossen ist, können Sie sich die ansehen Downloads Klicken Sie auf die Registerkarte, um alle Ressourcen anzuzeigen, die von der CloudFormation-Vorlage erstellt wurden.
- Auf dem Ausgänge Kopieren Sie auf der Registerkarte den Wert von
ESDomainAccessPrincipal
.
Dies ist die ARN der IAM-Rolle, die die AVAIPopulateES
Funktion übernimmt. Sie verwenden es später, um den Zugriff auf die Amazon OpenSearch Service-Domäne zu konfigurieren.
Richten Sie Amazon OpenSearch Service und Kibana ein
Dieser Abschnitt führt Sie durch die Sicherung Ihres Amazon OpenSearch Service-Clusters und die Installation eines lokalen Proxys für den sicheren Zugriff auf Kibana.
- Wählen Sie in der Amazon OpenSearch Service-Konsole die Domäne aus, die von der Vorlage erstellt wurde.
- Auf dem Aktionen Menü, wählen Sie Ändern Sie die Zugriffsrichtlinie.
- Aussichten für Domänenzugriffsrichtlinie, wählen Benutzerdefinierte Zugriffsrichtlinie.
- Im Die Zugriffsrichtlinie wird gelöscht Popup-Fenster, wählen Sie Löschen und fortfahren.
- Konfigurieren Sie auf der nächsten Seite die folgenden Anweisungen, um den Zugriff auf die Amazon OpenSearch Service-Domäne zu sperren:
- IPv4-Adresse zulassen - Ihre IP-Adresse.
- Erlaube IAM ARN - Der Wert von
ESDomainAccessPrincipal
Sie haben früher kopiert.
- Auswählen Absenden.
Dadurch wird eine Zugriffsrichtlinie erstellt, die Zugriff auf die AVAIPopulateES-Funktion und Kibana-Zugriff von Ihrer IP-Adresse gewährt. Weitere Informationen zum Einschränken Ihrer Zugriffsrichtlinie finden Sie unter Zugriffsrichtlinien konfigurieren.
- Warten Sie, bis der Domain-Status als angezeigt wird
Active
. - Auf der Amazon EventBridge-Konsole unter Events, wählen Regeln. Sie können zwei Regeln sehen, die die CloudFormation-Vorlage erstellt hat.
- Wähle aus
AVAIQueuePollerSchedule
Regel und aktivieren Sie sie durch Anklicken Ermöglichen.
In 5–8 Minuten sollten die Daten einfließen und Entitäten im Amazon OpenSearch Service-Cluster erstellt werden. Sie können diese Entitäten jetzt in Kibana visualisieren. Dazu verwenden Sie einen Open-Source-Proxy namens aws-es-kibana. Geben Sie den folgenden Code ein, um den Proxy auf Ihrem Computer zu installieren:
aws-es-kibana your_OpenSearch_domain_endpoint
Sie finden den Domain-Endpunkt auf der Ausgänge Registerkarte des CloudFormation-Stacks unter ESDomainEndPoint
. Sie sollten die folgende Ausgabe sehen:
Erstellen Sie Visualisierungen und analysieren Sie markierte Inhalte
Bitte beachten Sie das Original Blogeintrag.
Aufräumen
Um zukünftige Gebühren zu vermeiden, löschen Sie die Ressourcen, wenn sie nicht verwendet werden. Sie können alle Ressourcen einfach löschen, indem Sie den zugehörigen CloudFormation-Stack löschen. Beachten Sie, dass Sie die erstellten S3-Content-Buckets leeren müssen, damit der Stack erfolgreich gelöscht werden kann.
Zusammenfassung
In diesem Beitrag haben wir gezeigt, wie Sie Amazon AI-Dienste in Kombination mit Amazon AppFlow verwenden können, um die Funktionalität von Veeva Vault PromoMats zu erweitern und schnell und einfach wertvolle Informationen zu extrahieren. Mit dem integrierten Loopback-Mechanismus können Sie die Tags wieder in Veeva Vault aktualisieren und die automatische Tag-Kennzeichnung Ihrer Assets aktivieren. Dies erleichtert Ihrem Team das schnelle Finden und Auffinden von Assets.
