कस्टम लेंस के साथ अच्छी तरह से डिज़ाइन किए गए आईडीपी समाधान बनाएं - भाग 4: प्रदर्शन दक्षता | अमेज़न वेब सेवाएँ

जब किसी ग्राहक के पास उत्पादन-तैयार हो बुद्धिमान दस्तावेज़ प्रसंस्करण (आईडीपी) कार्यभार के कारण, हमें अक्सर वेल-आर्किटेक्टेड समीक्षा के लिए अनुरोध प्राप्त होते हैं। एक उद्यम समाधान बनाने के लिए, वांछित व्यावसायिक परिणाम प्राप्त करने के लिए डेवलपर संसाधनों, लागत, समय और उपयोगकर्ता-अनुभव को संतुलित करना होगा। AWS वेल-आर्किटेक्टेड फ्रेमवर्क क्लाउड में विश्वसनीय, सुरक्षित, कुशल, लागत प्रभावी और टिकाऊ वर्कलोड को डिजाइन और संचालित करने के लिए संगठनों को परिचालन और वास्तुशिल्प सर्वोत्तम प्रथाओं को सीखने का एक व्यवस्थित तरीका प्रदान करता है।

आईडीपी वेल-आर्किटेक्टेड कस्टम लेंस एडब्ल्यूएस वेल-आर्किटेक्टेड फ्रेमवर्क का अनुसरण करता है, एक विशिष्ट एआई या मशीन लर्निंग (एमएल) उपयोग के मामले की ग्रैन्युलैरिटी के साथ छह स्तंभों के साथ समाधान की समीक्षा करता है, और सामान्य चुनौतियों से निपटने के लिए मार्गदर्शन प्रदान करता है। आईडीपी वेल-आर्किटेक्टेड कस्टम लेंस अच्छी तरह से वास्तुशिल्प उपकरण इसमें प्रत्येक स्तंभ के संबंध में प्रश्न शामिल हैं। इन सवालों का जवाब देकर, आप संभावित जोखिमों की पहचान कर सकते हैं और अपनी सुधार योजना का पालन करके उनका समाधान कर सकते हैं।

यह पोस्ट इसी पर केंद्रित है प्रदर्शन दक्षता स्तंभ आईडीपी कार्यभार का. हम थ्रूपुट, विलंबता और समग्र प्रदर्शन को अनुकूलित करने के लिए समाधान को डिजाइन करने और लागू करने में गहराई से उतरते हैं। हम कुछ सामान्य संकेतकों पर चर्चा से शुरुआत करते हैं जिनकी आपको एक अच्छी तरह से समीक्षा करनी चाहिए, और डिजाइन सिद्धांतों के साथ मौलिक दृष्टिकोण पेश करना चाहिए। फिर हम प्रत्येक फोकस क्षेत्र को तकनीकी दृष्टिकोण से देखते हैं।

इस पोस्ट का अनुसरण करने के लिए, आपको इस श्रृंखला की पिछली पोस्टों से परिचित होना चाहिए (भाग 1 और भाग 2) और दिशानिर्देश AWS पर इंटेलिजेंट दस्तावेज़ प्रसंस्करण के लिए मार्गदर्शन. ये संसाधन IDP वर्कलोड और सुझाए गए वर्कफ़्लो के लिए सामान्य AWS सेवाएँ पेश करते हैं। इस ज्ञान के साथ, अब आप अपने कार्यभार के उत्पादन के बारे में और अधिक जानने के लिए तैयार हैं।

सामान्य संकेतक

निम्नलिखित सामान्य संकेतक हैं कि आपको प्रदर्शन दक्षता स्तंभ के लिए एक अच्छी तरह से तैयार की गई रूपरेखा की समीक्षा करनी चाहिए:

• उच्च विलंबता - जब ऑप्टिकल कैरेक्टर रिकग्निशन (ओसीआर), एंटिटी रिकग्निशन, या एंड-टू-एंड वर्कफ़्लो की विलंबता आपके पिछले बेंचमार्क से अधिक समय लेती है, तो यह एक संकेतक हो सकता है कि आर्किटेक्चर डिज़ाइन लोड परीक्षण या त्रुटि प्रबंधन को कवर नहीं करता है।
• बार-बार गला घोंटना - आपको AWS सेवाओं द्वारा थ्रॉटलिंग का अनुभव हो सकता है जैसे अमेज़न टेक्सट्रेक अनुरोध सीमा के कारण. इसका मतलब यह है कि आर्किटेक्चर वर्कफ़्लो, सिंक्रोनस और एसिंक्रोनस कार्यान्वयन, प्रति सेकंड लेनदेन (टीपीएस) गणना, और बहुत कुछ की समीक्षा करके आर्किटेक्चर को समायोजित करने की आवश्यकता है।
• डिबगिंग कठिनाइयाँ - जब कोई दस्तावेज़ प्रक्रिया विफल हो जाती है, तो आपके पास यह पहचानने का कोई प्रभावी तरीका नहीं हो सकता है कि वर्कफ़्लो में त्रुटि कहाँ स्थित है, यह किस सेवा से संबंधित है, और विफलता क्यों हुई। इसका मतलब है कि सिस्टम में लॉग और विफलताओं में दृश्यता का अभाव है। टेलीमेट्री डेटा के लॉगिंग डिज़ाइन पर फिर से विचार करने और समाधान में दस्तावेज़ प्रसंस्करण पाइपलाइन जैसे कोड (IaC) के रूप में बुनियादी ढांचे को जोड़ने पर विचार करें।

संकेतक	Description	वास्तु अंतर
उच्च विलंबता	ओसीआर, इकाई पहचान, या एंड-टू-एंड वर्कफ़्लो विलंबता पिछले बेंचमार्क से अधिक है	लोड परीक्षण गलती संभालना
बार-बार गला घोंटना	अनुरोध सीमाओं के कारण Amazon Texttract जैसी AWS सेवाओं द्वारा थ्रॉटलिंग	सिंक बनाम एसिंक टीपीएस गणना
डीबग करना कठिन	दस्तावेज़ प्रसंस्करण विफलताओं के स्थान, कारण और कारण की कोई दृश्यता नहीं	लॉगिंग डिज़ाइन दस्तावेज़ प्रसंस्करण पाइपलाइन

डिज़ाइन सिद्धांत

इस पोस्ट में, हम तीन डिज़ाइन सिद्धांतों पर चर्चा करते हैं: जटिल AI कार्यों, IaC आर्किटेक्चर और सर्वर रहित आर्किटेक्चर को सौंपना। जब आप दो कार्यान्वयनों के बीच व्यापार-बंद का सामना करते हैं, तो आप अपने संगठन की व्यावसायिक प्राथमिकताओं के साथ डिज़ाइन सिद्धांतों पर फिर से विचार कर सकते हैं ताकि आप प्रभावी ढंग से निर्णय ले सकें।

• जटिल AI कार्य सौंपना - आप एमएल मॉडल विकास जीवनचक्र को प्रबंधित सेवाओं में उतारकर और एडब्ल्यूएस द्वारा प्रदान किए गए मॉडल विकास और बुनियादी ढांचे का लाभ उठाकर अपने संगठन में तेजी से एआई अपनाने को सक्षम कर सकते हैं। अपने डेटा विज्ञान और आईटी टीमों को एआई मॉडल बनाने और बनाए रखने की आवश्यकता के बजाय, आप पूर्व-प्रशिक्षित एआई सेवाओं का उपयोग कर सकते हैं जो आपके लिए कार्यों को स्वचालित कर सकते हैं। यह आपकी टीमों को उच्च-मूल्य वाले काम पर ध्यान केंद्रित करने की अनुमति देता है जो आपके व्यवसाय को अलग करता है, जबकि क्लाउड प्रदाता एआई मॉडल के प्रशिक्षण, तैनाती और स्केलिंग की जटिलता को संभालता है।
• IaC आर्किटेक्चर - आईडीपी समाधान चलाते समय, समाधान में एंड-टू-एंड वर्कफ़्लो को कालानुक्रमिक रूप से निष्पादित करने के लिए कई एआई सेवाएं शामिल होती हैं। आप वर्कफ़्लो पाइपलाइनों का उपयोग करके समाधान तैयार कर सकते हैं AWS स्टेप फ़ंक्शंस दोष सहनशीलता, समानांतर प्रसंस्करण, दृश्यता और स्केलेबिलिटी को बढ़ाने के लिए। ये फायदे आपको अंतर्निहित एआई सेवाओं के उपयोग और लागत को अनुकूलित करने में सक्षम बना सकते हैं।
• serverless आर्किटेक्चर – आईडीपी अक्सर एक इवेंट-संचालित समाधान होता है, जो उपयोगकर्ता अपलोड या निर्धारित नौकरियों द्वारा शुरू किया जाता है। एआई सेवाओं के लिए कॉल दरें बढ़ाकर समाधान को क्षैतिज रूप से बढ़ाया जा सकता है, AWS लाम्बा, और अन्य सेवाएँ शामिल हैं। सर्वर रहित दृष्टिकोण अनावश्यक खर्चों को रोकते हुए, संसाधनों के अति-प्रावधान के बिना स्केलेबिलिटी प्रदान करता है। सर्वर रहित डिज़ाइन के पीछे की निगरानी प्रदर्शन समस्याओं का पता लगाने में सहायता करती है।

