آمازون کندرا یک سرویس جستجوی هوشمند است که توسط یادگیری ماشین (ML) طراحی شده است. آمازون کندرا جستجوی وبسایتها و برنامههای شما را دوباره تجسم میکند تا کارمندان و مشتریان شما بتوانند به راحتی محتوای مورد نظر خود را پیدا کنند، حتی زمانی که در چندین مکان و مخزن محتوا در سازمان شما پراکنده است.
آمازون کندرا از انواع مختلفی پشتیبانی می کند فرمت های سند، مانند Microsoft Word، PDF و متن از منابع داده های مختلف. در این پست، ما بر گسترش پشتیبانی اسناد در آمازون کندرا تمرکز می کنیم تا تصاویر را با محتوای نمایش داده شده قابل جستجو کنیم. تصاویر را اغلب می توان با استفاده از ابرداده های تکمیل شده مانند کلمات کلیدی جستجو کرد. با این حال، برای افزودن متادیتای دقیق به هزاران تصویر بالقوه، تلاش دستی زیادی لازم است. هوش مصنوعی (GenAI) می تواند در تولید خودکار ابرداده ها مفید باشد. با تولید زیرنویسهای متنی، پیشبینیهای شرح GenAI ابردادههای توصیفی را برای تصاویر ارائه میکنند. سپس نمایه آمازون کندرا را می توان با ابرداده های تولید شده در حین انتقال سند غنی کرد تا امکان جستجوی تصاویر بدون هیچ تلاش دستی فراهم شود.
به عنوان مثال، یک مدل GenAI می تواند برای ایجاد یک توصیف متنی برای تصویر زیر به عنوان "سگی که روی زمین زیر چتر دراز کشیده" در هنگام بلع سند از تصویر استفاده شود.
یک مدل تشخیص شی همچنان می تواند کلمات کلیدی مانند "سگ" و "چتر" را تشخیص دهد، اما یک مدل GenAI با تشخیص اینکه سگ زیر چتر قرار دارد، درک عمیق تری از آنچه در تصویر نشان داده شده است، ارائه می دهد. این به ما کمک می کند تا جستجوهای دقیق تری را در فرآیند جستجوی تصویر ایجاد کنیم. توضیحات متنی به عنوان ابرداده به فهرست جستجوی Amazon Kendra از طریق یک غنیسازی خودکار اسناد سفارشی (CDE) اضافه میشود. کاربرانی که عباراتی مانند "سگ" یا "چتر" را جستجو می کنند، می توانند تصویر را پیدا کنند، همانطور که در تصویر زیر نشان داده شده است.
در این پست، نحوه استفاده از CDE در آمازون کندرا با استفاده از مدل GenAI مستقر در آن را نشان می دهیم آمازون SageMaker. ما CDE را با استفاده از مثالهای ساده نشان میدهیم و یک راهنمای گام به گام برای شما ارائه میکنیم تا بتوانید CDE را در نمایه Amazon Kendra در حساب AWS خود تجربه کنید. این امکان را به کاربران می دهد تا به سرعت و به راحتی تصاویر مورد نیاز خود را بدون نیاز به برچسب گذاری یا دسته بندی دستی آنها پیدا کنند. این راه حل همچنین می تواند سفارشی و مقیاس بندی شود تا نیازهای برنامه ها و صنایع مختلف را برآورده کند.
زیرنویس تصویر با GenAI
توصیف تصویر با GenAI شامل استفاده از الگوریتمهای ML برای تولید توضیحات متنی تصاویر است. این فرآیند همچنین به عنوان شناخته شده است زیرنویس تصویر، و در تقاطع بینایی کامپیوتر و پردازش زبان طبیعی (NLP) عمل می کند. این برنامه در مناطقی که داده ها چند وجهی هستند مانند تجارت الکترونیک، که در آن داده ها حاوی متنی به شکل فراداده و همچنین تصاویر هستند، یا در مراقبت های بهداشتی، که در آن داده ها می توانند حاوی MRI یا سی تی اسکن همراه با یادداشت ها و تشخیص های پزشک باشند، کاربرد دارد. چند مورد استفاده
مدلهای GenAI یاد میگیرند که اشیا و ویژگیهای درون تصاویر را تشخیص دهند و سپس توصیفی از آن اشیا و ویژگیها را به زبان طبیعی ایجاد کنند. مدلهای پیشرفته از معماری رمزگذار-رمزگشا استفاده میکنند که در آن اطلاعات تصویر در لایههای میانی شبکه عصبی کدگذاری میشوند و در توضیحات متنی رمزگشایی میشوند. اینها را می توان به عنوان دو مرحله مجزا در نظر گرفت: استخراج ویژگی از تصاویر و تولید شرح متنی. در مرحله استخراج ویژگی (رمزگذار)، مدل GenAI تصویر را پردازش میکند تا ویژگیهای بصری مرتبط، مانند اشکال، رنگها و بافتها را استخراج کند. در مرحله تولید کپشن (رمزگشا)، مدل بر اساس ویژگیهای بصری استخراجشده، توصیف زبان طبیعی تصویر را ایجاد میکند.
