Das IDP Well-Architected Custom Lens richtet sich an alle AWS-Kunden, die AWS zum Ausführen von IDP-Lösungen (Intelligent Document Processing) verwenden und Anleitung zum Aufbau einer sicheren, effizienten und zuverlässigen IDP-Lösung auf AWS suchen.
Der Aufbau einer produktionsreifen Lösung in der Cloud erfordert eine Reihe von Kompromissen zwischen Ressourcen, Zeit, Kundenerwartungen und Geschäftsergebnis. Der AWS Well-Architated-Framework hilft Ihnen, die Vorteile und Risiken der Entscheidungen zu verstehen, die Sie beim Aufbau von Workloads auf AWS treffen. Durch die Verwendung des Frameworks lernen Sie betriebliche und architektonische Best Practices für den Entwurf und Betrieb zuverlässiger, sicherer, effizienter, kostengünstiger und nachhaltiger Workloads in der Cloud kennen.
Ein IDP-Projekt kombiniert normalerweise optische Zeichenerkennung (OCR) und Verarbeitung natürlicher Sprache (NLP), um ein Dokument zu lesen und zu verstehen und bestimmte Begriffe oder Wörter zu extrahieren. Das IDP Well-Architected Custom Lens beschreibt die Schritte zur Durchführung einer AWS Well-Architected-Überprüfung, die es Ihnen ermöglicht, technische Risiken Ihrer IDP-Workloads zu bewerten und zu identifizieren. Es bietet Orientierungshilfen zur Bewältigung der allgemeinen Herausforderungen, die wir in diesem Bereich sehen, und unterstützt Sie dabei, Ihre IDP-Workloads gemäß Best Practices zu gestalten.
Dieser Beitrag konzentriert sich auf die Zuverlässigkeitssäule der IDP-Lösung. Beginnend mit der Einführung der Zuverlässigkeitssäule und der Designprinzipien tauchen wir dann tief in den Lösungsentwurf und die Implementierung mit drei Schwerpunktbereichen ein: Grundlagen, Änderungsmanagement und Fehlermanagement. Wenn Sie diesen Beitrag lesen, erfahren Sie anhand der IDP-Fallstudie mehr über die Zuverlässigkeitssäule im Well-Architected Framework.
Design-Prinzipien
Die Zuverlässigkeitssäule umfasst die Fähigkeit einer IDP-Lösung, die Dokumentenverarbeitung zum erwarteten Zeitpunkt und gemäß den definierten Geschäftsregeln korrekt und konsistent durchzuführen. Dazu gehört die Möglichkeit, den gesamten IDP-Workflow und seinen gesamten Lebenszyklus zu betreiben und zu testen.
Es gibt eine Reihe von Grundsätzen, die Ihnen helfen können, die Zuverlässigkeit zu erhöhen. Beachten Sie Folgendes, wenn wir Best Practices besprechen:
- Automatische Wiederherstellung nach einem Fehler – Durch die Überwachung Ihres IDP-Workflows auf Key Performance Indicators (KPIs) können Sie eine Automatisierung durchführen, wenn ein Schwellenwert überschritten wird. Auf diese Weise können Sie das Auftreten eines Fehlers verfolgen und automatisch benachrichtigt werden und automatische Wiederherstellungsprozesse auslösen, die den Fehler umgehen oder reparieren. Basierend auf KPI-Messungen können Sie außerdem Ausfälle antizipieren und Abhilfemaßnahmen ergreifen, bevor sie auftreten.
- Testen Sie die Wiederherstellungsverfahren – Testen Sie, wie Ihr IDP-Workflow fehlschlägt, und validieren Sie Wiederherstellungsverfahren. Nutzen Sie die Automatisierung, um verschiedene Szenarien zu simulieren oder Szenarien neu zu erstellen, die zuvor zu Fehlern geführt haben.
- Skalieren und passen Sie die Servicekapazität an – Überwachen Sie die Nachfrage und Nutzung des IDP-Workflows und passen Sie die AWS-Servicekapazität automatisch an, um das optimale Niveau zur Befriedigung der Nachfrage ohne Über- oder Unterbereitstellung aufrechtzuerhalten. Kontrollieren und beachten Sie die Dienstkontingente, Beschränkungen und Einschränkungen Ihrer IDP-Komponentendienste, wie z Amazontext und Amazon verstehen.
- Automatisieren Sie Änderungen – Nutzen Sie die Automatisierung, wenn Sie Änderungen an Ihrer IDP-Workflow-Infrastruktur vornehmen. Verwalten Sie Änderungen durch Automatisierung, die dann verfolgt und überprüft werden können.
