Οι τεχνολογικές τάσεις και οι εξελίξεις στα ψηφιακά μέσα την τελευταία δεκαετία περίπου είχαν ως αποτέλεσμα τον πολλαπλασιασμό των δεδομένων που βασίζονται σε κείμενο. Τα πιθανά οφέλη από την εξόρυξη αυτού του κειμένου για την απόκτηση γνώσεων, τόσο τακτικών όσο και στρατηγικών, είναι τεράστια. Αυτό ονομάζεται επεξεργασία φυσικής γλώσσας (NLP). Μπορείτε να χρησιμοποιήσετε το NLP, για παράδειγμα, για να αναλύσετε τις κριτικές προϊόντων σας για τα συναισθήματα των πελατών, να εκπαιδεύσετε ένα προσαρμοσμένο μοντέλο αναγνώρισης οντοτήτων για να προσδιορίσετε τύπους προϊόντων ενδιαφέροντος με βάση τα σχόλια πελατών ή να εκπαιδεύσετε ένα προσαρμοσμένο μοντέλο ταξινόμησης κειμένου για να προσδιορίσετε τις πιο δημοφιλείς κατηγορίες προϊόντων.
Κατανοήστε το Amazon είναι μια υπηρεσία NLP με έτοιμη ευφυΐα για την εξαγωγή πληροφοριών σχετικά με το περιεχόμενο των εγγράφων. Αναπτύσσει πληροφορίες αναγνωρίζοντας τις οντότητες, τις φράσεις κλειδιά, τη γλώσσα, τα συναισθήματα και άλλα κοινά στοιχεία σε ένα έγγραφο. Το Amazon Comprehend Custom χρησιμοποιεί αυτόματη μηχανική εκμάθηση (Auto ML) για τη δημιουργία μοντέλων NLP για λογαριασμό σας χρησιμοποιώντας τα δικά σας δεδομένα. Αυτό σας δίνει τη δυνατότητα να εντοπίσετε οντότητες μοναδικές για την επιχείρησή σας ή να ταξινομήσετε κείμενο ή έγγραφα σύμφωνα με τις απαιτήσεις σας. Επιπλέον, μπορείτε να αυτοματοποιήσετε ολόκληρη τη ροή εργασίας NLP με εύχρηστα API.
Σήμερα είμαστε στην ευχάριστη θέση να ανακοινώσουμε την κυκλοφορία της δυνατότητας αντιγραφής προσαρμοσμένων μοντέλων Amazon Comprehend, η οποία σας επιτρέπει να αντιγράφετε αυτόματα τα προσαρμοσμένα μοντέλα Amazon Comprehend από έναν λογαριασμό προέλευσης σε καθορισμένους στοχευόμενους λογαριασμούς στην ίδια Περιοχή χωρίς να απαιτείται πρόσβαση στα σύνολα δεδομένων του μοντέλου εκπαιδεύτηκε και αξιολογήθηκε στις. Από σήμερα, μπορείτε να χρησιμοποιήσετε το Κονσόλα διαχείρισης AWS, Διεπαφή γραμμής εντολών AWS (AWS CLI), ή το boto3 API (Python SDK για AWS) για να αντιγράψετε εκπαιδευμένα προσαρμοσμένα μοντέλα από έναν λογαριασμό πηγής σε έναν καθορισμένο λογαριασμό στόχο. Αυτή η νέα δυνατότητα είναι διαθέσιμη τόσο για προσαρμοσμένη ταξινόμηση του Amazon Comprehend όσο και για προσαρμοσμένα μοντέλα αναγνώρισης οντοτήτων.
Πλεονεκτήματα της δυνατότητας αντιγραφής μοντέλου
Αυτή η νέα δυνατότητα έχει τα ακόλουθα πλεονεκτήματα:
- Στρατηγική MLOps πολλαπλών λογαριασμών – Εκπαιδεύστε ένα μοντέλο μία φορά και εξασφαλίστε προβλέψιμη ανάπτυξη σε πολλαπλά περιβάλλοντα σε διαφορετικούς λογαριασμούς.
