Amazon SageMaker Ground Truth Plus aitab teil ette valmistada kvaliteetseid koolitusandmekogumeid, eemaldades andmete märgistamise rakenduste ehitamise ja märgistamise tööjõu haldamisega seotud eristamata rasked tõstmised. Kõik, mida saate teha, on andmete jagamine koos märgistamisnõuetega ning Ground Truth Plus seadistab ja haldab teie andmete märgistamise töövoogu nende nõuete alusel. Sealt edasi märgistab teie andmeid asjatundlik tööjõud, kes on koolitatud mitmesuguste masinõppe (ML) ülesannete jaoks. Ground Truth Plusi kasutamiseks ei vaja te isegi sügavaid ML-teadmisi ega teadmisi töövoo kujundamise ja kvaliteedijuhtimise kohta. Nüüd teenindab Ground Truth Plus kliente, kes vajavad generatiivsete AI-rakenduste alusmudelite viimistlemiseks andmete märgistamist ja inimeste tagasisidet.
Sellest postitusest saate teada hiljutiste edusammude kohta inimeste tagasisides generatiivse AI jaoks, mis on saadaval SageMaker Ground Truth Plusi kaudu. See hõlmab uusi töövooge ja kasutajaliideseid (UI-sid), mis on saadaval järelevalve all peenhäälestamisel kasutatavate demonstratsiooniandmekogumite ettevalmistamiseks, kvaliteetse inimeste tagasiside kogumiseks, et luua eelistuste andmestikke generatiivsete tehisintellekti alusmudelite vastavusse viimiseks inimeste eelistustega, ning mudelite kohandamiseks rakenduste koostajatele. nõuded stiilile, sisule ja häälele.
Väljakutsed generatiivse AI-ga alustamisel
Generatiivsed AI-rakendused üle maailma hõlmavad nii üherežiimilisi kui ka mitmeliigilise aluse mudeleid, et lahendada paljusid erinevaid kasutusjuhtumeid. Levinud on vestlusrobotid, pildigeneraatorid ja videogeneraatorid. Suuri keelemudeleid (LLM-e) kasutatakse loometegevuseks mõeldud vestlusrobotites, akadeemilistes ja isiklikes assistentides, äriteabe tööriistades ja tootlikkuse tööriistades. Abstraktse või realistliku tehisintellekti kunsti ja turundusvarade loomiseks saate kasutada tekstist pildiks muutvaid mudeleid. Tekstist videoks muutmise mudeleid kasutatakse videote loomiseks kunstiprojektide, väga kaasahaaravate reklaamide, videomängude arendamise ja isegi filmide jaoks.
Kaks kõige olulisemat probleemi, mis tuleb lahendada nii mudelitootjate jaoks, kes loovad vundamendimudeleid, kui ka rakenduste ehitajatele, kes kasutavad olemasolevaid generatiivseid vundamendimudeleid oma tööriistade ja rakenduste loomiseks, on järgmised:
- Nende vundamendimudelite peenhäälestus, et oleks võimalik täita konkreetseid ülesandeid
- Joondage need inimeste eelistustega, et tagada kasuliku, täpse ja kahjutu teabe väljastamine
Vundamendimudelid on tavaliselt eelkoolitatud suurte märgistamata andmete korpuste jaoks ja seetõttu ei toimi nad hästi loomuliku keele juhiste järgimisel. LLM-i jaoks tähendab see, et nad võivad olla võimelised üldiselt keelt sõeluma ja genereerima, kuid nad ei pruugi vastata küsimustele sidusalt ega teha teksti kokkuvõtet kasutaja nõutud kvaliteediga. Näiteks kui kasutaja taotleb viipas oleva teksti kokkuvõtet, võib mudel, mis ei ole teksti kokkuvõtte tegemiseks täpselt häälestatud, lihtsalt viipa teksti kasutajale tagasi lugeda või vastata millelegi ebaolulisele. Kui kasutaja esitab mõne teema kohta küsimuse, võib mudeli vastus olla lihtsalt küsimuse kordus. Multimodaalsete mudelite (nt tekst-pildiks või tekst-videoks mudelid) puhul võivad mudelid väljastada sisu, mis ei ole viipaga seotud. Näiteks kui ettevõtte graafiline disainer palub tekstist pildiks muutval mudelil luua reklaami jaoks uus logo või pilt, ei pruugi mudel luua viipaga seotud asjakohast graafikat, kui sellel on ainult pildi üldine kontseptsioon. ja pildi elemendid. Mõnel juhul võib mudel väljastada kahjulikku pilti või videot, mis seab ohtu kasutaja usalduse või ettevõtte maine.