Schwerpunkte
Die Designprinzipien und Best Practices der Zuverlässigkeitssäule basieren auf Erkenntnissen unserer Kunden und unserer IDP-Technikspezialisten. Nutzen Sie sie als Orientierungshilfe und Unterstützung für Ihre Designentscheidungen und richten Sie sie an Ihren Geschäftsanforderungen Ihrer IDP-Lösung aus. Die Anwendung der IDP Well-Architected Lens hilft Ihnen, die Belastbarkeit und Effizienz Ihres IDP-Lösungsdesigns zu validieren, und bietet Empfehlungen zur Behebung etwaiger Lücken, die Sie möglicherweise identifizieren.
Im Folgenden sind Best-Practice-Bereiche für die Zuverlässigkeit einer IDP-Lösung in der Cloud aufgeführt:
- Foundations – AWS-KI-Dienste wie Amazon Textract und Amazon Comprehend bieten eine Reihe von weichen und harten Grenzwerten für verschiedene Nutzungsdimensionen. Es ist wichtig, diese Grenzwerte zu überprüfen und sicherzustellen, dass Ihre IDP-Lösung alle weichen Grenzwerte einhält, aber keine harten Grenzwerte überschreitet.
- Änderungsmanagement – Behandeln Sie Ihre IDP-Lösung als Infrastructure as Code (IaC), sodass Sie die Überwachung und das Änderungsmanagement automatisieren können. Nutzen Sie die Versionskontrolle für Komponenten wie Infrastruktur und benutzerdefinierte Amazon Comprehend-Modelle und verfolgen Sie Änderungen bis zur Veröffentlichung zu einem bestimmten Zeitpunkt.
- Fehlermanagement – Da es sich bei einem IDP-Workflow um eine ereignisgesteuerte Lösung handelt, muss Ihre Anwendung widerstandsfähig gegenüber der Behandlung bekannter und unbekannter Fehler sein. Eine gut strukturierte IDP-Lösung ist in der Lage, mithilfe von Protokollierungs- und Wiederholungsmechanismen Ausfälle zu verhindern und Fehlern zu widerstehen, wenn sie auftreten. Es ist wichtig, die Stabilität Ihrer IDP-Workflow-Architektur zu berücksichtigen und eine Notfallwiederherstellung zu planen.
Foundations
AWS AI-Services bieten vorgefertigte Informationen, wie z. B. automatisierte Datenextraktion und -analyse, mithilfe von Amazon Textract, Amazon Comprehend und Amazon Augmented AI (Amazon A2I) für Ihre IDP-Workflows. Für diese Dienste gibt es Dienstlimits (oder Kontingente), um eine Überbereitstellung zu vermeiden und die Anforderungsraten bei API-Vorgängen zu begrenzen und so die Dienste vor Missbrauch zu schützen.
Berücksichtigen Sie bei der Planung und Gestaltung Ihrer IDP-Lösungsarchitektur die folgenden Best Practices:
- Beachten Sie die unveränderlichen Kontingente, Beschränkungen und Einschränkungen der Amazon Textract- und Amazon Comprehend-Dienste – Akzeptierte Dateiformate, Größe und Seitenzahl, Sprachen, Dokumentrotationen und Bildgröße sind einige Beispiele für diese harten Beschränkungen für Amazon Textract, die nicht geändert werden können.
- Zu den akzeptierten Dateiformaten gehören JPEG-, PNG-, PDF- und TIFF-Dateien. (JPEG 2000-kodierte Bilder in PDFs werden unterstützt). Vor der Verwendung von Amazon Textract ist eine Vorverarbeitung des Dokuments erforderlich, wenn das Dateiformat nicht unterstützt wird (z. B. Microsoft Word oder Excel). In diesem Fall müssen Sie nicht unterstützte Dokumentformate in das PDF- oder Bildformat konvertieren.
- Amazon Comprehend bietet unterschiedliche Kontingente für Einbaumodelle, benutzerdefinierte Modelle und Schwungräder. Stellen Sie sicher, dass Ihr Anwendungsfall mit den Amazon Comprehend-Kontingenten übereinstimmt.
- Passen Sie die Servicekontingente für Amazon Textract und Amazon Comprehend an Ihre Bedürfnisse an – Der Amazon Textract Service-Kontingentrechner kann Ihnen dabei helfen, die Kontingentwerte abzuschätzen, die Ihren Anwendungsfall abdecken. Sie sollten Ihre Dienstkontingente über Konten oder Regionen hinweg verwalten, wenn Sie für Ihre Lösung ein Disaster-Recovery-Failover zwischen Konten oder Regionen planen. Wenn Sie eine Erhöhung der Amazon Textract-Kontingente beantragen, befolgen Sie unbedingt die folgenden Empfehlungen:
- Verwenden Sie den Amazon Textract Service-Kontingentrechner, um Ihren optimalen Kontingentwert zu schätzen.
- Änderungen in den Anforderungen können zu starkem Netzwerkverkehr führen und den Durchsatz beeinträchtigen. Verwenden Sie eine serverlose Warteschlangenarchitektur oder einen anderen Mechanismus, um den Datenverkehr zu glätten und das Beste aus Ihren zugewiesenen Transaktionen pro Sekunde (TPS) herauszuholen.