इन तीन डिज़ाइन सिद्धांतों को ध्यान में रखते हुए, संगठन क्लाउड प्लेटफ़ॉर्म पर AI/ML अपनाने के लिए एक प्रभावी आधार स्थापित कर सकते हैं। जटिलता को सौंपकर, लचीले बुनियादी ढांचे को लागू करके और पैमाने के लिए डिजाइन करके, संगठन अपने एआई/एमएल समाधानों को अनुकूलित कर सकते हैं।

निम्नलिखित अनुभागों में, हम चर्चा करते हैं कि तकनीकी फोकस क्षेत्रों के संबंध में आम चुनौतियों का समाधान कैसे किया जाए।

केंद्र बिंदु के क्षेत्र

प्रदर्शन दक्षता की समीक्षा करते समय, हम पांच फोकस क्षेत्रों से समाधान की समीक्षा करते हैं: आर्किटेक्चर डिज़ाइन, डेटा प्रबंधन, त्रुटि प्रबंधन, सिस्टम मॉनिटरिंग और मॉडल मॉनिटरिंग। इन फोकस क्षेत्रों के साथ, आप एआई/एमएल प्रोजेक्ट, डेटा, मॉडल या व्यावसायिक लक्ष्य के तीन घटकों की प्रभावशीलता, अवलोकन और स्केलेबिलिटी को बढ़ाने के लिए विभिन्न पहलुओं से एक आर्किटेक्चर समीक्षा कर सकते हैं।

वास्तुकला डिजाइन

इस फोकस क्षेत्र में प्रश्नों को पढ़कर, आप यह देखने के लिए मौजूदा वर्कफ़्लो की समीक्षा करेंगे कि क्या यह सर्वोत्तम प्रथाओं का पालन करता है। सुझाया गया वर्कफ़्लो एक सामान्य पैटर्न प्रदान करता है जिसका संगठन अनुसरण कर सकते हैं और परीक्षण-और-त्रुटि लागत को रोक सकते हैं।

पर आधारित प्रस्तावित वास्तुकलावर्कफ़्लो डेटा कैप्चर, वर्गीकरण, निष्कर्षण, संवर्धन, समीक्षा और सत्यापन और उपभोग के छह चरणों का पालन करता है। जिन सामान्य संकेतकों पर हमने पहले चर्चा की थी, उनमें से तीन में से दो वास्तुकला डिजाइन समस्याओं से आते हैं। ऐसा इसलिए है क्योंकि जब आप किसी परियोजना को तात्कालिक दृष्टिकोण के साथ शुरू करते हैं, तो अपने बुनियादी ढांचे को अपने समाधान के साथ संरेखित करने का प्रयास करते समय आपको परियोजना की बाधाओं का सामना करना पड़ सकता है। आर्किटेक्चर डिज़ाइन समीक्षा के साथ, तात्कालिक डिज़ाइन को चरणों के रूप में अलग किया जा सकता है, और उनमें से प्रत्येक का पुनर्मूल्यांकन और पुन: व्यवस्थित किया जा सकता है।

