Käytä koneoppimista kirjoittamatta riviäkään koodia Amazon SageMaker Canvas | -sovelluksella Amazon Web Services

Viime aikoina koneoppimisen (ML) käyttäminen ennusteiden tekemiseen erityisesti tekstin ja kuvien muodossa olevan datan osalta vaati laajaa ML-osaamista syväoppimismallien luomiseen ja virittämiseen. Nykyään ML:stä on tullut helpommin kaikkien käyttäjien saatavilla, jotka haluavat käyttää ML-malleja liikearvon tuottamiseen. Kanssa Amazon SageMaker Canvas, voit luoda ennusteita useille eri tietotyypeille pelkkien taulukko- tai aikasarjatietojen lisäksi kirjoittamatta yhtään koodiriviä. Nämä ominaisuudet sisältävät valmiiksi koulutetut mallit kuva-, teksti- ja asiakirjatietotyypeille.

Tässä viestissä keskustelemme siitä, kuinka voit käyttää esikoulutettuja malleja tuettujen tietotyyppien ennusteiden hakemiseen taulukkotietojen lisäksi.

Tekstidata

SageMaker Canvas tarjoaa visuaalisen, koodittoman ympäristön ML-mallien rakentamiseen, koulutukseen ja käyttöönottoon. SageMaker Canvas integroituu saumattomasti luonnollisen kielen käsittelyyn (NLP) -tehtäviin Amazonin käsitys mahdollistaa tärkeimpien NLP-toimintojen suorittamisen, kuten kielentunnistuksen, entiteetin tunnistuksen, tunneanalyysin, aiheen mallintamisen ja paljon muuta. Integrointi eliminoi koodauksen tai tietotekniikan tarpeen Amazon Comprehendin kestävien NLP-mallien käyttämiseksi. Syötät vain tekstitietosi ja valitset neljästä yleisesti käytetystä ominaisuudesta: tunteiden analysointi, kielen havaitseminen, kokonaisuuksien poimiminen ja henkilötietojen tunnistus. Jokaisessa skenaariossa voit käyttää käyttöliittymää testaamaan ja käyttämään eräennustetta valitaksesi tallennettuja tietoja Amazonin yksinkertainen tallennuspalvelu (Amazon S3).

Sentiment-analyysi

Tunneanalyysin avulla SageMaker Canvas antaa sinun analysoida syöttämäsi tekstin tunteita. Se voi määrittää, onko yleinen mielipide positiivinen, negatiivinen, sekalainen vai neutraali, kuten seuraavassa kuvakaappauksessa näkyy. Tästä on hyötyä tilanteissa, kuten tuotearvostelujen analysoinnissa. Esimerkiksi teksti "Rakastan tätä tuotetta, se on uskomaton!" SageMaker Canvas luokittelee sen positiiviseksi, kun taas "Tämä tuote on kauhea, olen pahoillani sen ostamisesta" merkitään negatiiviseksi.

Kokonaisuuksien purkaminen

SageMaker Canvas voi analysoida tekstiä ja havaita automaattisesti siinä mainitut kokonaisuudet. Kun asiakirja lähetetään SageMaker Canvasille analysoitavaksi, se tunnistaa ihmiset, organisaatiot, sijainnit, päivämäärät, määrät ja muut tekstissä olevat kokonaisuudet. Tämän kokonaisuuden poimintaominaisuuden avulla voit saada nopeasti käsityksen asiakirjoissa käsitellyistä avainhenkilöistä, paikoista ja yksityiskohdista. Katso luettelo tuetuista kokonaisuuksista kohdasta yhteisöt.

Kielen tunnistus

SageMaker Canvas voi myös määrittää hallitsevan tekstin kielen Amazon Comprehendin avulla. Se analysoi tekstiä pääkielen tunnistamiseksi ja antaa luotettavuuspisteitä havaitulle hallitsevalle kielelle, mutta ei osoita prosenttiosuuksia monikielisille asiakirjoille. Saat parhaat tulokset pitkillä asiakirjoilla useilla kielillä jakamalla tekstin pienempiin osiin ja yhdistämällä tulokset kieliprosenttiosuuden arvioimiseksi. Se toimii parhaiten, kun tekstiä on vähintään 20 merkkiä.