مدلهای GenAI معمولاً بر روی حجم وسیعی از دادهها آموزش داده میشوند که آنها را برای کارهای مختلف بدون آموزش اضافی مناسب میسازد. انطباق با مجموعه داده های سفارشی و دامنه های جدید نیز به راحتی از طریق یادگیری چند شات قابل دستیابی است. روشهای پیشآموزشی به برنامههای چند وجهی اجازه میدهند تا با استفاده از زبانهای پیشرفته و مدلهای تصویری به راحتی آموزش داده شوند. این روشهای پیشآموزشی همچنین به شما امکان میدهند مدل بینایی و مدل زبانی را که به بهترین وجه با دادههای شما مطابقت دارد، ترکیب و مطابقت دهید.
کیفیت توضیحات تصویر تولید شده به کیفیت و اندازه داده های آموزشی، معماری مدل GenAI و کیفیت استخراج ویژگی و الگوریتم های تولید شرح بستگی دارد. اگرچه توصیف تصویر با GenAI یک حوزه تحقیقاتی فعال است، اما نتایج بسیار خوبی را در طیف گسترده ای از برنامه ها، مانند جستجوی تصویر، داستان سرایی بصری، و دسترسی برای افراد دارای اختلالات بینایی نشان می دهد.
موارد استفاده
شرح تصاویر GenAI در موارد استفاده زیر مفید است:
- تجارت الکترونیک - یک مورد رایج صنعتی که در آن تصاویر و متن با هم ظاهر می شوند، خرده فروشی است. تجارت الکترونیک به طور خاص مقادیر زیادی داده را به عنوان تصاویر محصول همراه با توضیحات متنی ذخیره می کند. توضیحات متنی یا ابرداده برای اطمینان از اینکه بهترین محصولات بر اساس جستارهای جستجو به کاربر نمایش داده می شود، مهم است. علاوه بر این، با روندی که سایتهای تجارت الکترونیک دادهها را از فروشندگان 3P بهدست میآورند، توضیحات محصول اغلب ناقص است، که به تعداد ساعات دستی متعدد و هزینههای سنگین ناشی از برچسبگذاری اطلاعات صحیح در ستونهای ابرداده میرسد. شرح تصاویر مبتنی بر GenAI به ویژه برای خودکار کردن این فرآیند پرزحمت مفید است. تنظیم دقیق مدل بر روی داده های مد سفارشی مانند تصاویر مد به همراه متنی که ویژگی های محصولات مد را توصیف می کند می تواند برای تولید ابرداده استفاده شود که سپس تجربه جستجوی کاربر را بهبود می بخشد.
- بازار یابی (Marketing) – یکی دیگر از موارد استفاده جستجوی تصویر، مدیریت دارایی دیجیتال است. شرکت های بازاریابی مقادیر زیادی از داده های دیجیتال را ذخیره می کنند که باید متمرکز، به راحتی قابل جستجو و مقیاس پذیر باشند که توسط کاتالوگ های داده فعال شود. یک دریاچه داده متمرکز با کاتالوگ داده های آموزنده، تلاش های تکراری را کاهش می دهد و امکان اشتراک گذاری گسترده تر محتوای خلاقانه و سازگاری بین تیم ها را فراهم می کند. برای پلتفرمهای طراحی گرافیکی که معمولاً برای فعال کردن تولید محتوای رسانههای اجتماعی یا ارائه در تنظیمات شرکتی استفاده میشوند، جستجوی سریعتر میتواند با ارائه نتایج جستجوی صحیح برای تصاویری که کاربران میخواهند جستجو کنند و کاربران را قادر میسازد تا با استفاده از آن جستجو کنند، به تجربه کاربری بهتری منجر شود. جستارهای زبان طبیعی
- ساخت - صنعت تولید بسیاری از داده های تصویر مانند نقشه های معماری اجزاء، ساختمان ها، سخت افزار و تجهیزات را ذخیره می کند. توانایی جستجو در میان چنین دادههایی، تیمهای محصول را قادر میسازد تا به راحتی طرحها را از نقطه شروعی که در حال حاضر وجود دارد، بازسازی کنند و بسیاری از هزینههای طراحی را حذف کنند، در نتیجه روند تولید طراحی را تسریع کنند.
- بهداشت و درمان - پزشکان و محققین پزشکی می توانند از طریق MRI و سی تی اسکن، نمونه های نمونه، تصاویر بیماری مانند بثورات و بدشکلی ها، همراه با یادداشت های پزشک، تشخیص ها و جزئیات کارآزمایی های بالینی فهرست و جستجو کنند.
- متاورس یا واقعیت افزوده - تبلیغ یک محصول در مورد ایجاد داستانی است که کاربران بتوانند تصور کنند و با آن ارتباط برقرار کنند. با ابزارهای مبتنی بر هوش مصنوعی و تجزیه و تحلیل، ساختن نه تنها یک داستان، بلکه ساختن داستانهای سفارشیسازی شده برای ظاهر شدن به سلیقه و حساسیتهای منحصر به فرد کاربران نهایی آسانتر از همیشه شده است. اینجاست که مدلهای تصویر به متن میتوانند یک تغییر بازی باشند. داستان سرایی تصویری می تواند به خلق شخصیت ها، تطبیق آنها با سبک های مختلف و زیرنویس کردن آنها کمک کند. همچنین می توان از آن برای تقویت تجربیات محرک در متاورس یا واقعیت افزوده و محتوای غوطه ور از جمله بازی های ویدیویی استفاده کرد. جستجوی تصویر به توسعه دهندگان، طراحان و تیم ها امکان می دهد محتوای خود را با استفاده از پرس و جوهای زبان طبیعی جستجو کنند، که می تواند یکنواختی محتوا را بین تیم های مختلف حفظ کند.