- Implementieren Sie eine Wiederholungslogik, um gedrosselte Anrufe und unterbrochene Verbindungen zu verarbeiten.
- Konfigurieren Sie exponentielles Backoff und Jitter, um den Durchsatz zu verbessern.
Änderungsmanagement
Änderungen an Ihrem IDP-Workflow oder seiner Umgebung, wie z. B. Nachfragespitzen oder eine beschädigte Dokumentdatei, müssen vorhergesehen und berücksichtigt werden, um eine höhere Zuverlässigkeit der Lösung zu erreichen. Einige dieser Änderungen werden durch die im vorherigen Abschnitt beschriebenen Best Practices für die Grundlagen abgedeckt, diese allein reichen jedoch nicht aus, um Änderungen zu berücksichtigen. Die folgenden Best Practices müssen ebenfalls berücksichtigt werden:
- Verwenden Sie die Amazon CloudWatch um Ihre IDP-Workflow-Komponenten wie Amazon Textract und Amazon Comprehend zu überwachen. Sammeln Sie Metriken aus dem IDP-Workflow, automatisieren Sie Reaktionen auf Alarme und senden Sie Benachrichtigungen nach Bedarf für Ihren Workflow und Ihre Geschäftsziele.
- Stellen Sie Ihre IDP-Workflow-Lösung und alle Infrastrukturänderungen mit Automatisierung mithilfe von IaC bereit, z AWS Cloud-Entwicklungskit (AWS CDK) und vorgefertigte IDP AWS CDK-Konstrukte. Dadurch wird das Risiko menschlicher Fehler beseitigt und Sie können Tests durchführen, bevor Sie in Ihre Produktionsumgebung wechseln.
- Wenn Ihr Anwendungsfall ein benutzerdefiniertes Amazon Comprehend-Modell erfordert, sollten Sie die Verwendung eines Schwungrads in Betracht ziehen, um den Prozess der Verbesserung des benutzerdefinierten Modells im Laufe der Zeit zu vereinfachen. Ein Schwungrad orchestriert die Aufgaben, die mit dem Training und der Evaluierung einer neuen benutzerdefinierten Modellversion verbunden sind.
- Wenn Ihr Anwendungsfall dies erfordert, passen Sie die Ausgabe der vorab trainierten Abfragefunktion von Amazon Textract an, indem Sie einen Adapter für das Amazon Textract-Basismodell trainieren und verwenden. Berücksichtigen Sie beim Erstellen von Abfragen für Ihre Adapter die folgenden Best Practices:
- Adapterkontingente definieren die vorstehenden Grenzwerte für das Adaptertraining. Berücksichtigen Sie diese Grenzwerte und stellen Sie bei Bedarf eine Anfrage zur Erhöhung des Servicekontingents:
- Maximale Anzahl an Adaptern – Anzahl der zulässigen Adapter (Sie können mehrere Adapterversionen unter einem einzigen Adapter haben).
- Maximale Anzahl erstellter Adapterversionen pro Monat – Anzahl erfolgreicher Adapterversionen, die pro AWS-Konto und Monat erstellt werden können.
- Maximale Anzahl aktueller Adapterversionen – Anzahl der in Bearbeitung befindlichen Adapterversionen (Adapterschulung) pro Konto.
- Stellen Sie sicher, dass Sie eine Reihe von Dokumenten verwenden, die für Ihren Anwendungsfall repräsentativ sind (mindestens fünf Schulungsdokumente und fünf Testdokumente).
- Stellen Sie möglichst viele Unterlagen für die Schulung bereit (bis zu 2,500 Seiten Schulungsunterlagen und 1,000 Seiten Prüfungsunterlagen).
- Kommentieren Sie Abfragen mit verschiedenen Antworten. Wenn die Antwort auf eine Frage beispielsweise „Ja“ oder „Nein“ lautet, sollten in den annotierten Beispielen sowohl „Ja“ als auch „Nein“ vorkommen.
- Behalten Sie die Konsistenz im Anmerkungsstil und bei der Anmerkung von Feldern mit Leerzeichen bei.
- Verwenden Sie für die Inferenz die exakte Abfrage, die im Training verwendet wurde.
- Überprüfen Sie nach jeder Adapterschulungsrunde die Leistungsmetriken, um festzustellen, ob Sie Ihren Adapter weiter verbessern müssen, um Ihre Ziele zu erreichen. Laden Sie einen neuen Dokumentensatz für das Training hoch oder überprüfen Sie Dokumentanmerkungen mit niedrigen Genauigkeitswerten, bevor Sie ein neues Training starten, um eine verbesserte Version des Adapters zu erstellen.
- Verwenden Sie das
AutoUpdate
Funktion für benutzerdefinierte Adapter. Diese Funktion versucht eine automatische Neuschulung, wenn dieAutoUpdate
Das Flag ist auf einem Adapter aktiviert.