Henkilötietojen tunnistaminen

Voit myös suojata arkaluonteisia tietoja käyttämällä henkilökohtaisten tietojen havaitsemista SageMaker Canvasilla. Se voi analysoida tekstidokumentteja tunnistaakseen automaattisesti henkilökohtaisesti tunnistettavia tietoja (PII) ja mahdollistaa sen, että voit paikantaa arkaluontoisia tietoja, kuten nimet, osoitteet, syntymäajat, puhelinnumerot, sähköpostiosoitteet ja paljon muuta. Se analysoi asiakirjat 100 kt:n asti ja antaa luottamuspisteet jokaiselle havaitulle kokonaisuudelle, jotta voit tarkastella ja valikoivasti poistaa arkaluontoisimpia tietoja. Katso luettelo tunnistetuista kohteista Havaitaan henkilökohtaisia ​​tunnistetietoja.

Kuvatiedot

SageMaker Canvas tarjoaa visuaalisen, koodittoman käyttöliittymän, jonka avulla voit helposti käyttää tietokonenäköominaisuuksia integroimalla Amazonin tunnistus kuva-analyysiä varten. Voit esimerkiksi ladata tietojoukon kuvia, käyttää Amazon Rekognition -sovellusta esineiden ja kohtausten havaitsemiseen ja suorittaa tekstintunnistuksen monenlaisiin käyttötapauksiin. Visuaalinen käyttöliittymä ja Amazon Rekognition -integraatio antavat muille kuin kehittäjille mahdollisuuden hyödyntää kehittyneitä tietokonenäkötekniikoita.

Objektin tunnistus kuvissa

SageMaker Canvas käyttää Amazon Rekognition -sovellusta tunnisteiden (objektien) tunnistamiseen kuvassa. Voit ladata kuvan SageMaker Canvas -käyttöliittymästä tai käyttää Eräennustus -välilehti valitaksesi S3-ämpäriin tallennetut kuvat. Kuten seuraavassa esimerkissä näkyy, se voi poimia kuvassa olevia kohteita, kuten kellotornia, bussia, rakennuksia ja paljon muuta. Voit käyttää käyttöliittymää etsiäksesi ennakointituloksia ja lajitellaksesi niitä.

Tekstin tunnistus kuvissa

Tekstin poimiminen kuvista on hyvin yleinen käyttötapa. Nyt voit suorittaa tämän tehtävän helposti SageMaker Canvasilla ilman koodia. Teksti puretaan rivikohtina, kuten seuraavassa kuvakaappauksessa näkyy. Kuvan lyhyet lauseet luokitellaan yhteen ja tunnistetaan lauseiksi.

Voit tehdä eräennusteita lataamalla joukon kuvia, purkaa kaikki kuvat yhdeksi erätyöksi ja lataamalla tulokset CSV-tiedostona. Tämä ratkaisu on hyödyllinen, kun haluat poimia ja havaita tekstiä kuvista.

Asiakirjan tiedot

SageMaker Canvas tarjoaa erilaisia ​​käyttövalmiita ratkaisuja, jotka ratkaisevat päivittäiset asiakirjojen ymmärtämistarpeesi. Nämä ratkaisut saavat virtansa Amazonin teksti. Jos haluat tarkastella kaikkia saatavilla olevia asiakirjojen asetuksia, valitse Käyttövalmiit mallit navigointiruudussa ja suodattaa asiakirjat, kuten seuraavassa kuvakaappauksessa näkyy.

Asiakirja-analyysi

Asiakirja-analyysi analysoi asiakirjoja ja lomakkeita havaitun tekstin välisten suhteiden varalta. Toiminnot palauttavat neljä asiakirjapoiminnan luokkaa: raakateksti, lomakkeet, taulukot ja allekirjoitukset. Ratkaisun kyky ymmärtää asiakirjan rakennetta antaa sinulle enemmän joustavuutta sen suhteen, minkä tyyppistä dataa haluat poimia asiakirjoista. Seuraava kuvakaappaus on esimerkki siitä, miltä taulukon tunnistus näyttää.

Tämä ratkaisu pystyy ymmärtämään monimutkaisten asiakirjojen asetteluja, mikä on hyödyllistä, kun haluat poimia tiettyjä tietoja asiakirjoistasi.

Henkilöasiakirjan analyysi

Tämä ratkaisu on suunniteltu analysoimaan asiakirjoja, kuten henkilökortteja, ajokortteja tai muita vastaavia tunnistustapoja. Tiedot, kuten toinen nimi, lääni ja syntymäpaikka, sekä sen tarkkuuden yksilöllinen luottamuspisteet palautetaan jokaisesta henkilöllisyystodistuksesta seuraavan kuvakaappauksen mukaisesti.