- دسترسی به محتوای دیجیتال برای نابینایان و کم بینا – این در درجه اول توسط فناوریهای کمکی مانند صفحهخوانها، سیستمهای بریل که امکان خواندن و نوشتن لمسی را فراهم میکنند و صفحهکلیدهای ویژه برای پیمایش وبسایتها و برنامهها در سراسر اینترنت فعال میشود. با این حال، تصاویر باید بهعنوان محتوای متنی ارائه شوند که میتوانند به عنوان گفتار ارتباط برقرار کنند. زیرنویس تصویر با استفاده از الگوریتمهای GenAI قطعهای حیاتی برای طراحی مجدد اینترنت و فراگیرتر کردن آن با فراهم کردن فرصتی برای دسترسی، درک و تعامل با محتوای آنلاین برای همه است.
جزئیات مدل و تنظیم دقیق مدل برای مجموعه داده های سفارشی
در این راه حل، ما از مزایای vit-gpt2-image-captioning مدل موجود از Hugging Face، که تحت مجوز Apache 2.0 بدون انجام هیچ گونه تنظیم دقیق دیگری، ارائه شده است. Vit یک مدل پایه برای داده های تصویری است و GPT-2 یک مدل پایه برای زبان است. ترکیب چند وجهی این دو قابلیت کپشن بندی تصویر را ارائه می دهد. Hugging Face میزبان بهترین مدلهای زیرنویس تصویر است که میتوانند با چند کلیک در AWS پیادهسازی شوند و نقاط پایانی استنتاج ساده را ارائه دهند. اگرچه میتوانیم مستقیماً از این مدل از پیش آموزشدیده استفاده کنیم، اما همچنین میتوانیم مدل را به گونهای سفارشی کنیم که مجموعه دادههای خاص دامنه، انواع دادههای بیشتر مانند دادههای ویدئویی یا مکانی و موارد استفاده منحصربهفرد را در خود جای دهد. چندین مدل GenAI وجود دارد که برخی از مدلها با مجموعه دادههای خاص بهترین عملکرد را دارند، یا ممکن است تیم شما قبلاً از مدلهای بینایی و زبان استفاده کند. این راه حل انعطاف پذیری انتخاب بهترین مدل بینایی و زبان را به عنوان مدل زیرنویس تصویر از طریق جایگزینی ساده مدلی که ما استفاده کرده ایم، ارائه می دهد.
برای سفارشیسازی مدلها به برنامههای صنعتی منحصربهفرد، مدلهای منبع باز موجود در AWS از طریق Hugging Face چندین احتمال را ارائه میدهند. یک مدل از پیش آموزشدیده را میتوان برای مجموعه دادههای منحصربهفرد آزمایش کرد یا روی نمونههایی از دادههای برچسبگذاریشده برای تنظیم دقیق آن آموزش دید. روشهای تحقیق جدید همچنین اجازه میدهند هر ترکیبی از مدلهای بینایی و زبان بهطور مؤثر ترکیب شوند و در مجموعه دادههای شما آموزش داده شوند. این مدل تازه آموزشدیده شده را میتوان در SageMaker برای شرح تصویر توضیح داده شده در این راهحل مستقر کرد.
نمونه ای از جستجوی تصویر سفارشی شده، برنامه ریزی منابع سازمانی (ERP) است. در ERP، دادههای تصویری جمعآوریشده از مراحل مختلف مدیریت تدارکات یا زنجیره تأمین میتواند شامل دریافتهای مالیاتی، سفارشهای فروشنده، فیشهای حقوقی و موارد دیگر باشد که باید بهطور خودکار برای گروههای مختلف در سازمان طبقهبندی شوند. مثال دیگر استفاده از اسکن های پزشکی و تشخیص پزشک برای پیش بینی تصاویر پزشکی جدید برای طبقه بندی خودکار است. مدل بینایی ویژگیهایی را از تصاویر MRI، CT یا اشعه ایکس استخراج میکند و مدل متنی آن را با تشخیصهای پزشکی شرح میدهد.
بررسی اجمالی راه حل
نمودار زیر معماری جستجوی تصویر با GenAI و Amazon Kendra را نشان می دهد.
ما تصاویر را از سرویس ذخیره سازی ساده آمازون (Amazon S3) به آمازون کندرا. در حین ورود به آمازون کندرا، مدل GenAI میزبانی شده در SageMaker برای ایجاد توضیحات تصویر فراخوانی می شود. علاوه بر این، متن قابل مشاهده در یک تصویر توسط استخراج می شود متن آمازون. توضیحات تصویر و متن استخراج شده به عنوان ابرداده ذخیره می شود و در فهرست جستجوی Amazon Kendra در دسترس قرار می گیرد. پس از مصرف، تصاویر را می توان از طریق جستجو کرد کنسول جستجوی Amazon Kendra، API یا SDK.