Isegi kui mudelid on konkreetsete ülesannete täitmiseks peenhäälestatud, ei pruugi need olla vastavuses inimeste eelistustega nende väljundi sisu tähenduse, stiili või sisu osas. LLM-is võib see ilmneda mudeli loodud ebatäpse või isegi kahjuliku sisuna. Näiteks võib mudel, mis ei ole peenhäälestuse abil inimeste eelistustega vastavuses, kasutaja küsimisel väljastada ohtlikke, ebaeetilisi või isegi ebaseaduslikke juhiseid. Mudeli poolt genereeritava sisu piiramise eest ei ole võetud hoolt, et tagada selle vastavus inimese eelistustele, et see oleks täpne, asjakohane ja kasulik. See kõrvalekaldumine võib olla probleemiks ettevõtetele, kes kasutavad oma rakenduste (nt vestlusrobotid ja multimeedia loomine) generatiivseid AI mudeleid. Multimodaalsete mudelite puhul võib see esineda mürgiste, ohtlike või kuritahtlike piltide või videote loomisel. See on oht, kui mudelisse sisestatakse viipasid ilma kavatsuseta luua tundlikku sisu, ja ka siis, kui mudeli tootja või rakenduse koostaja ei kavatsenud lubada mudelil sellist sisu genereerida, kuid see loodi siiski.
Ülesandepõhise suutlikkuse ja generatiivsete vundamentide mudelite inimeste eelistustega vastavusse viimise probleemide lahendamiseks peavad mudelitootjad ja rakenduste koostajad mudeleid andmetega viimistlema, kasutades inimese juhitud demonstratsioone ja mudeliväljundite inimeste tagasisidet.
Andmed ja koolitustüübid
Erinevat tüüpi märgistatud andmetega peenhäälestusmeetodeid on mitut tüüpi, mis liigitatakse juhiste häälestamiseks või juhiste järgimise mudeli õpetamiseks. Nende hulgas on juhendatud peenhäälestus (SFT), kasutades demonstratsiooniandmeid, ja tugevdav õppimine inimeste tagasisidest (RLHF), kasutades eelistusandmeid.
Näidisandmed järelevalve all peenhäälestamiseks
Vundamendimudelite viimistlemiseks konkreetsete ülesannete täitmiseks, nagu küsimustele vastamine või kvaliteetse teksti kokkuvõte, läbivad mudelid SFT koos demonstratsiooniandmetega. Demonstratsiooniandmete eesmärk on suunata mudelit, pakkudes sellele märgistatud näiteid (esitlusi) inimeste tehtud ülesannete kohta. Näiteks selleks, et õpetada LLM-ile küsimustele vastamist, loob inimannotaator märgistatud andmestiku inimese loodud küsimuste ja vastuste paaridest, et näidata, kuidas küsimuste ja vastuste interaktsioon keeleliselt toimib ja mida sisu semantiliselt tähendab. Selline SFT koolitab mudelit ära tundma käitumismustreid, mida inimesed on demonstratsioonitreeningu andmetes näidanud. Mudelitootjad peavad seda tüüpi peenhäälestust tegema, et näidata, et nende mudelid on võimelised täitma selliseid ülesandeid järgnevate kasutajate jaoks. Rakenduste ehitajatel, kes kasutavad oma generatiivsete AI-rakenduste jaoks olemasolevaid alusmudeleid, võib olla vaja oma mudeleid täpsustada nende ülesannete demonstratsiooniandmetega, kasutades tööstus- või ettevõttespetsiifilisi andmeid, et parandada oma rakenduste asjakohasust ja täpsust.
Eelistusandmed juhiste häälestamiseks, näiteks RLHF
Vundamendimudelite edasiseks vastavusse viimiseks inimeste eelistustega peavad mudelitootjad ja eriti rakenduste koostajad juhiste häälestamiseks genereerima eelistuste andmekogumid. Eelistusandmed juhiste häälestamise kontekstis on märgistatud andmed, mis koguvad inimeste tagasisidet generatiivse alusmudeli poolt väljastatud valikute komplekti kohta. Tavaliselt hõlmab see mitme järelduse hindamist või järjestamist või kahe alusmudeli järelduse paarikaupa võrdlemist mõne konkreetse atribuudi järgi. LLM-ide jaoks võivad need atribuudid olla abivalmidus, täpsus ja kahjutus. Tekst-pildiks mudelite puhul võib see olla esteetiline kvaliteet või teksti-kujutise joondus. Neid inimeste tagasisidel põhinevaid eelistusandmeid saab seejärel kasutada erinevates juhiste häälestamise meetodites, sealhulgas RLHF-is, et mudelit inimese eelistustega vastavusse viimiseks veelgi täpsustada.