- Ταχύτερη ανάπτυξη – Μπορείτε να αντιγράψετε γρήγορα ένα εκπαιδευμένο μοντέλο μεταξύ λογαριασμών, αποφεύγοντας τον χρόνο που απαιτείται για την επανεκπαίδευση σε κάθε λογαριασμό.
- Προστατέψτε ευαίσθητα σύνολα δεδομένων – Τώρα δεν χρειάζεται πλέον να μοιράζεστε τα σύνολα δεδομένων μεταξύ διαφορετικών λογαριασμών ή χρηστών. Τα δεδομένα εκπαίδευσης πρέπει να είναι διαθέσιμα μόνο στον λογαριασμό όπου γίνεται η εκπαίδευση. Αυτό είναι πολύ σημαντικό για ορισμένους κλάδους όπως οι χρηματοπιστωτικές υπηρεσίες, όπου η απομόνωση δεδομένων και το sandboxing είναι απαραίτητα για την εκπλήρωση των κανονιστικών απαιτήσεων.
- Εύκολη συνεργασία – Οι συνεργάτες ή οι πωλητές μπορούν πλέον να εκπαιδεύονται εύκολα στο Amazon Comprehend Custom και να μοιράζονται τα μοντέλα με τους πελάτες τους.
Πώς λειτουργεί το αντίγραφο μοντέλου
Με τη νέα δυνατότητα αντιγραφής μοντέλων, μπορείτε να αντιγράψετε προσαρμοσμένα μοντέλα μεταξύ λογαριασμών AWS στην ίδια Περιοχή σε μια διαδικασία δύο σταδίων. Πρώτον, ένας χρήστης σε έναν λογαριασμό AWS (λογαριασμός Α), μοιράζεται ένα προσαρμοσμένο μοντέλο που υπάρχει στον λογαριασμό του. Στη συνέχεια, ένας χρήστης σε άλλο λογαριασμό AWS (λογαριασμός Β) εισάγει το μοντέλο στον λογαριασμό του.
Μοιραστείτε ένα μοντέλο
Για κοινή χρήση ενός προσαρμοσμένου μοντέλου στον λογαριασμό Α, ο χρήστης επισυνάπτει ένα Διαχείριση ταυτότητας και πρόσβασης AWS (IAM) που βασίζεται σε πόρους σε μια έκδοση μοντέλου. Αυτή η πολιτική εξουσιοδοτεί μια οντότητα στο λογαριασμό Β, όπως έναν χρήστη ή έναν ρόλο IAM, να εισάγει την έκδοση μοντέλου στο Amazon Comprehend στον λογαριασμό AWS. Μπορείτε να διαμορφώσετε μια πολιτική που βασίζεται σε πόρους είτε μέσω της κονσόλας είτε με το έθιμο του Amazon Comprehend PutResourcePolicy
API.
Εισαγάγετε ένα μοντέλο
Για την εισαγωγή του μοντέλου στον λογαριασμό Β, ο χρήστης αυτού του λογαριασμού παρέχει στο Amazon Comprehend τις απαραίτητες λεπτομέρειες, όπως το όνομα πόρου Amazon (ARN) του μοντέλου. Όταν εισάγει το μοντέλο, αυτός ο χρήστης δημιουργεί ένα νέο προσαρμοσμένο μοντέλο στον λογαριασμό του AWS που αναπαράγει το μοντέλο που εισήγαγε. Αυτό το μοντέλο είναι πλήρως εκπαιδευμένο και έτοιμο για εργασίες εξαγωγής συμπερασμάτων, όπως ταξινόμηση εγγράφων ή αναγνώριση επώνυμης οντότητας. Εάν το μοντέλο είναι κρυπτογραφημένο με ένα Υπηρεσία διαχείρισης κλειδιών AWS (AWS KMS) κλειδί στην πηγή και, στη συνέχεια, ο ρόλος υπηρεσίας που καθορίζεται κατά την εισαγωγή του μοντέλου πρέπει να έχει πρόσβαση στο κλειδί KMS προκειμένου να αποκρυπτογραφηθεί το μοντέλο κατά την εισαγωγή. Ο λογαριασμός προορισμού μπορεί επίσης να καθορίσει ένα κλειδί KMS για την κρυπτογράφηση του μοντέλου κατά την εισαγωγή. Η εισαγωγή του κοινόχρηστου μοντέλου είναι επίσης διαθέσιμη τόσο στην κονσόλα όσο και ως API.