- Adapterkontingente definieren die vorstehenden Grenzwerte für das Adaptertraining. Berücksichtigen Sie diese Grenzwerte und stellen Sie bei Bedarf eine Anfrage zur Erhöhung des Servicekontingents:
Fehlermanagement
Beim Entwurf einer IDP-Lösung ist ein wichtiger Aspekt zu berücksichtigen: deren Belastbarkeit und der Umgang mit bekannten und unbekannten Fehlern, die auftreten können. Die IDP-Lösung sollte in den verschiedenen Phasen des IDP-Workflows über die Möglichkeit verfügen, Fehler zu protokollieren und fehlgeschlagene Vorgänge zu wiederholen. In diesem Abschnitt besprechen wir die Details zur Gestaltung Ihres IDP-Workflows zur Bewältigung von Fehlern.
Bereiten Sie Ihren IDP-Workflow auf die Bewältigung und Bewältigung von Fehlern vor
„Alles scheitert ständig“, ist ein berühmtes Zitat von AWS-CTO Werner Vogels. Ihre IDP-Lösung wird, wie alles andere auch, irgendwann scheitern. Die Frage ist, wie es Ausfällen standhalten kann, ohne die Benutzer Ihrer IDP-Lösung zu beeinträchtigen. Der Entwurf Ihrer IDP-Architektur muss auftretende Fehler erkennen und Maßnahmen ergreifen, um Auswirkungen auf die Verfügbarkeit zu vermeiden. Dies muss automatisch und ohne Einfluss auf den Benutzer erfolgen. Berücksichtigen Sie die folgenden Best Practices:
- Verwenden Sie die Amazon Simple Storage-Service (Amazon S3) als Ihr skalierbarer Datenspeicher für die Verarbeitung von IDP-Workflow-Dokumenten. Amazon S3 bietet eine äußerst langlebige Speicherinfrastruktur, die für die geschäftskritische und primäre Datenspeicherung konzipiert ist.
- Sichern Sie alle Ihre IDP-Workflow-Daten gemäß Ihren Geschäftsanforderungen. Implementieren Sie eine Strategie zur Wiederherstellung oder Reproduktion von Daten im Falle eines Datenverlusts. Richten Sie diese Strategie an einem definierten Recovery Point Objective (RPO) und Recovery Time Objective (RTO) aus, die Ihren Geschäftsanforderungen entsprechen.
- Planen und implementieren Sie bei Bedarf eine Disaster-Recovery-Failover-Strategie Ihrer IDP-Lösung über AWS-Konten und -Regionen hinweg.
- Verwenden Sie den Amazon Textract
OutputConfig
Funktion und Amazon ComprehendOutputDataConfig
Funktion zum Speichern der Ergebnisse der asynchronen Verarbeitung von Amazon Textract oder Amazon Comprehend in einem bestimmten S3-Bucket. Dadurch kann der Workflow von diesem Punkt an fortgesetzt werden, anstatt den Aufruf von Amazon Textract oder Amazon Comprehend zu wiederholen. Der folgende Code zeigt, wie Sie einen asynchronen API-Job von Amazon Textract starten, um ein Dokument zu analysieren und die verschlüsselte Inferenzausgabe in einem definierten S3-Bucket zu speichern. Weitere Informationen finden Sie im Dokumentation zum Amazon Textract-Client.
Gestalten Sie Ihren IDP-Workflow so, dass Fehler vermieden werden
Die Zuverlässigkeit eines Workloads beginnt mit Designentscheidungen im Vorfeld. Die Wahl der Architektur wirkt sich auf Ihr Workload-Verhalten und seine Belastbarkeit aus. Befolgen Sie diese Best Practices, um die Zuverlässigkeit Ihrer IDP-Lösung zu verbessern.
Entwerfen Sie zunächst Ihre Architektur gemäß dem IDP-Workflow. Obwohl die Phasen in einem IDP-Workflow variieren und vom Anwendungsfall und den Geschäftsanforderungen beeinflusst werden können, sind die Phasen der Datenerfassung, Dokumentenklassifizierung, Textextraktion, Inhaltsanreicherung, Überprüfung und Validierung sowie Nutzung typischerweise Teile des IDP-Workflows. Mithilfe dieser klar definierten Phasen können Funktionen getrennt und im Fehlerfall isoliert werden.
Sie können verwenden Amazon Simple Queue-Dienst (Amazon SQS) zur Entkopplung der IDP-Workflow-Phasen. Ein Entkopplungsmuster hilft dabei, das Verhalten von Architekturkomponenten von anderen davon abhängigen Komponenten zu isolieren und so die Ausfallsicherheit und Agilität zu erhöhen.
Zweitens: Kontrollieren und begrenzen Sie Wiederholungsanrufe. AWS-Dienste wie Amazon Textract können fehlschlagen, wenn die maximal zugewiesene TPS-Anzahl überschritten wird, was dazu führt, dass der Dienst Ihre Anwendung drosselt oder Ihre Verbindung trennt.