Eelistusandmete abil juhiste häälestamine mängib vundamendimudelite isikupärastamise ja tõhususe suurendamisel üliolulist rolli. See on oluline samm kohandatud rakenduste loomisel eelkoolitatud vundamendimudelitele ning see on võimas meetod tagamaks, et mudelid loovad kasulikku, täpset ja kahjutut sisu. Tavaline näide juhiste häälestusest on juhendada vestlusrobot genereerima päringule kolm vastust ning lasta inimesel lugeda ja järjestada kõik kolm teatud mõõtmete järgi, nagu toksilisus, faktitäpsus või loetavus. Näiteks võib ettevõte kasutada oma turundusosakonna jaoks vestlusrobotit ja soovib veenduda, et sisu oleks vastavuses tema brändi sõnumiga, ei näita eelarvamusi ja on selgelt loetav. Ettevõte palub vestlusrotil juhiste häälestamise ajal toota kolm näidet ja laseb oma siseekspertidel valida need, mis nende eesmärgiga kõige paremini sobivad. Aja jooksul loovad nad andmestiku, mida kasutatakse, et õpetada mudelile, millist sisu inimesed eelistavad, tugevdades õppimist. See võimaldab vestlusroboti rakendusel väljastada asjakohasemat, loetavamat ja turvalisemat sisu.
SageMaker Ground Truth Plus
Ground Truth Plus aitab teil lahendada mõlemad väljakutsed – luua ülesandespetsiifiliste võimalustega esitlusandmekogumeid, samuti koguda eelistuste andmekogumeid inimeste tagasisidest, et viia mudelid vastavusse inimeste eelistustega. Saate taotleda projekte LLM-ide ja multimodaalsete mudelite (nt tekst-pildiks ja tekst-videoks) jaoks. LLM-ide jaoks hõlmavad peamised esitlusandmestikud küsimuste ja vastuste (Q&A), teksti kokkuvõtete koostamist, teksti genereerimist ja teksti ümbertöötamist sisu modereerimise, stiili või pikkuse muutmise eesmärgil. Peamised LLM-i eelistuste andmekogumid hõlmavad tekstiväljundite järjestamist ja klassifitseerimist. Multimodaalsete mudelite puhul hõlmavad peamised ülesannete tüübid piltide või videote pealdisi ning sündmuste ajatemplite logimist videotes. Seetõttu saab Ground Truth Plus aidata nii mudelitootjaid kui ka rakenduste ehitajaid nende generatiivsel tehisintellekti teekonnal.
Selles postituses sukeldume sügavamale inimannotaatori ja tagasiside teekonnale neljal juhul, mis hõlmavad nii LLM-ide kui ka multimodaalsete mudelite demonstratsiooniandmeid ja eelistusandmeid: küsimuste ja vastuste paaride genereerimine ja teksti järjestamine LLM-ide jaoks, samuti piltide pealdised ja videotiitrid multimodaalsetele mudelitele.
Suured keelemudelid
Selles jaotises käsitleme küsimuste ja vastuste paare ja teksti järjestamist LLM-ide jaoks koos kohandustega, mida võiksite oma kasutusjuhtumi jaoks soovida.
Küsimuste ja vastuste paarid
Järgmisel ekraanipildil on sildistamise kasutajaliides, milles inimannotaator loeb tekstilõigu ja genereerib küsimuste ja vastuste demonstratsiooniandmestiku koostamise käigus nii küsimusi kui ka vastuseid.