Επισκόπηση λύσεων
Για να δείξουμε τη λειτουργικότητα της δυνατότητας αντιγραφής μοντέλου, σας δείχνουμε πώς να εκπαιδεύετε, να μοιράζεστε και να εισάγετε ένα προσαρμοσμένο μοντέλο αναγνώρισης οντοτήτων του Amazon Comprehend χρησιμοποιώντας τόσο την κονσόλα Amazon Comprehend όσο και το AWS CLI. Για αυτήν την επίδειξη, χρησιμοποιούμε δύο διαφορετικούς λογαριασμούς. Τα βήματα ισχύουν και για την προσαρμοσμένη ταξινόμηση του Amazon Comprehend. Τα απαιτούμενα βήματα είναι τα εξής:
- Εκπαιδεύστε ένα προσαρμοσμένο μοντέλο αναγνώρισης οντοτήτων Amazon Comprehend στον λογαριασμό προέλευσης.
- Καθορίστε την πολιτική πόρων IAM για το εκπαιδευμένο μοντέλο ώστε να επιτρέπεται η πρόσβαση μεταξύ λογαριασμών.
- Αντιγράψτε το εκπαιδευμένο μοντέλο από τον λογαριασμό προέλευσης στον λογαριασμό προορισμού.
- Δοκιμάστε το αντιγραμμένο μοντέλο μέσω μιας εργασίας παρτίδας.
Εκπαιδεύστε ένα προσαρμοσμένο μοντέλο αναγνώρισης οντοτήτων Amazon Comprehend στον λογαριασμό προέλευσης
Το πρώτο βήμα είναι να εκπαιδεύσετε ένα προσαρμοσμένο μοντέλο αναγνώρισης οντοτήτων Amazon Comprehend στον λογαριασμό προέλευσης. Ως σύνολο δεδομένων εισόδου για την εκπαίδευση, χρησιμοποιούμε ένα CSV λίστα οντοτήτων και έγγραφα κατάρτισης για την αναγνώριση των προσφορών υπηρεσιών AWS σε ένα δεδομένο έγγραφο. Βεβαιωθείτε ότι η λίστα οντοτήτων και τα έγγραφα εκπαίδευσης βρίσκονται σε ένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) κάδος στον λογαριασμό προέλευσης. Για οδηγίες, βλ Προσθήκη εγγράφων στο Amazon S3.
Δημιουργήστε ένα ρόλο IAM για το Amazon Comprehend και παρέχετε την απαιτούμενη πρόσβαση στον κάδο S3 με τα δεδομένα εκπαίδευσης. Σημειώστε τον ρόλο των διαδρομών κάδου ARN και S3 που θα χρησιμοποιήσετε σε επόμενα βήματα.
Εκπαιδεύστε ένα μοντέλο με το AWS CLI
Δημιουργήστε έναν αναγνωριστικό οντοτήτων χρησιμοποιώντας την ακόλουθη εντολή AWS CLI. Αντικαταστήστε τις παραμέτρους σας για τις διαδρομές S3, το ρόλο IAM και την περιοχή. Η απάντηση επιστρέφει το EntityRecognizerArn
.
Η κατάσταση της εργασίας εκπαίδευσης μπορεί να παρακολουθηθεί καλώντας το describe-entity-recognizer και ελέγχοντας την Κατάσταση στην απάντηση.