Sie sollten die Drosselung und unterbrochene Verbindungen verwalten, indem Sie den Vorgang automatisch wiederholen (sowohl synchrone als auch asynchrone Vorgänge). Sie sollten jedoch auch eine begrenzte Anzahl von Wiederholungen angeben, nach denen der Vorgang fehlschlägt und eine Ausnahme auslöst. Wenn Sie in kurzer Zeit zu viele Anrufe bei Amazon Textract tätigen, werden Ihre Anrufe gedrosselt und eine Nachricht gesendet ProvisionedThroughputExceededExceptionerror
in der Operationsantwort.
Darüber hinaus verwenden exponentielles Backoff und Jitter für Wiederholungsversuche zur Verbesserung des Durchsatzes. Geben Sie beispielsweise bei Verwendung von Amazon Textract die Anzahl der Wiederholungsversuche an, indem Sie Folgendes angeben config
Parameter, wenn Sie den Amazon Textract-Client erstellen. Wir empfehlen eine Wiederholungsanzahl von fünf. Im folgenden Beispielcode verwenden wir die config
Parameter, um einen Vorgang automatisch im adaptiven Modus und mit maximal fünf Wiederholungsversuchen zu wiederholen:
Profitieren Sie von AWS SDKs, wie z AWS SDK für Python (Boto3), um zu helfen Wiederholen von Client-Anrufen zu AWS-Diensten wie Amazon Textract und Amazon Comprehend. Dort sind drei Wiederholungsmodi verfügbar:
- Legacy-Modus – Wiederholungsversuche erfordern eine begrenzte Anzahl von Fehlern und Ausnahmen und beinhalten einen exponentiellen Backoff um einen Basisfaktor von 2.
- Standardmodus – Standardisiert die Wiederholungslogik und das Verhalten im Einklang mit anderen AWS SDKs und erweitert die Funktionalität von Wiederholungen gegenüber denen im Legacy-Modus. Jeder Wiederholungsversuch beinhaltet einen exponentiellen Backoff mit einem Basisfaktor von 2 für eine maximale Backoff-Zeit von 20 Sekunden.
- Adaptiver Modus – Enthält alle Funktionen des Standardmodus und führt eine clientseitige Ratenbegrenzung durch die Verwendung eines Token-Buckets und Ratenbegrenzungsvariablen ein, die bei jedem Wiederholungsversuch dynamisch aktualisiert werden. Es bietet Flexibilität bei clientseitigen Wiederholungsversuchen, die sich an die Fehler- oder Ausnahmezustandsantwort eines AWS-Service anpassen. Bei jedem neuen Wiederholungsversuch ändert der adaptive Modus die Ratenbegrenzungsvariablen basierend auf dem Fehler, der Ausnahme oder dem HTTP-Statuscode, der in der Antwort des AWS-Service angezeigt wird. Diese Tarifgrenzvariablen werden dann verwendet, um einen neuen Anruftarif für den Kunden zu berechnen. Jede Ausnahme, jeder Fehler oder jede nicht erfolgreiche HTTP-Antwort von einem AWS-Service aktualisiert die Ratengrenzvariablen bei Wiederholungsversuchen, bis ein Erfolg erreicht wird, der Token-Bucket erschöpft ist oder der konfigurierte Wert für die maximale Anzahl an Versuchen erreicht wird. Beispiele für Ausnahmen, Fehler oder nicht erfolgreiche HTTP-Antworten:
Zusammenfassung
In diesem Beitrag haben wir Designprinzipien, Schwerpunktbereiche, Grundlagen und Best Practices für die Zuverlässigkeit Ihrer IDP-Lösung geteilt.
AWS bekennt sich zum IDP Well-Architected Lens als lebendigem Werkzeug. Wenn sich die IDP-Lösungen und die zugehörigen AWS-KI-Dienste weiterentwickeln und neue AWS-Dienste verfügbar werden, werden wir IDP Lens Well-Architected entsprechend aktualisieren.
Wenn Sie mehr über das AWS Well-Architected Framework erfahren möchten, lesen Sie hier Gut durchdachte AWS-Architektur.
Wenn Sie zusätzliche fachkundige Beratung benötigen, wenden Sie sich an Ihr AWS-Kontoteam, um einen IDP Specialist Solutions Architect zu beauftragen.
Über die Autoren
Rui Cardoso ist Partnerlösungsarchitekt bei Amazon Web Services (AWS). Sein Fokus liegt auf KI/ML und IoT. Er arbeitet mit AWS-Partnern zusammen und unterstützt sie bei der Entwicklung von Lösungen in AWS. Wenn er nicht arbeitet, fährt er gerne Fahrrad, wandert und lernt neue Dinge.