ما از عملیات پیشرفته استفاده می کنیم CDE در آمازون کندرا برای فراخوانی مدل GenAI و Amazon Textract در مرحله انتقال تصویر. با این حال، ما می توانیم از CDE برای طیف وسیع تری از موارد استفاده استفاده کنیم. با CDE، وقتی اسناد خود را در Amazon Kendra وارد میکنید، میتوانید ویژگیها و محتوای سند را ایجاد، اصلاح یا حذف کنید. این بدان معنی است که شما می توانید داده های خود را در صورت نیاز دستکاری و مصرف کنید. این را می توان با فراخوانی پیش و پس از استخراج به دست آورد AWS لامبدا عملکردها در حین مصرف، که امکان غنی سازی یا اصلاح داده ها را فراهم می کند. به عنوان مثال می توانیم استفاده کنیم آمازون پزشکی درک هنگام مصرف دادههای متنی پزشکی برای افزودن بینشهای ایجاد شده توسط ML به فراداده جستجو.
با دنبال کردن مراحل زیر می توانید از راه حل ما برای جستجوی تصاویر از طریق Amazon Kendra استفاده کنید:
- تصاویر را در یک مخزن تصویر مانند سطل S3 آپلود کنید.
- سپس مخزن تصویر توسط آمازون کندرا، که یک موتور جستجو است که می تواند برای جستجوی داده های ساختاریافته و بدون ساختار استفاده شود، نمایه می شود. در طول نمایه سازی، مدل GenAI و همچنین متن آمازون برای تولید فراداده تصویر فراخوانی می شود. می توانید نمایه سازی را به صورت دستی یا در یک برنامه از پیش تعریف شده فعال کنید.
- سپس میتوانید تصاویر را با استفاده از عبارتهای زبان طبیعی، مانند «تصاویر رزهای قرمز بیابید» یا «تصاویر سگهایی که در پارک بازی میکنند به من نشان بده»، از طریق کنسول Kendra، SDK یا API آمازون جستجو کنید. این پرسوجوها توسط آمازون کندرا پردازش میشوند، که از الگوریتمهای ML برای درک معنای پشت پرسشها و بازیابی تصاویر مرتبط از مخزن فهرستشده استفاده میکند.
- نتایج جستجو همراه با توضیحات متنی مربوطه به شما ارائه می شود و به شما این امکان را می دهد که به سرعت و به راحتی تصاویر مورد نظر خود را پیدا کنید.
پیش نیازها
شما باید پیش نیازهای زیر را داشته باشید:
- An حساب AWS
- مجوزهای ارائه و فراخوانی خدمات زیر از طریق AWS CloudFormation: Amazon S3، Amazon Kendra، Lambda و Amazon Textract.
برآورد هزینه
هزینه استقرار این راه حل به عنوان اثبات مفهوم در جدول زیر پیش بینی شده است. این دلیلی است که ما از Amazon Kendra با نسخه Developer Edition استفاده می کنیم، که برای حجم کاری تولید توصیه نمی شود، اما گزینه ای کم هزینه برای توسعه دهندگان فراهم می کند. ما فرض می کنیم که عملکرد جستجوی آمازون کندرا برای 20 روز کاری به مدت 3 ساعت در هر روز استفاده می شود و بنابراین هزینه های مربوطه را برای 60 ساعت فعال ماهانه محاسبه می کنیم.
محصولات | زمان مصرف شده | برآورد هزینه در هر ماه |
آمازون S3 | فضای ذخیره سازی 10 گیگابایت با انتقال اطلاعات | 2.30 USD |
آمازون کندرا | نسخه توسعه دهنده با 60 ساعت در ماه | 67.90 USD |
متن آمازون | 100٪ متن سند را روی 10,000 تصویر تشخیص دهید | 15.00 USD |
آمازون SageMaker | استنتاج بلادرنگ با ml.g4dn.xlarge برای یک مدل که در یک نقطه پایانی به مدت 3 ساعت هر روز به مدت 20 روز مستقر شده است. | 44.00 USD |
. | . | 129.2 USD |
منابع را با AWS CloudFormation مستقر کنید
پشته CloudFormation منابع زیر را مستقر می کند:
- یک تابع Lambda که مدل زیرنویس تصویر را از Hugging Face هاب دانلود می کند و متعاقباً دارایی های مدل را ایجاد می کند.
- یک تابع Lambda که کد استنتاج و مصنوعات مدل زیپ شده را در یک سطل S3 مقصد پر می کند.
- یک سطل S3 برای ذخیره سازی مصنوعات مدل زیپ شده و کد استنتاج
- یک سطل S3 برای ذخیره تصاویر آپلود شده و اسناد آمازون کندرا
- یک فهرست آمازون کندرا برای جستجو در زیرنویس های تصویر تولید شده
- یک نقطه پایانی استنتاج بلادرنگ SageMaker برای استقرار تصویر چهره در آغوش گرفته
- مدل زیرنویس
- یک تابع لامبدا که هنگام غنیسازی شاخص آمازون کندرا در صورت تقاضا فعال میشود. این متن آمازون و یک نقطه پایان استنتاج بلادرنگ SageMaker را فراخوانی می کند.
علاوه بر این، AWS CloudFormation همه موارد لازم را به کار می گیرد هویت و دسترسی AWS
مدیریت نقشها و خطمشیهای (IAM)، یک VPC به همراه زیرشبکهها، یک گروه امنیتی، و یک دروازه اینترنتی که در آن تابع لامبدا منبع سفارشی اجرا میشود.