Εκπαιδεύστε ένα μοντέλο μέσω της κονσόλας
Για να εκπαιδεύσετε ένα μοντέλο μέσω της κονσόλας, ολοκληρώστε τα παρακάτω βήματα:
- Στην κονσόλα Amazon Comprehend, κάτω Προσαρμογή, δημιουργήστε ένα νέο μοντέλο αναγνώρισης προσαρμοσμένων οντοτήτων.
- Δώστε όνομα μοντέλου και έκδοση.
- Για Γλώσσα, επιλέξτε Αγγλικά.
- Για Τύπος προσαρμοσμένης οντότητας, προσθέστε
AWS_OFFERING
.
Για να εκπαιδεύσετε ένα προσαρμοσμένο μοντέλο αναγνώρισης οντοτήτων, μπορείτε να επιλέξετε έναν από τους δύο τρόπους παροχής δεδομένων στο Amazon Comprehend: σχολιασμούς or λίστες οντοτήτων. Για απλότητα, χρησιμοποιήστε τη μέθοδο λίστας οντοτήτων.
- Για Μορφή δεδομένων, Επιλέξτε Αρχείο CSV.
- Για Τύπος εκπαίδευσης, Επιλέξτε Χρήση λίστας οντοτήτων και εγγράφων εκπαίδευσης.
- Καταχωρίστε τις διαδρομές τοποθεσίας S3 για τη λίστα οντοτήτων CSV και τα δεδομένα εκπαίδευσης.
- Για να εκχωρήσετε δικαιώματα στο Amazon Comprehend για πρόσβαση στον κάδο S3, δημιουργήστε έναν ρόλο που συνδέεται με την υπηρεσία IAM.
Στο Πολιτική που βασίζεται σε πόρους ενότητα, μπορείτε να εξουσιοδοτήσετε την πρόσβαση για την έκδοση μοντέλου. Οι λογαριασμοί στους οποίους παραχωρείτε πρόσβαση μπορούν να εισάγουν αυτό το μοντέλο στον λογαριασμό τους. Παραλείπουμε αυτό το βήμα προς το παρόν και προσθέτουμε την πολιτική αφού το μοντέλο έχει εκπαιδευτεί και είμαστε ικανοποιημένοι με την απόδοση του μοντέλου.
- Επιλέξτε Δημιουργία.
Αυτό υποβάλλει το προσαρμοσμένο αναγνωριστικό οντοτήτων σας, το οποίο περνά από διάφορα μοντέλα, συντονίζει τις υπερπαραμέτρους σας και ελέγχει για διασταυρούμενη επικύρωση για να βεβαιωθεί ότι το μοντέλο σας είναι ισχυρό. Αυτές είναι όλες οι ίδιες δραστηριότητες που εκτελούν οι επιστήμονες δεδομένων.
Καθορίστε την πολιτική πόρων IAM για το εκπαιδευμένο μοντέλο ώστε να επιτρέπεται η πρόσβαση μεταξύ λογαριασμών
Όταν είμαστε ικανοποιημένοι με την απόδοση της εκπαίδευσης, μπορούμε να προχωρήσουμε και να μοιραστούμε τη συγκεκριμένη έκδοση μοντέλου προσθέτοντας μια πολιτική πόρων.
Προσθέστε μια πολιτική που βασίζεται σε πόρους από το AWS CLI
Εξουσιοδοτήστε την εισαγωγή του μοντέλου από τον λογαριασμό προορισμού προσθέτοντας μια πολιτική πόρων στο μοντέλο, όπως φαίνεται στον παρακάτω κώδικα. Η πολιτική μπορεί να καλύψει αυστηρά το εύρος μιας συγκεκριμένης έκδοσης μοντέλου και τον κύριο στόχο. Αντικαταστήστε το εκπαιδευμένο αναγνωριστικό οντότητας ARN και τον λογαριασμό στόχευσης για να παρέχετε πρόσβαση.