Obwohl kein ML-Ergebnis perfekt ist, kann es der menschlichen Leistung sehr nahe kommen und dazu beitragen, einen erheblichen Teil der Bemühungen Ihres Teams auszugleichen. Sie können diese zusätzliche Kapazität für wertschöpfende Aufgaben nutzen, während Sie eine kleine Kapazität für die Überprüfung der Ausgabe der ML-Lösung bereitstellen. Diese Lösung kann auch dazu beitragen, Kosten zu optimieren, Tagging-Konsistenz zu erreichen und eine schnelle Erkennung vorhandener Assets zu ermöglichen.
Schließlich können Sie das Eigentum an Ihren Daten behalten und auswählen, welche AWS-Services den Inhalt verarbeiten, speichern und hosten können. AWS greift ohne Ihre Zustimmung nicht auf Ihre Inhalte zu oder verwendet sie für keinen Zweck und verwendet Kundendaten niemals, um Informationen für Marketing oder Werbung abzuleiten. Weitere Informationen finden Sie unter FAQ zum Datenschutz.
Sie können die Funktionalität dieser Lösung auch durch zusätzliche Erweiterungen erweitern. Zusätzlich zu den KI- und ML-Diensten in diesem Beitrag können Sie beispielsweise ganz einfach jedes Ihrer benutzerdefinierten ML-Modelle hinzufügen, die mit erstellt wurden Amazon Sage Maker zur Architektur.
Wenn Sie daran interessiert sind, weitere Anwendungsfälle für Veeva und AWS zu erkunden, wenden Sie sich bitte an Ihr AWS-Kontoteam.
Veeva Systems hat diesen Inhalt überprüft und genehmigt. Bei weiteren Fragen zu Veeva Vault wenden Sie sich bitte an Veeva-Unterstützung.
Über die Autoren
Mayank Thakkar ist Head of AI/ML Business Development, Global Healthcare and Life Sciences bei AWS. Er verfügt über mehr als 18 Jahre Erfahrung in verschiedenen Branchen wie Gesundheitswesen, Biowissenschaften, Versicherungen und Einzelhandel und ist spezialisiert auf die Entwicklung von serverlosen, auf künstlicher Intelligenz und auf maschinellem Lernen basierenden Lösungen zur Lösung realer Branchenprobleme. Bei AWS arbeitet er eng mit großen Pharmaunternehmen auf der ganzen Welt zusammen, um innovative Lösungen zu entwickeln und sie auf ihrem Weg in die Cloud zu unterstützen. Abgesehen von der Arbeit ist Mayank zusammen mit seiner Frau damit beschäftigt, zwei energische und schelmische Jungen, Aaryan (6) und Kiaan (4), großzuziehen, während er versucht, das Haus vor dem Abbrennen oder Überschwemmen zu bewahren!
Anamaria Todor ist ein Senior Solutions Architect mit Sitz in Kopenhagen, Dänemark. Ihren ersten Computer sah sie im Alter von 4 Jahren und ließ Informatik und Ingenieurwesen seitdem nie mehr los. Sie hat in verschiedenen technischen Positionen bei verschiedenen dänischen Unternehmen gearbeitet, von der Full-Stack-Entwicklerin bis hin zur Dateningenieurin, technischen Leiterin und CTO. Anamaria hat einen Bachelor-Abschluss in Angewandtem Ingenieurwesen und Informatik, einen Master-Abschluss in Informatik und über 10 Jahre praktische AWS-Erfahrung. Bei AWS arbeitet sie eng mit Gesundheits- und Life-Science-Unternehmen im Enterprise-Segment zusammen. Wenn sie nicht arbeitet oder Videospiele spielt, coacht sie Mädchen und weibliche Fachkräfte darin, ihren Weg durch Technologie zu verstehen und zu finden.
- Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
- Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
- CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
- Quelle: https://aws.amazon.com/blogs/machine-learning/analyze-and-tag-assets-stored-in-veeva-vault-promomats-using-amazon-appflow-and-amazon-ai-services/
- "
- 10
- 100
- 7
- 9
- a
- Über uns
- ABSTRACT
- Zugang
- zugänglich
- unterbringen
- Konto
- Erreichen
- über
- Handlung
- Zusatz
- Zusätzliche
- Adresse
- Marketings
- AI
- KI-Dienste
- Alle
- erlaubt
- Amazon
- Betrag
- Analyse
- Analytik
- analysieren
- auseinander
- Bienen
- APIs
- Anwendung
- Anwendungen
- angewandt
- Ansatz
- angemessen
- Architektur
- um
- künstlich
- künstliche Intelligenz
- Kunstwerk
- Vermögenswert
- Details
- damit verbundenen
- Audio-
- automatische
- Im Prinzip so, wie Sie es von Google Maps kennen.
- Verfügbarkeit
- AWS
- Bevor
- Sein
- Besser
- zwischen
- Grenze
- bauen
- Building
- eingebaut
- Geschäft
- rufen Sie uns an!
- Fähigkeiten
- Kapazität
- Häuser
- Fälle
- Gebühren
- Auswählen
- Einstufung
- klinische Versuche
- Cloud
- test name
- Code
- Kombination
- wie die
- Kommen
- kommerziell
- Unternehmen
- abschließen
- Komponente
- umfassend
- Computer
- Computerwissenschaften
- konzept
- Bedingungen
- Vertrauen
- Konfiguration
- Vernetz Dich
- Verbindung
- Zustimmung
- Konsul (Console)
- Kontakt
- enthält
- Inhalt
- Dazugehörigen
- Kosten
- könnte
- Land
- erstellen
- erstellt
- schafft
- Schaffung
- Referenzen
- CTO
- Original
- Kunde
- innovativ, auf dem neuesten Stand
- Armaturenbrett
- technische Daten
- Datenverarbeitung
- Entscheidungen
- liefert
- Demand
- weisen nach, dass
- Dänemark
- einsetzen
- Einsatz
- Reiseziel
- Reiseziele
- Details
- erkannt
- Entdeckung
- Entwickler:in / Unternehmen
- Entwicklung
- digital
- Digitale Assets
- Entdeckung
- Unterlagen
- Tut nicht
- Domain
- Domains
- nach unten
- Medikament
- jeder
- leicht
- einfach zu bedienende
- Ökosystem
- Effektiv
- Bemühungen
- ermöglichen
- ermöglicht
- Endpunkt
- Ingenieur
- Entwicklung
- Englisch
- Enter
- Unternehmen
- Entitäten
- Arbeitsumfeld
- Event
- Veranstaltungen
- alles
- Beispiel
- Beispiele
- vorhandenen
- ERFAHRUNGEN
- ERKUNDEN
- erweitern
- KONZENTRAT
- Gesichter
- Merkmal
- Eigenschaften
- Feedback
- weiblich
- Felder
- Filter
- Suche nach
- Vorname
- Fluss
- konzentriert
- Folgende
- Format
- gefunden
- für
- voller
- Funktion
- Funktionalität
- Funktionen
- weiter
- Zukunft
- Games
- allgemein
- erzeugt
- bekommen
- Mädchen
- Global
- für Balkonkraftwerke Reduzierung
- praktische
- ganzer
- Gesundheitswesen
- Hilfe
- High
- Häuser
- Ultraschall
- Hilfe
- HTTPS
- human
- Kennzeichnung
- identifizieren
- Identitätsschutz
- Image
- Bilder
- Einfuhr
- das
- inklusive
- Einschließlich
- Index
- Krankengymnastik
- Branchen
- Energiegewinnung
- Information
- informiert
- Varianten des Eingangssignals:
- Einsätze
- Einblick
- Einblicke