Brijesh Pati ist Enterprise Solutions Architect bei AWS. Sein Hauptaugenmerk liegt darauf, Unternehmenskunden bei der Einführung von Cloud-Technologien für ihre Workloads zu unterstützen. Er verfügt über einen Hintergrund in Anwendungsentwicklung und Unternehmensarchitektur und hat mit Kunden aus verschiedenen Branchen wie Sport, Finanzen, Energie und professionellen Dienstleistungen zusammengearbeitet. Zu seinen Interessen zählen serverlose Architekturen und KI/ML.
Mia Chang ist ein ML-Spezialist für Lösungsarchitekten für Amazon Web Services. Sie arbeitet mit Kunden in EMEA zusammen und teilt Best Practices für die Ausführung von KI/ML-Workloads in der Cloud mit ihrem Hintergrund in angewandter Mathematik, Informatik und KI/ML. Sie konzentriert sich auf NLP-spezifische Arbeitsbelastungen und teilt ihre Erfahrungen als Konferenzrednerin und Buchautorin. In ihrer Freizeit geht sie gerne wandern, spielt Gesellschaftsspiele und kocht Kaffee.
Tim Condell ist ein leitender Lösungsarchitekt für künstliche Intelligenz (KI) und maschinelles Lernen (ML) bei Amazon Web Services (AWS). Sein Schwerpunkt liegt auf der Verarbeitung natürlicher Sprache und Computer Vision. Tim genießt es, Kundenideen in skalierbare Lösungen umzusetzen.
Sherry Ding ist ein leitender Lösungsarchitekt für künstliche Intelligenz (KI) und maschinelles Lernen (ML) bei Amazon Web Services (AWS). Sie verfügt über umfangreiche Erfahrung im maschinellen Lernen und hat einen Doktortitel in Informatik. Sie arbeitet hauptsächlich mit Kunden aus dem öffentlichen Sektor an verschiedenen geschäftlichen Herausforderungen im Zusammenhang mit KI/ML und hilft ihnen, ihre Reise zum maschinellen Lernen in der AWS Cloud zu beschleunigen. Wenn sie nicht gerade Kunden betreut, genießt sie Outdoor-Aktivitäten.
Suyin Wang ist ein AI/ML Specialist Solutions Architect bei AWS. Sie verfügt über einen interdisziplinären Bildungshintergrund in den Bereichen maschinelles Lernen, Finanzinformationsdienste und Wirtschaft sowie jahrelange Erfahrung in der Entwicklung von Anwendungen für Datenwissenschaft und maschinelles Lernen, die reale Geschäftsprobleme lösten. Es macht ihr Spaß, Kunden dabei zu helfen, die richtigen Geschäftsfragen zu identifizieren und die richtigen KI/ML-Lösungen zu entwickeln. In ihrer Freizeit singt und kocht sie gerne.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://aws.amazon.com/blogs/machine-learning/build-well-architected-idp-solutions-with-a-custom-lens-part-3-reliability/
- :hast
- :Ist
- :nicht
- $UP
- 000
- 1
- 100
- 15%
- 17
- 20
- 500
- 7
- a
- Fähigkeit
- Über Uns
- Missbrauch
- beschleunigen
- akzeptiert
- unterbringen
- Nach
- entsprechend
- Konto
- Trading Konten
- Genauigkeit
- Erreichen
- über
- Action
- Aktionen
- Aktivitäten
- adaptiv
- passt sich an
- Zusatz
- Zusätzliche
- Zusätzliche Angaben
- Adresse
- adoptieren
- Vorteil
- beeinflussen
- Nach der
- AI
- KI-Dienste
- AI / ML
- ausrichten
- ausgerichtet
- Alle
- zugeordnet
- erlaubt
- Zulassen
- erlaubt
- allein
- entlang
- ebenfalls
- Obwohl
- Amazon
- Amazon verstehen
- Amazontext
- Amazon Web Services
- Amazon Web Services (AWS)
- unter
- an
- Analyse
- analysieren
- und
- beantworten
- Antworten
- erwarten
- Vorweggenommen
- jedem
- Bienen
- Anwendung
- Anwendungsentwicklung
- Anwendungen
- angewandt
- Bewerben
- Anwendung
- architektonisch
- Architektur
- SIND
- Bereiche
- um
- künstlich
- künstliche Intelligenz
- Künstliche Intelligenz (AI)
- AS
- Aussehen
- beurteilen
- helfen
- damit verbundenen
- At
- Versuch
- Versuche
- Augmented
- Autor
- automatisieren
- Automatisiert
- Im Prinzip so, wie Sie es von Google Maps kennen.
- Automation
- Verfügbarkeit
- verfügbar
- vermeiden
- bewusst
- AWS
- Zurück
- Hintergrund
- Base
- basierend
- BE
- weil
- werden
- Bevor
- Verhalten
- Vorteile
- BESTE
- Best Practices
- zwischen
- Tafel
- Brettspiele
- buchen
- beide
- bauen
- Building
- eingebaut
- Geschäft
- aber
- by
- Berechnen
- rufen Sie uns an!