Προσθέστε μια πολιτική που βασίζεται σε πόρους μέσω της κονσόλας
Όταν ολοκληρωθεί η εκπαίδευση, δημιουργείται μια προσαρμοσμένη έκδοση μοντέλου αναγνώρισης οντοτήτων. Μπορούμε να επιλέξουμε το εκπαιδευμένο μοντέλο και την έκδοση για να προβάλουμε τις λεπτομέρειες της εκπαίδευσης, συμπεριλαμβανομένης της απόδοσης του εκπαιδευμένου μοντέλου.
Για να ενημερώσετε την πολιτική, ολοκληρώστε τα παρακάτω βήματα:
- Στις Ετικέτες, VPC & Πολιτική καρτέλα, επεξεργαστείτε την πολιτική που βασίζεται σε πόρους.
- Δώστε το όνομα της πολιτικής, την κύρια υπηρεσία Amazon Comprehend (
comprehend.amazonaws.com
), αναγνωριστικό λογαριασμού προορισμού και χρήστες IAM στον λογαριασμό προορισμού που είναι εξουσιοδοτημένοι να εισάγουν την έκδοση μοντέλου.
Διευκρινίζουμε root
ως οντότητα IAM για να εξουσιοδοτήσει όλους τους χρήστες στον στοχευόμενο λογαριασμό.
Αντιγράψτε το εκπαιδευμένο μοντέλο από τον λογαριασμό προέλευσης στον λογαριασμό προορισμού
Τώρα το μοντέλο εκπαιδεύεται και μοιράζεται από τον λογαριασμό προέλευσης. Ο εξουσιοδοτημένος χρήστης στοχευόμενου λογαριασμού μπορεί να εισαγάγει το μοντέλο και να δημιουργήσει ένα αντίγραφο του μοντέλου στον δικό του λογαριασμό.
Για να εισαγάγετε ένα μοντέλο, πρέπει να καθορίσετε το μοντέλο προέλευσης ARN και τον ρόλο υπηρεσίας για το Amazon Comprehend για να εκτελέσει την ενέργεια αντιγραφής στον λογαριασμό σας. Μπορείτε να καθορίσετε ένα προαιρετικό αναγνωριστικό AWS KMS για την κρυπτογράφηση του μοντέλου στον στοχευόμενο λογαριασμό σας.
Εισαγάγετε το μοντέλο μέσω του AWS CLI
Για να εισαγάγετε το μοντέλο σας με το AWS CLI, εισαγάγετε τον ακόλουθο κωδικό:
Εισαγάγετε το μοντέλο μέσω της κονσόλας
Για να εισαγάγετε το μοντέλο μέσω της κονσόλας, ολοκληρώστε τα παρακάτω βήματα:
- Στην κονσόλα Amazon Comprehend, κάτω Αναγνώριση προσαρμοσμένης οντότητας, επιλέξτε Έκδοση εισαγωγής.
- Για Έκδοση μοντέλου ARN, εισαγάγετε το ARN για το μοντέλο που έχει εκπαιδευτεί στον λογαριασμό προέλευσης.
- Εισαγάγετε ένα όνομα μοντέλου και μια έκδοση για τον στόχο.
- Δώστε έναν ρόλο λογαριασμού υπηρεσίας και επιλέξτε Επιβεβαιώνω για να ξεκινήσει η διαδικασία εισαγωγής μοντέλου.
Αφού αλλάξει η κατάσταση του μοντέλου σε Imported
, μπορούμε να προβάλουμε τις λεπτομέρειες του μοντέλου, συμπεριλαμβανομένων των λεπτομερειών απόδοσης του εκπαιδευμένου μοντέλου.