- installieren
- Versicherung
- integriert
- Integration
- Intelligenz
- Interaktion
- interessiert
- Schnittstelle
- IP
- IP Address
- IT
- Job
- Reise
- Behalten
- Wesentliche
- Beschriftung
- Etiketten
- Sprache
- Sprachen
- grosse
- neueste
- starten
- führen
- Verlassen
- Biowissenschaften
- Linien
- LINK
- aus einer regionalen
- aussehen
- Maschine
- halten
- um
- MACHT
- verwalten
- verwaltet
- Management
- Weise
- manuell
- Herstellung
- Mapping
- Marketing
- Meister
- Materialien
- Mechanismus
- sowie medizinische
- erwähnt
- Metrik
- ML
- für
- mehr
- vor allem warme
- schlauer bewegen
- mehrere
- Natürliche
- notwendig,
- Bedürfnisse
- weiter
- Lärm
- Angebote
- Offset
- XNUMXh geöffnet
- die
- Betrieb
- Optimieren
- Optionen
- Auftrag
- Original
- Andere
- Gesamt-
- besitzen
- Eigentum
- Teil
- Bestehen
- Passwort
- Vertrauen bei Patienten
- Prozentsatz
- perfekt
- Leistung
- Pharma
- spielend
- Bitte
- Politik durchzulesen
- Datenschutzrichtlinien
- Umfrage
- Pop-up
- Gegenwart
- früher
- Datenschutz
- Probleme
- Prozessdefinierung
- anpassen
- Verarbeitung
- Prozessor
- Hersteller
- Produkte
- Profis
- Beweis
- Proof of Concept
- Resorts
- Protokolle
- die
- bietet
- Stellvertreter
- Öffentlichkeit
- veröffentlichen
- Zweck
- Zwecke
- geschoben
- Direkt
- schnell
- Erhöhung
- Bereich
- erreichen
- Reagieren
- Reaktion
- Rekord
- Aufzeichnungen
- Regulierungsbehörden
- relevant
- verbleibenden
- vertreten
- Zugriffe
- Forschungsprojekte
- Downloads
- Antwort
- was zu
- Die Ergebnisse
- Einzelhandel
- Rollen
- Ohne eine erfahrene Medienplanung zur Festlegung von Regeln und Strategien beschleunigt der programmatische Medieneinkauf einfach die Rate der verschwenderischen Ausgaben.
- Führen Sie
- gleich
- Skalierbarkeit
- Skalieren
- vorgesehen
- Wissenschaft
- WISSENSCHAFTEN
- sicher
- Segment
- Serverlos
- Leistungen
- kompensieren
- Einstellung
- Teilen
- erklären
- Einfacher
- da
- am Standort
- Situation
- klein
- So
- Software
- Software als Service
- solide
- Lösung
- Lösungen
- LÖSEN
- einige
- spezialisieren
- spezifisch
- Spezifikationen
- Stapel
- Standard
- Anfang
- begonnen
- Bundesstaat
- Aussagen
- Status
- Lagerung
- speichern
- Läden
- Strom
- strukturierte
- Studie
- wesentlich
- erfolgreich
- Erfolgreich
- Support
- Unterstützte
- Unterstützung
- Unterstützt
- System
- Systeme und Techniken
- und Aufgaben
- Team
- Teams
- Technische
- Technologie
- Vorlagen
- AGB
- Das
- Die Quelle
- die Welt
- nach drei
- Durch
- KRAWATTE
- Zeit
- Zeitaufwendig
- Werkzeug
- gegenüber
- verfolgen sind
- Tracking
- privaten Transfer
- Transfers
- Übersetzungen
- ausgelöst
- für
- Verständnis
- einzigartiges
- unbegrenzt
- Aktualisierung
- Updates
- us
- -
- Bestätigung
- Wert
- verschiedene
- Gewölbe
- Version
- Video
- Videospiele
- Webseiten
- während
- ohne
- Worte
- Arbeiten
- gearbeitet
- arbeiten,
- Werk
- weltweit wie ausgehandelt und gekauft ausgeführt wird.
- Jahr
- Ihr