برای تهیه منابع خود مراحل زیر را انجام دهید:
- را انتخاب کنید راه اندازی پشته برای راه اندازی قالب CloudFormation در
us-east-1
منطقه: - را انتخاب کنید بعدی.
- بر جزئیات پشته را مشخص کنید صفحه، URL قالب و S3 URI فایل پارامترها را در حالت پیش فرض خود بگذارید، سپس انتخاب کنید بعدی.
- به انتخاب ادامه دهید بعدی در صفحات بعدی
- را انتخاب کنید پشته ایجاد کنید برای استقرار پشته
وضعیت پشته را نظارت کنید. هنگامی که وضعیت به عنوان نشان می دهد CREATE_COMPLETE، استقرار کامل شده است.
تصاویر نمونه را بلع و جستجو کنید
مراحل زیر را برای جذب و جستجوی تصاویر خود انجام دهید:
- در کنسول آمازون S3، یک پوشه به نام ایجاد کنید
images
درkendra-image-search-stack-imagecaptions
سطل S3 درus-east-1
منطقه - تصاویر زیر را در
images
پوشه.
- به کنسول آمازون کندرا بروید
us-east-1
منطقه - در صفحه پیمایش، را انتخاب کنید شاخص، سپس شاخص خود را انتخاب کنید (
kendra-index
). - را انتخاب کنید منابع داده، پس از آن را انتخاب کنید
generated_image_captions
. - را انتخاب کنید اکنون همگام سازی کنید.
قبل از ادامه مراحل بعدی منتظر بمانید تا همگام سازی کامل شود.
- در صفحه پیمایش، را انتخاب کنید شاخص، پس از آن را انتخاب کنید
kendra-index
. - به کنسول جستجو بروید.
- پرس و جوهای زیر را به صورت جداگانه یا ترکیبی امتحان کنید: «سگ»، «چتر» و «خبرنامه» و ببینید کدام تصاویر توسط آمازون کندرا در رتبه بالایی قرار دارند.
به راحتی می توانید سوالات خود را که متناسب با تصاویر آپلود شده است آزمایش کنید.
پاک کردن
برای حذف تمام منابع، مرحله زیر را کامل کنید
- در کنسول AWS CloudFormation، را انتخاب کنید پشته در صفحه ناوبری
- پشته را انتخاب کنید
kendra-genai-image-search
و انتخاب کنید حذف.
صبر کنید تا وضعیت پشته تغییر کند DELETE_COMPLETE.
نتیجه
در این پست، دیدیم که چگونه Amazon Kendra و GenAI می توانند برای ایجاد خودکار متادیتای معنادار برای تصاویر ترکیب شوند. مدلهای پیشرفته GenAI برای تولید زیرنویسهای متنی که محتوای یک تصویر را توصیف میکنند بسیار مفید هستند. این دارای چندین مورد استفاده در صنعت است، از مراقبت های بهداشتی و علوم زندگی، خرده فروشی و تجارت الکترونیک، پلت فرم های دارایی دیجیتال و رسانه ها. زیرنویس تصویر همچنین برای ساختن دنیای دیجیتال فراگیرتر و طراحی مجدد اینترنت، متاورس، و فناوریهای همهجانبه برای پاسخگویی به نیازهای بخشهای بصری جامعه بسیار مهم است.
جستجوی تصویر که از طریق زیرنویسها فعال میشود، امکان جستجوی آسان محتوای دیجیتال را بدون تلاش دستی برای این برنامهها فراهم میکند و تلاشهای تکراری را حذف میکند. الگوی CloudFormation که ارائه کردیم، به کارگیری این راه حل را برای فعال کردن جستجوی تصویر با استفاده از Amazon Kendra آسان می کند. یک معماری ساده از تصاویر ذخیره شده در Amazon S3 و GenAI برای ایجاد توضیحات متنی از تصاویر می تواند با CDE در Amazon Kendra برای تقویت این راه حل استفاده شود.
این تنها یکی از برنامه های GenAI با آمازون کندرا است. برای بررسی عمیق تر در مورد نحوه ساخت برنامه های GenAI با آمازون کندرا، مراجعه کنید با استفاده از Amazon Kendra، LangChain و مدل های زبان بزرگ، به سرعت برنامه های هوش مصنوعی مولد با دقت بالا را روی داده های سازمانی بسازید.. برای ایجاد و مقیاسبندی برنامههای GenAI، توصیه میکنیم بررسی کنید بستر آمازون.
درباره نویسنده
چارالامپوس گروزاکیس یک دانشمند داده در خدمات حرفه ای AWS است. او بیش از 11 سال تجربه در توسعه و رهبری علم داده، یادگیری ماشین و ابتکارات کلان داده دارد. در حال حاضر او به مشتریان سازمانی کمک می کند تا با استفاده از بهترین شیوه های صنعت، بار کاری هوش مصنوعی/ML خود را در فضای ابری مدرن کنند. قبل از پیوستن به AWS، او به مشتریان در صنایع مختلف مانند خودروسازی، تولید، مخابرات، رسانه و سرگرمی، خرده فروشی و خدمات مالی مشاوره می داد. او مشتاق است که مشتریان را قادر سازد تا سفر هوش مصنوعی/ML خود را در فضای ابری تسریع بخشند و نتایج ملموس کسب و کار را به دست آورند.