Δοκιμάστε το αντιγραμμένο μοντέλο μέσω μιας εργασίας παρτίδας
Δοκιμάζουμε το αντιγραμμένο μοντέλο στον λογαριασμό προορισμού εντοπίζοντας προσαρμοσμένες οντότητες με μια εργασία δέσμης. Για να δοκιμάσετε το μοντέλο, κατεβάστε το αρχείο δοκιμής και τοποθετήστε το σε έναν κάδο S3 στον λογαριασμό-στόχο σας. Δημιουργήστε ένα ρόλο IAM για το Amazon Comprehend και παρέχετε την απαιτούμενη πρόσβαση στον κάδο S3 με τα δεδομένα δοκιμής. Χρησιμοποιείτε τις διαδρομές του κάδου ρόλου ARN και S3 που σημειώσατε νωρίτερα.
Όταν ολοκληρωθεί η εργασία, μπορείτε να επαληθεύσετε τα δεδομένα συμπερασμάτων στον καθορισμένο κάδο εξόδου S3.
Δοκιμάστε το μοντέλο με το AWS CLI
Για να δοκιμάσετε το μοντέλο χρησιμοποιώντας το AWS CLI, εισαγάγετε τον ακόλουθο κωδικό:
Δοκιμάστε το μοντέλο μέσω της κονσόλας
Για να δοκιμάσετε το μοντέλο μέσω της κονσόλας, ολοκληρώστε τα παρακάτω βήματα:
- Στην κονσόλα Amazon Comprehend, επιλέξτε Εργασίες ανάλυσης Και επιλέξτε Δημιουργήστε εργασία.
- Για Όνομα, πληκτρολογήστε ένα όνομα για την εργασία.
- Για Τύπος ανάλυσης¸ επιλέξτε Αναγνώριση προσαρμοσμένης οντότητας.
- Επιλέξτε το όνομα του μοντέλου και την έκδοση του εισαγόμενου μοντέλου.
- Δώστε τις διαδρομές S3 για το δοκιμαστικό αρχείο για την εργασία και τη θέση εξόδου όπου το Amazon Comprehend αποθηκεύει το αποτέλεσμα.
- Επιλέξτε ή δημιουργήστε έναν ρόλο IAM με άδεια πρόσβασης στους κάδους S3.
- Επιλέξτε Δημιουργήστε εργασία.
Όταν ολοκληρωθεί η εργασία ανάλυσής σας, έχετε αρχεία JSON στη διαδρομή του κάδου εξόδου S3, τα οποία μπορείτε να κάνετε λήψη για να επαληθεύσετε τα αποτελέσματα της αναγνώρισης οντοτήτων από το εισαγόμενο μοντέλο.
Συμπέρασμα
Σε αυτήν την ανάρτηση, παρουσιάσαμε τη δυνατότητα αντιγραφής προσαρμοσμένου μοντέλου οντότητας Amazon Comprehend. Αυτή η δυνατότητα σάς δίνει τη δυνατότητα να εκπαιδεύσετε ένα προσαρμοσμένο μοντέλο αναγνώρισης ή ταξινόμησης οντοτήτων Amazon Comprehend σε έναν λογαριασμό και, στη συνέχεια, να μοιραστείτε το μοντέλο με έναν άλλο λογαριασμό στην ίδια Περιοχή. Αυτό απλοποιεί τη στρατηγική πολλών λογαριασμών όπου το μοντέλο μπορεί να εκπαιδευτεί μία φορά και να μοιραστεί μεταξύ λογαριασμών εντός της ίδιας Περιοχής χωρίς να χρειάζεται να επανεκπαιδευτεί ή να μοιραστεί τα σύνολα δεδομένων εκπαίδευσης. Αυτό επιτρέπει μια προβλέψιμη ανάπτυξη σε κάθε λογαριασμό ως μέρος της ροής εργασίας MLOps. Για περισσότερες πληροφορίες, ανατρέξτε στην τεκμηρίωσή μας στο Κατανοήστε προσαρμοσμένο αντίγραφο, ή δοκιμάστε την αναλυτική παρουσίαση σε αυτήν την ανάρτηση είτε μέσω της κονσόλας είτε χρησιμοποιώντας ένα κέλυφος cloud με το AWS CLI.