Teeme kasutajaliidese tutvustuse annotaatori kingades. Kasutajaliidese vasakus servas esitatakse annotaatorile töö taotleja konkreetsed juhised. Sel juhul peaks annotaator lugema kasutajaliidese keskel esitatud tekstilõike ning looma teksti põhjal küsimusi ja vastuseid. Paremal pool on näidatud küsimused ja vastused, mille annotaator on kirjutanud. Töösoovija saab Ground Truth Plusi meeskonnaga projekti seadistamise käigus kohandada nii tekstilõiku kui ka küsimuste ja vastuste tüüpi, pikkust ning arvu. Sel juhul on annotaator loonud küsimuse, mille vastamiseks on vaja mõista kogu tekstilõigu ja mis on tähistatud Viitab kogu lõigule märkeruut. Ülejäänud kaks küsimust ja vastust põhinevad tekstilõigu konkreetsetel osadel, nagu näitavad annotaatori esiletõstmised värvikoodiga sobitamisega. Soovi korral võite taotleda, et küsimused ja vastused genereeritaks ilma etteantud tekstilõiguta, ja anda inimmärkijatele muid juhiseid – seda toetab ka Ground Truth Plus.
Pärast küsimuste ja vastuste esitamist saavad need suunata valikulisse kvaliteedikontrolli ahela töövoogu, kus teised ülevaatajad kinnitavad, et kliendi määratud jaotus ning küsimuste ja vastuste tüübid on loodud. Kui kliendi nõuded ja inimesest annotaatori poolt toodetud materjalid ei ühti, suunatakse töö enne kliendile edastamiseks andmestiku osana eksportimist tagasi inimesele ümbertöötamiseks. Kui andmestik teile tagasi toimetatakse, on see teie äranägemisel valmis järelevalvega peenhäälestustöövoogu lisamiseks.
Teksti paremusjärjestus
Järgmine ekraanipilt näitab kasutajaliidest LLM-i väljundite järjestamiseks viipa alusel.
Saate lihtsalt kirjutada juhised inimülevaatajale ning tuua töö alustamiseks Ground Truth Plusi projektimeeskonnale viipasid ja eelnevalt loodud vastuseid. Sel juhul oleme palunud, et ülevaataja hindaks kirjaliku selguse (loetavuse) mõõtme järgi kolm vastust LLM-i viipa kohta. Jällegi kuvatakse vasakpoolsel paanil töösoovija poolt ülevaatajale antud juhised. Keskel on viip lehe ülaosas ja kolm eelnevalt loodud vastust on kasutusmugavuse huvides põhiosa. Kasutajaliidese paremas servas järjestab inimülevaataja need kõige selgema ja kõige selgemini kirjutatud järjekorras.
Klientide seas, kes soovivad luua seda tüüpi eelistuste andmekogu, on rakenduste koostajad, kes on huvitatud inimeselaadsete vestlusrobotite loomisest ja soovivad seetõttu juhiseid enda tarbeks kohandada. Viiba pikkust, vastuste arvu ja järjestuse dimensiooni saab kohandada. Näiteks võite järjestada viis vastust kõige täpsema ja kõige vähem faktitäpsuse, kallutatud või mürgise järjekorras või isegi järjestada ja klassifitseerida mitu dimensiooni samaaegselt. Neid kohandusi toetab Ground Truth Plus.
Multimodaalsed mudelid
Selles jaotises käsitleme piltide ja videote pealdisi multimodaalsete mudelite (nt tekst-pildiks ja tekst-videoks mudelite) treenimiseks, samuti kohandusi, mida võiksite oma konkreetse kasutusjuhtumi jaoks teha.
Pildi pealdised
Järgmisel ekraanipildil on kujutatud pilditiitrite märgistamise kasutajaliides. Saate taotleda pildiallkirjaga projekti, et koguda andmeid, et treenida tekst-pildiks mudelit või pilt-tekstimudelit.
Sel juhul oleme taotlenud tekstist pildiks mudeli väljaõpetamist ning seadnud pealdisele pikkuse ja üksikasjalikkuse osas konkreetsed nõuded. Kasutajaliides on loodud selleks, et juhendada inimannotaatoreid läbi rikkalike subtiitrite loomise kognitiivse protsessi, pakkudes abistavate ja kirjeldavate tööriistade abil vaimset raamistikku. Oleme avastanud, et selle vaimse raamistiku pakkumine annotaatoritele annab kirjeldavamad ja täpsemad pealdised kui lihtsalt redigeeritava tekstikasti pakkumine.