بهاراتی سرینیواسان دانشمند داده در AWS Professional Services است که در آنجا دوست دارد چیزهای جالبی را در Sagemaker بسازد. او با تمرکز بر هوش مصنوعی اخلاقی، علاقه زیادی به ایجاد ارزش تجاری از برنامه های یادگیری ماشین دارد. بهاراتی خارج از ساختن تجربیات جدید هوش مصنوعی برای مشتریان، عاشق نوشتن داستان های علمی تخیلی و به چالش کشیدن خود با ورزش های استقامتی است.
ژان میشل لوریه یک دانشمند ارشد داده در خدمات حرفه ای AWS است. او تیمهایی را رهبری میکند که برنامههای مبتنی بر داده را در کنار مشتریان AWS پیادهسازی میکنند تا ارزش تجاری را از دادههایشان ایجاد کنند. او علاقه زیادی به غواصی در فناوری و یادگیری در مورد هوش مصنوعی، یادگیری ماشینی و برنامه های تجاری آنها دارد. او همچنین یک دوچرخه سوار مشتاق است و در سفرهای طولانی دوچرخه سواری می کند.
تنوی سینگال یک دانشمند داده در خدمات حرفه ای AWS است. مهارت ها و زمینه های تخصصی او شامل علم داده، یادگیری ماشین و کلان داده است. او از مشتریان در توسعه مدلهای یادگیری ماشین و راهحلهای Mlops در فضای ابری پشتیبانی میکند. قبل از پیوستن به AWS، او همچنین مشاور در صنایع مختلف مانند شبکه حمل و نقل، خرده فروشی و خدمات مالی بود. او مشتاق است که مشتریان را در سفر داده/هوش مصنوعی به فضای ابری قادر سازد.
آبیشک مالیگهالی شیوالینگایاه یک معمار ارشد راه حل خدمات هوش مصنوعی در AWS با تمرکز بر Amazon Kendra است. او مشتاق ساخت برنامه های کاربردی با استفاده از Amazon Kendra، Generative AI و NLP است. او حدود 10 سال تجربه در ساخت راه حل های داده و هوش مصنوعی برای ایجاد ارزش برای مشتریان و شرکت ها دارد. او یک چت بات (شخصی) برای سرگرمی ساخته است تا به سوالاتی در مورد حرفه و سفر حرفه ای خود پاسخ دهد. خارج از محل کار او از ساختن پرتره از خانواده و دوستان لذت می برد و عاشق خلق آثار هنری است.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. خودرو / خودروهای الکتریکی، کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- BlockOffsets. نوسازی مالکیت افست زیست محیطی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/automate-caption-creation-and-search-for-images-at-enterprise-scale-using-generative-ai-and-amazon-kendra/
- : دارد
- :است
- :نه
- :جایی که
- $UP
- 000
- 10
- 100
- 11
- 20
- 200
- 30
- 60
- 7
- a
- توانایی
- قادر
- درباره ما
- شتاب دادن
- دسترسی
- دسترسی
- حساب
- دست
- در میان
- فعال
- اضافه کردن
- اضافه
- اضافی
- علاوه بر این
- پیشرفته
- مزیت - فایده - سود - منفعت
- تبلیغات
- پس از
- AI
- خدمات هوش مصنوعی
- مجهز به هوش مصنوعی
- AI / ML
- الگوریتم
- معرفی
- اجازه دادن
- اجازه دادن
- اجازه می دهد تا
- در امتداد
- قبلا
- همچنین
- هر چند
- آمازون
- آمازون کندرا
- متن آمازون
- آمازون خدمات وب
- مقدار
- an
- علم تجزیه و تحلیل
- و
- دیگر
- پاسخ
- هر
- آپاچی
- API
- ظاهر شدن
- کاربرد
- برنامه های کاربردی
- معماری
- هستند
- محدوده
- مناطق
- دور و بر
- آثار هنری
- AS
- دارایی
- مدیریت دارایی
- همکاری
- مرتبط است
- فرض
- At
- خواص
- افزوده شده
- واقعیت افزوده
- خودکار بودن
- خودکار
- اتوماتیک
- بطور خودکار
- اتوماسیون
- خودرو
- در دسترس
- AWS
- AWS CloudFormation
- خدمات حرفه ای AWS
- مستقر
- BE
- ساحل
- شدن
- قبل از
- پشت سر
- بهترین
- بهترین شیوه
- میان
- بزرگ
- بزرگ داده
- ساختن
- بنا
- می سازد
- ساخته
- کسب و کار
- برنامه های تجاری
- اما
- by
- محاسبه
- صدا
- نام
- CAN
- قابلیت
- نوشتن شرح تصاویر و
- کاریابی