- Aufrufe
- CAN
- Fähigkeiten
- Kapazität
- Erfassung
- Häuser
- Fallstudie
- Verursachen
- verursacht
- Herausforderungen
- Übernehmen
- geändert
- Änderungen
- Ändern
- Charakter
- Zeichenerkennung
- Entscheidungen
- Einstufung
- Auftraggeber
- Cloud
- Code
- Codes
- Kaffee
- sammeln
- vereint
- begangen
- gemeinsam
- Communities
- Komponenten
- begreifen
- Computer
- Computerwissenschaften
- Computer Vision
- Konferenz
- konfiguriert
- Verbindung
- Verbindungen
- Geht davon
- betrachtet
- konsistent
- konsequent
- Einschränkungen
- Konstrukte
- Verbrauch
- Kontakt
- Inhalt
- fortsetzen
- Smartgeräte App
- verkaufen
- korrekt
- verdorben
- kostengünstiger
- Abdeckung
- bedeckt
- erstellen
- erstellt
- Erstellen
- CTO
- Original
- Kunde
- Kunden
- anpassen
- technische Daten
- Data Loss
- Datenwissenschaft
- Datenspeichervorrichtung
- Entscheidungen
- tief
- definieren
- definiert
- Grad
- Demand
- abhängen
- beschrieben
- Design
- Design-Prinzipien
- bezeichnet
- entworfen
- Entwerfen
- Details
- Bestimmen
- Entwicklung
- Entwicklung
- anders
- Größe
- Katastrophe
- diskutieren
- tauchen
- Dokument
- Unterlagen
- erledigt
- Drop
- fallen gelassen
- im
- dynamisch
- jeder
- Wirtschaftskunde
- Bildungswesen
- Effizienz
- effizient
- sonst
- EMEA
- freigegeben
- ermöglicht
- umfasst
- verschlüsselt
- Energie
- engagieren
- genug
- Anreicherung
- gewährleisten
- Unternehmen
- Arbeitsumfeld
- Fehler
- Fehler
- schätzen
- Auswerten
- schließlich
- alles
- entwickelt sich
- Beispiel
- Beispiele
- überschritten
- mehr als
- Excel
- Ausnahme
- Erwartung
- erwartet
- ERFAHRUNGEN
- Experte
- exponentiell
- erweitert
- umfangreiche
- Langjährige Erfahrung
- Extrakt
- Extraktion
- Faktor
- FAIL
- Gescheitert
- scheitert
- Scheitern
- Ausfälle
- berühmt
- Merkmal
- Eigenschaften
- Feld
- Felder
- Reichen Sie das
- Mappen
- Finanzen
- Revolution
- Finanzinformation
- fünf
- Flexibilität
- Setzen Sie mit Achtsamkeit
- konzentriert
- Fokussierung
- folgen
- Folgende
- Aussichten für
- Format
- Formen
- gefunden
- Foundations
- Unser Ansatz
- Frei
- für
- voller
- Funktionsumfang
- Funktionalität
- weiter
- Games
- Lücken
- gesammelt
- bekommen
- Ziele
- die Vermittlung von Kompetenzen,
- Griff
- Handling
- hart
- Haben
- he
- Hilfe
- Unternehmen
- hilft
- hier (auf dänisch)
- höher
- hoch
- seine
- Ultraschall
- Hilfe
- aber
- HTML
- http
- HTTPS
- human
- Ideen
- identifizieren
- if
- Image
- Bilder
- Impact der HXNUMXO Observatorien
- Auswirkungen
- implementieren
- Implementierung
- importieren
- wichtig
- wichtiger Aspekt
- zu unterstützen,
- verbessert
- Verbesserung
- in
- das
- Dazu gehören
- Einschließlich
- Erhöhung
- zunehmend
- Anzeigen
- Branchen
- beeinflusst
- Information
- Infrastruktur
- Einblicke
- Intelligenz
- Intelligent
- Intelligente Dokumentenverarbeitung
- beabsichtigt
- Interessen
- in
- Stellt vor
- Einführung
- Einleitung
- iot
- IT
- SEINE
- Job
- Reise
- jpg
- Behalten
- Wesentliche
- bekannt
- Sprache
- Sprachen
- Layout
- LERNEN
- lernen
- geführt
- Legacy
- Niveau
- Lebenszyklus
- Gefällt mir
- LIMIT
- Limitiert
- Begrenzung
- Grenzen
- Leben
- Protokollierung
- Logik
- Verlust
- liebt
- Sneaker
- Maschine
- Maschinelles Lernen
- hauptsächlich
- halten
- um
- verwalten
- Management
- viele
- Mathematik
- maximal
- Kann..