Raamistiku esimene samm on see, et inimannotaator tuvastab pildil peamised objektid. Kui annotaator valib pildil objekti, ilmub objektile värvikoodiga punkt. Sel juhul on annotaator valinud nii koera kui ka kassi, luues kasutajaliidese paremal küljel kaks redigeeritavat välja, kuhu annotaator sisestab objektide nimed – kass ja koer – koos iga objekti üksikasjaliku kirjeldusega. Järgmisena juhendatakse annotaatorit tuvastama kõik pildil olevate objektide vahelised seosed. Sel juhul lõõgastub kass koera kõrval. Järgmisena palutakse annotaatoril tuvastada pildi konkreetsed atribuudid, nagu säte, taust või keskkond. Lõpuks kästakse annotaatoril subtiitrite sisestamise tekstikastis ühendada kõik see, mis ta objektide, suhete ja kujutise seadistuste väljadele kirjutas, ühtseks pildi kirjeldavaks pealkirjaks.
Soovi korral saate selle pildi pealdise konfigureerida nii, et see läbiks inimpõhise kvaliteedikontrolli koos konkreetsete juhistega, tagamaks, et pealdis vastab nõuetele. Kui tuvastatakse probleem, näiteks puuduv võtmeobjekt, saab selle pealdise tagasi saata, et inimene probleemi lahendaks enne eksportimist koolitusandmestiku osana.
Video pealdised
Järgmisel ekraanipildil on video pealdrite kasutajaliides, et luua ajatempli siltidega rikkalikke videotiitreid. Saate taotleda videotiitrite projekti, et koguda andmeid tekstist videoks või video tekstiks mudelite loomiseks.
Selles sildistamise kasutajaliideses oleme loonud sarnase vaimse raamistiku, et tagada kvaliteetsete subtiitrite kirjutamine. Inimene annotaator saab juhtida vasakpoolset videot ning luua kasutajaliidese elementidega parempoolses videos iga tegevuse jaoks kirjeldusi ja ajatempleid. Sarnaselt pilditiitrite kasutajaliidesele on ka koht, kus annotaator saab kirjutada üksikasjaliku kirjelduse video seadete, tausta ja keskkonna kohta. Lõpuks kästakse annotaatoril ühendada kõik elemendid ühtseks videopealkirjaks.
Sarnaselt pilditiitrite juhtumiga võivad videotiitrid soovi korral läbida inimpõhise kvaliteedikontrolli töövoo, et teha kindlaks, kas teie nõuded on täidetud. Kui video tiitritega on probleeme, saadetakse see annotaatorite tööjõu poolt ümbertöötamiseks.
Järeldus
Ground Truth Plus aitab teil koostada kvaliteetseid andmekogumeid, et täpsustada alusmudeleid generatiivsete AI-ülesannete jaoks, alates küsimustele vastamisest kuni piltide ja videote loomiseni. Samuti võimaldab see kvalifitseeritud inimtööjõul mudeli väljundid üle vaadata, et tagada nende vastavus inimese eelistustele. Lisaks võimaldab see rakenduste koostajatel kohandada mudeleid, kasutades oma valdkonna või ettevõtte andmeid, tagamaks, et nende rakendus esindab nende eelistatud häält ja stiili. Need on esimesed paljudest Ground Truth Plusi uuendustest ja rohkem on väljatöötamisel. Olge tulevaste postitustega kursis.
Kas soovite alustada projekti oma generatiivsete AI mudelite ja rakenduste loomiseks või täiustamiseks? Alustage Ground Truth Plusiga ühendust meie meeskonnaga täna.
Autoritest
Jesse Manders on AWS AI/ML-i vanemtootejuht silmusteenuste meeskonnas. Ta töötab tehisintellekti ja inimestevahelise suhtluse ristumiskohas eesmärgiga luua ja täiustada AI/ML tooteid ja teenuseid, et need vastaksid meie vajadustele. Varem töötas Jesse Apple'i ja Lumiledsi insenerivaldkonnas ning oli Silicon Valley idufirma vanemteadur. Tal on MS ja Ph.D. Florida ülikoolist ja MBA kraadi California ülikoolist Berkeley Haasi ärikoolist.
Romi Datta on Amazon SageMakeri meeskonna tootehalduse vanemjuht, kes vastutab Human in the Loop teenuste eest. Ta on olnud AWS-is üle 4 aasta, täites mitmeid tootehalduse juhtrolle SageMakeris, S3-s ja IoT-s. Enne AWS-i töötas ta erinevatel tootehalduse, inseneri ja operatiivjuhtimise ametikohtadel ettevõtetes IBM, Texas Instruments ja Nvidia. Tal on MS ja Ph.D. aastal Austini Texase ülikooli elektri- ja arvutitehnika erialal ning Chicago Boothi ülikooli ärikoolis MBA.