- مورد
- موارد
- کاتالوگ
- کاتالوگ
- تهیه کنید
- جشن
- متمرکز
- معین
- زنجیر
- به چالش
- به چالش کشیده شد
- شانس
- صراف
- تبادل
- کاراکتر
- chatbot
- بررسی
- را انتخاب کنید
- انتخاب
- طبقه بندی
- بالینی
- آزمایش های بالینی
- ابر
- رمز
- کشت
- ستون ها
- ترکیب
- ترکیب شده
- مشترک
- کامل
- اجزاء
- کامپیوتر
- چشم انداز کامپیوتر
- مفهوم
- در نظر گرفته
- کنسول
- مشاور
- مشاوره
- شامل
- شامل
- محتوا
- تولید محتوا
- مداوم
- سرد
- شرکت
- اصلاح
- متناظر
- هزینه
- هزینه
- میتوانست
- ایجاد
- ایجاد ارزش
- ایجاد
- ایجاد
- خالق
- بسیار سخت
- در حال حاضر
- سفارشی
- مشتریان
- سفارشی سازی
- سفارشی
- سفارشی
- داده ها
- غنی سازی داده ها
- دریاچه دریاچه
- علم اطلاعات
- دانشمند داده
- مجموعه داده ها
- روز
- روز
- عمیق تر
- پیش فرض
- تحویل داده
- تقاضا
- نشان دادن
- بستگی دارد
- گسترش
- مستقر
- استقرار
- گسترش
- مستقر می کند
- شرح داده شده
- شرح
- طرح
- طراحان
- طرح
- میز
- مقصد
- دقیق
- جزئیات
- تشخیص
- توسعه دهنده
- توسعه دهندگان
- در حال توسعه
- مختلف
- دیجیتال
- دارایی دیجیتال
- مدیریت دارایی دیجیتال
- محتوای دیجیتال
- دنیای دیجیتال
- مستقیما
- نمایش داده
- متمایز
- دکتر
- پزشکان
- سند
- اسناد و مدارک
- سگ
- حوزه
- دانلود
- راندن
- رانده
- رانندگی
- در طی
- هر
- آسان تر
- به آسانی
- تجارت الکترونیک
- چاپ
- موثر
- تلاش
- تلاش
- حذف می شود
- کارکنان
- قادر ساختن
- فعال
- را قادر می سازد
- را قادر می سازد
- نقطه پایانی
- موتور
- غنی شده
- غنی سازی
- اطمینان حاصل شود
- سرمایه گذاری
- شرکت
- سرگرمی
- مشتاق
- تجهیزات
- ERP
- تخمین زدن
- اخلاقی
- حتی
- تا کنون
- هر
- هر روز
- هر کس
- مثال
- مثال ها
- وجود دارد
- تجربه
- تجارب
- تخصص
- گسترش
- عصاره
- عصاره ها
- خیلی
- چهره
- خانواده
- روش
- سریعتر
- ویژگی
- امکانات
- کمی از
- داستان
- پرونده
- مالی
- خدمات مالی
- پیدا کردن
- شرکت ها
- مناسب
- انعطاف پذیری
- تمرکز
- پیروی
- برای
- فرم
- رایگان
- دوستان
- از جانب
- سرگرمی
- تابع
- قابلیت
- توابع
- بیشتر
- بازی
- تغییر دهنده ی بازی
- بازیها
- دروازه
- تولید می کنند
- تولید
- تولید می کند
- مولد
- نسل
- مولد
- هوش مصنوعی مولد
- خوب
- گرافیک
- زمین
- گروه
- راهنمایی
- سخت افزار
- آیا
- داشتن
- he
- بهداشت و درمان
- مفید
- کمک
- کمک می کند
- او
- زیاد
- خود را
- میزبانی
- میزبان
- ساعت ها
- چگونه
- چگونه
- اما
- HTML
- HTTP
- HTTPS
- قطب
- بزرگ
- شناسایی
- هویت
- تصویر
- جستجوی تصویر
- تصاویر
- تصور کنید
- همهجانبه
- اجرای
- مهم
- بهبود یافته
- in
- شامل
- از جمله
- شامل
- شاخص
- نمایه شده
- به طور جداگانه
- لوازم
- صنعت
- اطلاعات
- حاوی اطلاعات مفید
- ابتکارات
- بینش
- هوشمند
- تعامل
- اینترنت
- تقاطع
- به
- استناد کرد
- فراخوانی میکند
- IT
- پیوستن
- سفر
- JPG
- تنها
- فقط یکی
- کلید واژه ها
- شناخته شده
- دریاچه
- زبان
- بزرگ
- راه اندازی
- لایه
- برجسته
- منجر می شود
- یاد گرفتن
- یادگیری
- ترک کردن
- مجاز
- نهفته است
- زندگی
- علوم زندگی
- پسندیدن
- مکان
- تدارکات
- طولانی
- نگاه کنيد
- به دنبال
- خیلی
- دوست دارد
- کم
- کم هزینه
- دستگاه
- فراگیری ماشین
- ساخته
- حفظ
- ساخت
- باعث می شود
- ساخت
- مدیریت
- کتابچه راهنمای
- دستی
- تولید
- صنعت تولید
- بازار یابی (Marketing)
- شرکت های بازاریابی
- مسابقه
- me
- معنی
- معنی دار
- به معنی
- رسانه ها
- پزشکی
- دیدار
- متاداده
- متاوررس
- روش
- مایکروسافت
- قدرت
- مخلوط
- ML
- MLO ها
- مدل
- مدل
- تغییر
- ماهیانه