Από τη σύνταξη αυτού του άρθρου, η λειτουργία αντιγραφής μοντέλου στο Amazon Comprehend είναι διαθέσιμη στις ακόλουθες Περιοχές:
- Ανατολικά ΗΠΑ (Οχάιο)
- Ανατολικά ΗΠΑ (Β. Βιρτζίνια)
- West West (Όρεγκον)
- Ασία Ειρηνικού (Βομβάη)
- Ασία Ειρηνικού (Σεούλ)
- Ασία Ειρηνικού (Σιγκαπούρη)
- Ασία-Ειρηνικός (Σίδνεϊ)
- Ασία Ειρηνικού (Τόκιο)
- ΕΕ (Φρανκφούρτη)
- ΕΕ (Ιρλανδία)
- ΕΕ (Λονδίνο)
- AWS GovCloud (ΗΠΑ-Δύση)
Δοκιμάστε τη λειτουργία και στείλτε μας τα σχόλιά σας είτε μέσω του Φόρουμ AWS για το Amazon Comprehend ή μέσω των συνηθισμένων επαφών υποστήριξης AWS.
Σχετικά με τους Συγγραφείς
Πρεμκουμάρ Ρανγκαράτζαν είναι ειδικός αρχιτέκτονας λύσεων AI/ML στην Amazon Web Services και έχει συγγράψει στο παρελθόν το βιβλίο Επεξεργασία Φυσικής Γλώσσας με υπηρεσίες AWS AI. Έχει 26 χρόνια εμπειρίας στον κλάδο της πληροφορικής σε διάφορους ρόλους, όπως επικεφαλής παράδοσης, ειδικός ολοκλήρωσης και αρχιτέκτονας επιχειρήσεων. Βοηθά τις επιχειρήσεις όλων των μεγεθών να υιοθετήσουν AI και ML για να λύσουν τις προκλήσεις του πραγματικού κόσμου.
Τσέθαν Κρίσνα είναι Senior Partner Solutions Architect στην Ινδία. Συνεργάζεται με τους Strategic AWS Partners για τη δημιουργία μιας ισχυρής ικανότητας cloud, την υιοθέτηση βέλτιστων πρακτικών AWS και την επίλυση των προκλήσεων των πελατών. Είναι κατασκευαστής και του αρέσει να πειραματίζεται με AI/ML, IoT και analytics.
Sriharsha MS είναι αρχιτέκτονας εξειδικευμένων λύσεων AI / ML στην ομάδα στρατηγικών ειδικών στις υπηρεσίες Web του Amazon. Συνεργάζεται με στρατηγικούς πελάτες AWS που εκμεταλλεύονται το AI / ML για την επίλυση σύνθετων επιχειρηματικών προβλημάτων. Παρέχει τεχνικές οδηγίες και συμβουλές σχεδιασμού για την εφαρμογή εφαρμογών AI / ML σε κλίμακα. Η εξειδίκευσή του καλύπτει την αρχιτεκτονική εφαρμογών, τα bigdata, τα analytics και τη μηχανική μάθηση.
- Coinsmart. Το καλύτερο ανταλλακτήριο Bitcoin και Crypto στην Ευρώπη.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. ΕΛΕΥΘΕΡΗ ΠΡΟΣΒΑΣΗ.
- CryptoHawk. Ραντάρ Altcoin. Δωρεάν δοκιμή.