Jonathan Buck on Amazon Web Servicesi tarkvarainsener, kes töötab masinõppe ja hajutatud süsteemide ristumiskohas. Tema töö hõlmab masinõppe mudelite tootmist ja uudsete masinõppel põhinevate tarkvararakenduste arendamist, et anda klientidele uusimad võimalused.
Alex Williams on rakendusteadlane AWS-i tehisintellekti human-in-the-loop teaduse meeskonnas, kus ta viib läbi interaktiivsete süsteemide uurimist inimese ja arvuti interaktsiooni (HCI) ja masinõppe ristumiskohas. Enne Amazoniga liitumist oli ta Tennessee ülikooli elektrotehnika ja arvutiteaduse osakonna professor, kus ta juhtis inimeste, agentide, interaktsioonide ja süsteemide (PAIRS) uurimislaborit. Samuti on ta töötanud teaduritel Microsoft Researchis, Mozilla Researchis ja Oxfordi ülikoolis. Ta avaldab regulaarselt oma töid HCI peamistes avaldamiskohtades, nagu CHI, CSCW ja UIST. Tal on Waterloo ülikooli doktorikraad.
Sarah Gao on Amazon SageMaker Human In the Loop (HIL) tarkvaraarenduse juht, kes vastutab ML-põhise märgistamisplatvormi loomise eest. Sarah on olnud AWS-is üle 4 aasta, täites mitut tarkvarahalduse juhtrolli EC2 turvalisuse ja SageMakeri alal. Enne AWS-i töötas ta erinevates insenerijuhtimise rollides ettevõtetes Oracle ja Sun Microsystem.
Erran Li on human-in-the-loop teenuste, AWS AI, Amazon rakendusteaduste juht. Tema uurimisvaldkonnad on 3D süvaõpe ning visiooni ja keele esituse õpe. Varem oli ta Alexa AI vanemteadur, Scale AI masinõppe juht ja Pony.ai peateadlane. Enne seda töötas ta Uber ATG tajumeeskonnas ja Uberi masinõppeplatvormi meeskonnas, kes töötas autonoomse sõidu masinõppe, masinõppesüsteemide ja tehisintellekti strateegiliste algatuste kallal. Ta alustas oma karjääri Bell Labsis ja oli Columbia ülikooli dotsent. Ta õpetas ICML'17 ja ICCV'19 õpetusi ning korraldas NeurIPS-is, ICML-is, CVPR-is ja ICCV-s mitmeid seminare autonoomse juhtimise masinõppe, 3D-nägemise ja robootika, masinõppesüsteemide ja võistleva masinõppe teemal. Tal on Cornelli ülikoolis arvutiteaduse doktorikraad. Ta on ACM Fellow ja IEEE Fellow.
- SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
- PlatoAiStream. Web3 andmete luure. Täiustatud teadmised. Juurdepääs siia.
- Tuleviku rahapaja Adryenn Ashley. Juurdepääs siia.
- Ostke ja müüge IPO-eelsete ettevõtete aktsiaid koos PREIPO®-ga. Juurdepääs siia.