On mahdollisuus tehdä eräennustus, jolloin voit joukkolähettää tunnistusasiakirjoja ja käsitellä niitä erätyönä. Tämä tarjoaa nopean ja saumattoman tavan muuttaa tunnistusasiakirjan tiedot avain-arvo-pareiksi, joita voidaan käyttää loppupään prosesseihin, kuten tietojen analysointiin.

Kustannusanalyysi

Kuluanalyysi on suunniteltu analysoimaan kuluasiakirjoja, kuten laskuja ja kuitteja. Seuraava kuvakaappaus on esimerkki siitä, miltä poimitut tiedot näyttävät.

Tulokset palautetaan yhteenvetokenttinä ja rivikohtakentänä. Yhteenvetokentät ovat asiakirjasta poimittuja avain-arvo-pareja, ja ne sisältävät avaimia, kuten Loppusumma, Eräpäiväja Vero. Rivikohtakentät viittaavat tietoihin, jotka on jäsennelty asiakirjassa taulukoksi. Tämä on hyödyllistä poimittaessa tietoja asiakirjasta säilyttäen samalla sen asettelun.

Asiakirjakyselyt

Asiakirjakyselyt on suunniteltu sinua varten, jotta voit kysyä asiakirjoistasi. Tämä on loistava ratkaisu, kun sinulla on monisivuisia asiakirjoja ja haluat poimia asiakirjoistasi erittäin tarkkoja vastauksia. Seuraavassa on esimerkki kysymyksistä, joita voit kysyä ja miltä poimitut vastaukset näyttävät.

Ratkaisu tarjoaa suoran käyttöliittymän asiakirjojen käsittelyä varten. Tämä on hyödyllistä, kun haluat saada tarkkoja tietoja suurista asiakirjoista.

Yhteenveto

SageMaker Canvas tarjoaa koodittoman ympäristön ML:n käyttämiseen helposti eri tietotyypeissä, kuten tekstissä, kuvissa ja asiakirjoissa. Visuaalinen käyttöliittymä ja integrointi AWS-palveluihin, kuten Amazon Comprehend, Amazon Rekognition ja Amazon Textract, eliminoi koodauksen ja tietotekniikan tarpeen. Voit analysoida tekstiä tunteiden, entiteettien, kielten ja henkilökohtaisten tunnistetietojen perusteella. Kuvien, esineen ja tekstin tunnistus mahdollistaa tietokonenäön käyttötapaukset. Lopuksi asiakirja-analyysi voi poimia tekstiä säilyttäen sen asettelun jatkoprosesseja varten. SageMaker Canvasin käyttövalmiiden ratkaisujen avulla voit hyödyntää edistyneitä ML-tekniikoita luodaksesi oivalluksia sekä strukturoidusta että strukturoimattomasta tiedosta. Jos olet kiinnostunut käyttämään koodittomia työkaluja käyttövalmiiden ML-mallien kanssa, kokeile SageMaker Canvaa jo tänään. Lisätietoja on kohdassa Amazon SageMaker Canvasin käytön aloittaminen.

---

Tietoja kirjoittajista

Julia Ang on Singaporessa toimiva Solutions Architect. Hän on työskennellyt asiakkaiden kanssa useilla eri aloilla terveydenhuollon ja julkisen sektorin digitaalisista natiiviyrityksistä omaksuakseen ratkaisuja heidän liiketoimintatarpeidensa mukaan. Hän on myös tukenut asiakkaita Kaakkois-Aasiassa ja sen ulkopuolella käyttämään tekoälyä ja ML:ää liiketoiminnassaan. Työn ulkopuolella hän nauttii maailmasta oppimisesta matkustamalla ja luovaan toimintaan.

Katso Jun Kai on AI/ML:n erikoisratkaisuarkkitehti Singaporessa. Hän työskentelee asiakkaiden kanssa kaikkialla ASEANissa suunnitellakseen mittakaavassa AWS:n koneoppimisratkaisuja. Jun Kai on Low-Code No-Code -koneoppimistyökalujen puolestapuhuja. Vapaa-ajallaan hän viihtyy luonnossa.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://aws.amazon.com/blogs/machine-learning/use-machine-learning-without-writing-a-single-line-of-code-with-amazon-sagemaker-canvas/