- Πηγή: https://aws.amazon.com/blogs/machine-learning/announcing-the-launch-of-the-model-copy-feature-for-amazon-comprehend-custom-models/
- "
- &
- 100
- 9
- Σχετικά
- πρόσβαση
- Λογαριασμός
- Ενέργειες
- δραστηριοτήτων
- εξελίξεις
- Πλεονέκτημα
- συμβουλές
- AI
- Υπηρεσίες AI
- Όλα
- Amazon
- Amazon υπηρεσίες Web
- ανάλυση
- analytics
- Ανακοινώστε
- Ανακοίνωση
- Άλλος
- api
- APIs
- εφαρμόσιμος
- Εφαρμογή
- εφαρμογές
- αρχιτεκτονική
- αυτόματη
- διαθέσιμος
- AWS
- οφέλη
- ΚΑΛΎΤΕΡΟΣ
- βέλτιστες πρακτικές
- σύνορο
- χτίζω
- Builder
- επιχείρηση
- προκλήσεις
- έλεγχος
- έλεγχοι
- ταξινόμηση
- Backup
- κωδικός
- σχόλια
- Κοινός
- συγκρότημα
- πρόξενος
- περιεχόμενο
- Πελάτες
- ημερομηνία
- δεκαετία
- διανομή
- ανάπτυξη
- Υπηρεσίες
- διαφορετικές
- ψηφιακό
- έγγραφα
- εύκολα
- αποτέλεσμα
- τεράστιος
- Εταιρεία
- ουσιώδης
- παράδειγμα
- εμπειρία
- εξειδίκευση
- Χαρακτηριστικό
- ανατροφοδότηση
- οικονομικός
- των χρηματοπιστωτικών υπηρεσιών
- Όνομα
- Εξής
- λειτουργικότητα
- ευτυχισμένος
- που έχει
- βοηθά
- Πως
- Πώς να
- HTTPS
- προσδιορίσει
- Ταυτότητα
- εφαρμογή
- σημαντικό
- εισαγωγή
- Συμπεριλαμβανομένου
- Ινδία
- βιομηχανίες
- βιομηχανία
- πληροφορίες
- ιδέες
- ολοκλήρωση
- Νοημοσύνη
- τόκος
- IoT
- Ιρλανδία
- απομόνωση
- IT
- Δουλειά
- Θέσεις εργασίας
- Κλειδί
- Γλώσσα
- ξεκινήσει
- οδηγήσει
- μάθηση
- γραμμή
- Λίστα
- τοποθεσία
- Λονδίνο
- μηχανή
- μάθηση μηχανής
- διαχείριση
- Εικόνες / Βίντεο
- Εξόρυξη
- ML
- μοντέλο
- μοντέλα
- πλέον
- Δημοφιλέστερα
- Βομβάη
- Φυσικό
- Offerings
- Οχάιο
- τάξη
- Όρεγκον
- ΑΛΛΑ
- Ειρηνικός
- εταίρος
- Συνεργάτες
- επίδοση
- φράσεις
- πολιτική
- Δημοφιλής
- Κύριος
- προβλήματα
- διαδικασια μας
- Προϊόν
- παρέχουν
- παρέχει
- γρήγορα
- ρυθμιστές
- απαιτείται
- απαιτήσεις
- πόρος
- απάντησης
- Αποτελέσματα
- Επιστροφές
- Κριτικές
- Κλίμακα
- επιστήμονες
- SDK
- Σεούλ
- υπηρεσία
- Υπηρεσίες
- Κοινοποίηση
- Shared
- Μερίδια
- κέλυφος
- Απλούς
- Singapore
- So
- Λύσεις
- SOLVE
- Εκκίνηση
- Δήλωση
- Κατάσταση
- χώρος στο δίσκο
- καταστήματα
- Στρατηγική
- Στρατηγική
- υποστήριξη
- sydney
- στόχος
- Τεχνικός
- δοκιμή
- Η Πηγη
- Μέσω
- ώρα
- σήμερα
- Τόκιο
- Εκπαίδευση
- Τάσεις
- μοναδικός
- Ενημέρωση
- us
- χρήση
- Χρήστες
- πωλητές
- Δες
- Βιργινία
- ιστός
- διαδικτυακές υπηρεσίες
- δυτικά
- Ο ΟΠΟΊΟΣ
- εντός
- χωρίς
- λειτουργεί
- γραφή
- χρόνια