- Allikas: https://aws.amazon.com/blogs/machine-learning/high-quality-human-feedback-for-your-generative-ai-applications-from-amazon-sagemaker-ground-truth-plus/
- :on
- :on
- :mitte
- : kus
- $ UP
- 100
- 3d
- 7
- a
- Võimalik
- MEIST
- ABSTRACT
- akadeemiline
- Vastavalt
- täpsus
- täpne
- ACM
- tegevus
- Lisaks
- aadress
- lapsendajad
- edusammud
- võistlev
- reklaam
- jälle
- ained
- AI
- ai kunst
- AI / ML
- Alexa
- viia
- joondatud
- joondumine
- Materjal: BPA ja flataatide vaba plastik
- võimaldama
- võimaldab
- üksi
- mööda
- Ka
- Amazon
- Amazon SageMaker
- Amazon SageMaker Ground Truth
- Amazon Web Services
- vahel
- an
- ja
- vastus
- vastuseid
- ilmub
- õun
- taotlus
- rakendused
- rakendatud
- OLEME
- ümber
- Kunst
- AS
- vara
- assistendid
- seotud
- At
- atribuudid
- Austin
- autonoomne
- saadaval
- AWS
- tagasi
- tagapõhi
- põhineb
- BE
- olnud
- enne
- on
- Kell
- Berkeley
- vahel
- erapooletu
- kalduvusi
- keha
- mõlemad
- Kast
- bränd
- tooma
- ehitama
- ehitaja
- ehitajad
- Ehitus
- ehitatud
- äri
- ärianalüüsi
- kuid
- by
- California
- CAN
- võimeid
- võimeline
- tekste
- lööb
- mis
- Karjäär
- juhul
- juhtudel
- CAT
- keskus
- muutma
- chatbot
- jututoad
- kontrollima
- chicago
- juht
- valitud
- selgus
- Klassifitseerige
- selge
- selgelt
- tunnetuslik
- SIDUS
- COLUMBIA
- ühendama
- ühine
- Ettevõtted
- ettevõte
- võrrelda
- täitma
- Lõpetatud
- arvuti
- Arvutitehnika
- Arvutiteadus
- mõiste
- dirigeerib
- usaldus
- Kinnitama
- sisu
- kontekst
- kontrollida
- cornell
- Korporatiivne
- parandada
- võiks
- kattes
- looma
- loodud
- loomine
- loomine
- Loominguline
- otsustav
- tava
- klient
- Kliendid
- kohandada
- kohandatud
- Ohtlik
- andmed
- andmekogumid
- sügav
- sügav õpe
- sügavam
- tarnima
- esitatud
- näitama
- Näidatud
- osakond
- kirjeldus
- Disain
- kavandatud
- Disainer
- detail
- üksikasjalik
- Määrama
- arenev
- & Tarkvaraarendus
- erinev
- mõõde
- mõõdud
- äranägemisel
- arutama
- jagatud
- hajutatud süsteemid
- jaotus
- do
- Ei tee
- koer
- tehtud
- Ära
- DOT
- sõidu
- ajal
- iga
- leevendada
- kasutusmugavus
- tõhusus
- elemendid
- võimaldab
- kaasamine
- insener
- Inseneriteadus
- suurendamine
- tagama
- sisene
- Kogu
- keskkond
- eriti
- Isegi
- sündmused
- näide
- näited
- näitama
- olemasolevate
- ekspert
- teadmised
- ekspertide
- tagasiside
- mees
- Valdkonnad
- Film
- Lõpuks
- esimene
- Florida
- voog
- järgima
- Järel
- eest
- vorm
- avastatud
- Sihtasutus
- neli
- Raamistik
- Alates
- edasi
- tulevik
- mäng
- mängu arendamine
- GAO
- koguma
- kogumine
- Üldine
- tekitama
- loodud
- teeniva
- põlvkond
- generatiivne
- Generatiivne AI
- generaatorid
- saama
- saamine
- antud
- eesmärk
- GRAAFIKA
- Maa
- suunata
- suunised
- olnud
- Käed
- kahjulik
- Olema
- HCl
- he
- juhataja
- raske
- raske tõstmine
- Held
- aitama
- kasulik
- aitab
- Suur
- kvaliteetne
- rõhutab
- kõrgelt
- tema
- omamine
- omab
- Kuidas
- Kuidas
- HTML
- HTTPS
- inim-
- Inimestel
- IBM
- tuvastatud
- identifitseerima
- IEEE
- if
- ebaseaduslik
- pilt
- pildid
- oluline
- parandama
- Paranemist
- in
- ebatäpne
- sisaldama
- hõlmab
- lisada
- tööstus
- tööstusharuspetsiifiline
- algatused
- uuendusi
- sisend
- juhised
- instrumendid
- Intelligentsus
- ette nähtud
- Kavatsus
- suhtlemist
- interaktsioonid
- interaktiivne
- huvitatud
- el
- liidesed
- sisemine
- ristmik
- sisse
- asjade Interneti
- probleem
- küsimustes
- IT
- ITS
- ise
- töö
- liitumine
- teekond
- jpg
- lihtsalt
- Võti
- Laps
- teadmised
- märgistamine
- Labels
- labor
- Labs
- keel
- suur
- hiljemalt
- Juhtimine
- Õppida
- õppimine
- kõige vähem
- lahkus
- Pikkus
- tõstmine
- LIMIT
- LLM
- metsaraie
- logo
- masin
- masinõpe
- põhiline
- tegema
- juhtimine
- juht
- haldab
- juhtiv
- palju
- märgitud
- Turundus
- sobitamine
- mai..