- بیش
- علاوه بر این
- MRI
- چندگانه
- باید
- نام
- طبیعی
- پردازش زبان طبیعی
- پیمایش
- جهت یابی
- لازم
- نیاز
- ضروری
- نیازهای
- شبکه
- شبکه
- شبکه های عصبی
- جدید
- به تازگی
- بعد
- nlp
- دفتر یادداشت
- یادداشت
- رمان
- متعدد
- هدف
- اشیاء
- بدست آوردن
- of
- ارائه
- پیشنهادات
- غالبا
- on
- ONE
- آنلاین
- فقط
- منبع باز
- عمل می کند
- عملیات
- گزینه
- or
- سفارشات
- کدام سازمان ها
- ما
- خارج
- نتایج
- خارج از
- روی
- خود
- با ما
- صفحات
- قطعه
- پارامترهای
- پارک
- ویژه
- ویژه
- احساساتی
- مردم
- برای
- انجام
- انجام
- شخصی
- تصاویر
- قطعه
- برنامه ریزی
- سیستم عامل
- افلاطون
- هوش داده افلاطون
- PlatoData
- بازی
- نقطه
- سیاست
- پرتره
- فرصت
- پست
- بالقوه
- قدرت
- صفحه اصلی
- شیوه های
- پیش بینی
- پیش بینی
- پیش نیازها
- ارایهها در همایشهای علمی
- ارائه شده
- در درجه اول
- قبلا
- روند
- فرآوری شده
- فرآیندهای
- در حال پردازش
- محصول
- تولید
- محصولات
- حرفه ای
- پیش بینی
- اثبات
- اثبات مفهوم
- پیشنهاد شده
- ارائه
- ارائه
- فراهم می کند
- ارائه
- تدارک
- کیفیت
- نمایش ها
- سوالات
- به سرعت
- محدوده
- اعم
- رتبه
- بثورات
- مطالعه
- زمان واقعی
- واقعیت
- دلیل
- رسید
- به رسمیت شناختن
- شناختن
- توصیه
- توصیه می شود
- قرمز
- طراحی مجدد
- كاهش دادن
- پالوده
- منطقه
- مربوط
- تفسیر
- جایگزینی
- مخزن
- نمایندگی
- تحقیق
- محققان
- منابع
- منابع
- نتیجه
- نتیجه
- نتایج
- خرده فروشی
- راست
- نقش
- دویدن
- حکیم ساز
- دید
- مقیاس پذیر
- مقیاس
- مقیاس گذاری
- پراکنده
- برنامه
- علم
- داستان تخیلی علمی
- علوم
- دانشمند
- sdk
- جستجو
- موتور جستجو
- جستجو
- بخش
- تیم امنیت لاتاری
- ارشد
- حساسیت
- سرویس
- خدمات
- تنظیمات
- چند
- اشکال
- اشتراک
- او
- نشان
- نشان داده شده
- نشان می دهد
- طرف
- ساده
- سایت
- اندازه
- مهارت ها
- So
- آگاهی
- رسانه های اجتماعی
- جامعه
- راه حل
- مزایا
- برخی از
- فضایی
- ویژه
- سخنرانی - گفتار
- ورزش ها
- پشته
- صحنه
- مراحل
- راه افتادن
- وضعیت هنر
- وضعیت
- گام
- مراحل
- هنوز
- ذخیره سازی
- opbevare
- ذخیره شده
- پرده
- داستان
- ذخیره سازی
- داستان
- داستان سرایی
- ساده
- ساخت یافته
- زیرشبکه ها
- متعاقب
- متعاقبا
- چنین
- مناسب
- عرضه
- زنجیره تامین
- مدیریت زنجیره تامین
- پشتیبانی
- پشتیبانی از
- هماهنگ سازی
- سیستم های
- جدول
- قرص
- TAG
- گرفتن
- طول می کشد
- مصرف
- وظایف
- سلیقه ها
- مالیات
- تیم
- تیم ها
- فن آوری
- فن آوری
- ارتباط از راه دور
- قالب
- قوانین و مقررات
- آزمون
- آزمایش
- نسبت به
- که
- La
- متروورس
- شان
- آنها
- سپس
- آنجا.
- در نتیجه
- از این رو
- اینها
- آنها
- اشیاء
- این
- کسانی که
- هزاران نفر
- از طریق
- به
- با هم
- ابزار
- ابزار
- لمس
- آموزش دیده
- آموزش
- حمل و نقل
- روند
- آزمایش های
- ماشه
- باعث شد
- دو
- انواع
- به طور معمول
- چتر
- زیر
- فهمیدن
- درک
- منحصر به فرد
- تا
- آپلود شده
- URL
- us
- استفاده کنید
- مورد استفاده
- استفاده
- کاربر
- سابقه کاربر
- کاربران
- استفاده
- با استفاده از
- ارزش
- تنوع
- مختلف
- وسیع
- فروشنده
- فروشندگان
- بسیار
- از طريق
- تصویری
- بازی های ویدئویی
- قابل رویت
- دید
- می خواهم
- بود
- we
- وب
- خدمات وب
- وب سایت
- خوب
- چی
- چه شده است
- چه زمانی
- که
- در حین
- وسیع
- دامنه گسترده
- گسترده تر
- اراده
- با
- در داخل
- بدون
- کلمه
- مهاجرت کاری
- کارگر
- جهان
- خواهد بود
- نوشتن
- نوشته
- اشعه ایکس
- سال
- شما
- شما
- زفیرنت