- Maßnahmen
- Mechanismus
- Mechanismen
- Triff
- Metrik
- Microsoft
- könnte
- Geist / Bewusstsein
- Minimum
- ML
- Model
- Modell
- für
- Modi
- Überwachen
- Überwachung
- Monat
- mehr
- vor allem warme
- sollen
- Name
- Natürliche
- Verarbeitung natürlicher Sprache
- Need
- Netzwerk
- Netzwerktraffic
- Neu
- Nlp
- Benachrichtigungen
- Anzahl
- Ziel
- OCR
- of
- Angebote
- on
- EINEM
- betreiben
- die
- Betrieb
- Betriebs-
- Einkauf & Prozesse
- optische Zeichenerkennung
- optimal
- or
- Andere
- UNSERE
- Ergebnis
- Umrissen
- Möglichkeiten für das Ausgangssignal:
- übrig
- Seite
- Seiten
- Parameter
- Teil
- Partner
- Teile
- Schnittmuster
- für
- Ausführen
- Leistung
- Durchführung
- Zeit
- phd
- Säule
- Plan
- Planung
- Plato
- Datenintelligenz von Plato
- PlatoData
- Points
- möglich
- Post
- Potenzial
- Praxis
- Praktiken
- vorgeführt
- verhindern
- früher
- primär
- Grundsätze
- Probleme
- Verfahren
- Prozessdefinierung
- anpassen
- Verarbeitung
- Produktion
- Professionell
- Projekt
- Schutz
- die
- bietet
- Öffentlichkeit
- Python
- Abfragen
- Frage
- Fragen
- Angebot!
- erhöhen
- Bewerten
- Honorar
- lieber
- erreicht
- Lesen Sie mehr
- Lesebrillen
- realen Welt
- Anerkennung
- empfehlen
- Empfehlungen
- Entspannung
- Erholung
- siehe
- Regionen
- bezogene
- Release
- Zuverlässigkeit
- zuverlässig
- entfernt
- Knorpel zu reparieren,
- wiederholen
- Vertreter
- Anforderung
- Zugriffe
- erfordern
- falls angefordert
- Voraussetzungen:
- erfordert
- Elastizität
- federnde
- Downloads
- Antwort
- Antworten
- Die Ergebnisse
- Überprüfen
- bewertet
- Recht
- Risiken
- rund
- Ohne eine erfahrene Medienplanung zur Festlegung von Regeln und Strategien beschleunigt der programmatische Medieneinkauf einfach die Rate der verschwenderischen Ausgaben.
- Führen Sie
- Laufen
- skalierbaren
- Szenarien
- Wissenschaft
- Sdk
- SDKS
- Suche
- Zweite
- Sekunden
- Abschnitt
- Bibliotheken
- Verbindung
- sehen
- senden
- sendet
- Senior
- getrennte
- Modellreihe
- Serverlos
- Lösungen
- kompensieren
- mehrere
- von Locals geführtes
- Shares
- sie
- Short
- sollte
- Konzerte
- Unterschriften
- Einfacher
- vereinfachen
- Single
- Größe
- Langsamer
- glätten
- SOFT
- Lösung
- Lösungen
- einige
- Räume
- Speaker
- Spezialist
- spezifisch
- speziell
- Spikes
- Sports
- Stufen
- Standard
- Anfang
- Beginnen Sie
- beginnt
- Bundesstaat
- Status
- Shritte
- Lagerung
- speichern
- Strategie
- Schnur
- Studie
- Stil
- Erfolg
- erfolgreich
- so
- Support
- Unterstützte
- Unterstützung
- sicher
- nachhaltiger
- angehen
- Nehmen
- Einnahme
- und Aufgaben
- Team
- Technische
- Technologies
- AGB
- Test
- Testen
- Text
- als
- zur Verbesserung der Gesundheitsgerechtigkeit
- Das
- ihr
- Sie
- dann
- Dort.
- Diese
- vom Nutzer definierten
- fehlen uns die Worte.
- diejenigen
- nach drei
- Schwelle
- Durch
- Durchsatz
- Tim
- Zeit
- zu
- Zeichen
- auch
- Werkzeug
- Gesamt
- tps
- verfolgen sind
- der Verkehr
- Ausbildung
- Transaktionen
- behandeln
- auslösen
- Drehung
- typisch
- für
- verstehen
- unbekannt
- bis
- Aktualisierung
- aktualisiert
- Updates
- Anwendungsbereich
- -
- Anwendungsfall
- benutzt
- Mitglied
- Nutzer
- Verwendung von
- gewöhnlich
- BESTÄTIGEN
- Bestätigung
- Wert
- Werte
- Vielfalt
- verschiedene
- Version
- Versionen
- Seh-
- wollen
- we
- Netz
- Web-Services
- gut definiert
- wann
- welche
- während
- WHO
- werden wir
- mit
- .
- ohne
- Word
- Worte
- Arbeiten
- gearbeitet
- Arbeitsablauf.
- Workflows
- arbeiten,
- Werk
- Jahr
- Du
- Ihr
- Zephyrnet