- tähendus
- vahendid
- Vastama
- vastab
- vaimne
- sõnum
- meetod
- meetodid
- Microsoft
- puuduvad
- ML
- mudel
- mudelid
- mõõdukus
- rohkem
- kõige
- Mozilla
- Multimeedia
- mitmekordne
- peab
- nimed
- Natural
- Vajadus
- vajadustele
- Uus
- järgmine
- ei
- romaan
- nüüd
- number
- Nvidia
- objekt
- esemeid
- of
- on
- ones
- ainult
- töökorras
- Valikud
- or
- oraakel
- et
- Muu
- meie
- väljund
- üle
- enda
- Oxford
- lehekülg
- paar
- paari
- pane
- osa
- eriline
- osad
- Vastu võetud
- mustrid
- Inimesed
- taju
- täitma
- esitades
- isiklik
- Isikupärastamine
- Koht
- inimesele
- Platon
- Platoni andmete intelligentsus
- PlatoData
- mängib
- pluss
- positsioone
- post
- Postitusi
- sisse
- võimas
- eelistama
- eelistusi
- eelistatud
- peaminister
- Valmistama
- ettevalmistamisel
- esitatud
- varem
- Eelnev
- Probleem
- probleeme
- protsess
- tootma
- Toodetud
- tootja
- Tootjad
- Toode
- tootehaldus
- tootejuht
- tootlikkus
- Toodet
- Õpetaja
- projekt
- projektid
- anda
- tingimusel
- pakkudes
- avaldamine
- Avaldab
- eesmärk
- eesmärkidel
- panema
- Küsimused ja vastused
- kvaliteet
- küsimus
- Küsimused
- Edetabel
- hinnang
- Lugenud
- valmis
- realistlik
- hiljuti
- tunnistama
- regulaarselt
- seotud
- Suhted
- asjakohane
- lootma
- eemaldades
- esindamine
- esindab
- maine
- taotleda
- Taotlusi
- nõutav
- Nõuded
- Vajab
- teadustöö
- suhtes
- Reageerida
- vastus
- vastuste
- vastutav
- Tulemused
- läbi
- Rikas
- õige
- Oht
- riskides
- robootika
- Roll
- rollid
- s
- ohutu
- salveitegija
- Skaala
- skaala ai
- Kool
- teadus
- teadlane
- Osa
- turvalisus
- vanem
- tundlik
- Saadetud
- Teenused
- teenindavad
- komplekt
- Komplektid
- kehtestamine
- seade
- mitu
- Jaga
- ta
- näitama
- näidatud
- Näitused
- külg
- Räni
- Silicon Valley
- sarnane
- lihtsalt
- üheaegselt
- ühekordne
- osav
- tarkvara
- tarkvaraarenduse
- Tarkvara insener
- LAHENDAGE
- mõned
- midagi
- konkreetse
- määratletud
- algus
- alustatud
- Käivitus
- käivitamisel
- jääma
- Samm
- Strateegiline
- stiil
- esitatud
- aine
- selline
- Kokku võtta
- KOKKUVÕTE
- Sun
- Toetatud
- peaks
- süsteemid
- Võtma
- võtnud
- Ülesanne
- ülesanded
- õpetamine
- meeskond
- Tennessee
- tingimused
- texas
- kui
- et
- .
- maailm
- oma
- Neile
- SIIS
- Seal.
- seetõttu
- Need
- nad
- see
- kolm
- Läbi
- aeg
- ajatempel
- et
- täna
- töövahendid
- ülemine
- teema
- ekskursioon
- Rong
- koolitatud
- koolitus
- rongid
- Tõde
- õpetused
- kaks
- tüüp
- liigid
- tüüpiliselt
- Uber
- ui
- mõistmine
- Ülikool
- California Ülikool
- University of Chicago
- University of Oxford
- kasutama
- kasutage juhtumit
- Kasutatud
- Kasutaja
- kasutamine
- org
- sort
- eri
- juhtumused
- Video
- videomäng
- Videod
- nägemus
- Hääl
- tahan
- tahab
- tahab
- oli
- we
- web
- veebiteenused
- Hästi
- M
- millal
- mis
- WHO
- kogu
- will
- koos
- ilma
- Töö
- töötas
- töövoog
- Töövoogud
- Tööjõud
- töö
- töötab
- Töötoad
- maailm
- oleks
- kirjutama
- kirjutamine
- kirjalik
- aastat
- sa
- Sinu
- sephyrnet