आप कार्यान्वयन करके समय, धन और श्रम बचा सकते हैं वर्गीकरण आपके वर्कफ़्लो में, और दस्तावेज़ दस्तावेज़ प्रकार के आधार पर डाउनस्ट्रीम एप्लिकेशन और एपीआई में जाते हैं। यह दस्तावेज़ प्रक्रिया की अवलोकन क्षमता को बढ़ाता है और नए दस्तावेज़ प्रकार जोड़ते समय समाधान को बनाए रखना आसान बनाता है।

डाटा प्रबंधन

आईडीपी समाधान के प्रदर्शन में विलंबता, थ्रूपुट और एंड-टू-एंड उपयोगकर्ता अनुभव शामिल है। समाधान में दस्तावेज़ और उसकी निकाली गई जानकारी को कैसे प्रबंधित किया जाए, यह डेटा स्थिरता, सुरक्षा और गोपनीयता की कुंजी है। इसके अतिरिक्त, समाधान को कम विलंबता और उच्च थ्रूपुट के साथ उच्च डेटा वॉल्यूम को संभालना चाहिए।

इस फोकस क्षेत्र के प्रश्नों से गुजरते समय, आप दस्तावेज़ वर्कफ़्लो की समीक्षा करेंगे। इसमें डेटा अंतर्ग्रहण, डेटा प्रीप्रोसेसिंग, दस्तावेज़ों को अमेज़ॅन टेक्स्टट्रैक्ट द्वारा स्वीकृत दस्तावेज़ प्रकारों में परिवर्तित करना, आने वाली दस्तावेज़ धाराओं को संभालना, दस्तावेज़ों को प्रकार के आधार पर रूट करना और एक्सेस नियंत्रण और प्रतिधारण नीतियों को लागू करना शामिल है।

उदाहरण के लिए, किसी दस्तावेज़ को विभिन्न संसाधित चरणों में संग्रहीत करके, यदि आवश्यक हो तो आप प्रसंस्करण को पिछले चरण में उलट सकते हैं। डेटा जीवनचक्र कार्यभार के लिए विश्वसनीयता और अनुपालन सुनिश्चित करता है। का उपयोग करके अमेज़ॅन टेक्स्टट्रैक्ट सर्विस कोटा कैलकुलेटर (निम्नलिखित स्क्रीनशॉट देखें), अमेज़ॅन टेक्स्टट्रैक्ट, लैम्ब्डा, स्टेप फ़ंक्शंस पर अतुल्यकालिक सुविधाएँ, अमेज़ॅन सरल कतार सेवा (अमेज़ॅन एसक्यूएस), और अमेज़न सरल अधिसूचना सेवा (अमेज़ॅन एसएनएस), संगठन विशिष्ट कार्यभार आवश्यकताओं को पूरा करने के लिए दस्तावेज़ प्रसंस्करण कार्यों को स्वचालित और स्केल कर सकते हैं।

गलती संभालना

दस्तावेज़ प्रक्रिया की स्थिति पर नज़र रखने के लिए मजबूत त्रुटि प्रबंधन महत्वपूर्ण है, और यह ऑपरेशन टीम को किसी भी असामान्य व्यवहार, जैसे अप्रत्याशित दस्तावेज़ वॉल्यूम, नए दस्तावेज़ प्रकार, या तृतीय-पक्ष सेवाओं से अन्य अनियोजित मुद्दों पर प्रतिक्रिया करने के लिए समय प्रदान करता है। संगठन के दृष्टिकोण से, उचित त्रुटि प्रबंधन सिस्टम अपटाइम और प्रदर्शन को बढ़ा सकता है।

आप त्रुटि प्रबंधन को दो प्रमुख पहलुओं में विभाजित कर सकते हैं:

• AWS सेवा कॉन्फ़िगरेशन - आप थ्रॉटलिंग जैसी क्षणिक त्रुटियों को संभालने के लिए घातीय बैकऑफ़ के साथ पुनः प्रयास तर्क लागू कर सकते हैं। जब आप एसिंक्रोनस स्टार्ट* ऑपरेशन को कॉल करके प्रोसेसिंग शुरू करते हैं, जैसे स्टार्ट डॉक्यूमेंट टेक्स्ट डिटेक्शन, आप निर्दिष्ट कर सकते हैं कि अनुरोध की पूर्णता स्थिति एसएनएस विषय में प्रकाशित की गई है अधिसूचना चैनल विन्यास। यह आपको गेट* एपीआई के मतदान के कारण एपीआई कॉल पर थ्रॉटलिंग सीमा से बचने में मदद करता है। आप इसमें अलार्म भी लागू कर सकते हैं अमेज़ॅन क्लाउडवॉच और असामान्य त्रुटि स्पाइक्स होने पर अलर्ट करने के लिए ट्रिगर करता है।
• त्रुटि रिपोर्ट संवर्द्धन - इसमें त्रुटि प्रकार के अनुसार उचित स्तर के विवरण और त्रुटि प्रबंधन प्रतिक्रियाओं के विवरण के साथ विस्तृत संदेश शामिल हैं। उचित त्रुटि प्रबंधन सेटअप के साथ, स्वचालित रूप से आंतरायिक त्रुटियों को पुनः प्रयास करने, कैस्केडिंग विफलताओं को संभालने के लिए सर्किट ब्रेकर का उपयोग करने और त्रुटियों में अंतर्दृष्टि प्राप्त करने के लिए निगरानी सेवाओं जैसे सामान्य पैटर्न को लागू करके सिस्टम अधिक लचीला हो सकते हैं। यह समाधान को पुनः प्रयास सीमाओं के बीच संतुलन बनाने की अनुमति देता है और कभी न ख़त्म होने वाले सर्किट लूप को रोकता है।

मॉडल की निगरानी

समय के साथ गिरावट के लिए एमएल मॉडल के प्रदर्शन की निगरानी की जाती है। जैसे-जैसे डेटा और सिस्टम की स्थितियाँ बदलती हैं, मॉडल प्रदर्शन और दक्षता मेट्रिक्स को ट्रैक किया जाता है ताकि यह सुनिश्चित किया जा सके कि जरूरत पड़ने पर पुनः प्रशिक्षण किया जाता है।

आईडीपी वर्कफ़्लो में एमएल मॉडल एक ओसीआर मॉडल, इकाई मान्यता मॉडल या वर्गीकरण मॉडल हो सकता है। मॉडल AWS AI सेवा से आ सकता है, जो एक ओपन सोर्स मॉडल है अमेज़न SageMaker, अमेज़ॅन बेडरॉक, या अन्य तृतीय-पक्ष सेवाएँ। मानवीय प्रतिक्रिया के साथ मॉडल को बेहतर बनाने और समय के साथ सेवा प्रदर्शन को बढ़ाने के तरीकों की पहचान करने के लिए आपको प्रत्येक सेवा की सीमाओं और उपयोग के मामलों को समझना चाहिए।

सटीकता के विभिन्न स्तरों को समझने के लिए सेवा लॉग का उपयोग करना एक सामान्य दृष्टिकोण है। ये लॉग डेटा विज्ञान टीम को मॉडल पुनर्प्रशिक्षण की किसी भी आवश्यकता को पहचानने और समझने में मदद कर सकते हैं। आपका संगठन पुनर्प्रशिक्षण तंत्र चुन सकता है - यह त्रैमासिक, मासिक या विज्ञान मेट्रिक्स पर आधारित हो सकता है, जैसे कि जब सटीकता किसी दिए गए सीमा से नीचे चली जाती है।

निगरानी का लक्ष्य केवल समस्याओं का पता लगाना नहीं है, बल्कि मॉडलों को लगातार परिष्कृत करने के लिए लूप को बंद करना और बाहरी वातावरण विकसित होने पर आईडीपी समाधान को चालू रखना है।

सिस्टम मॉनिटरिंग

उत्पादन में आईडीपी समाधान तैनात करने के बाद, सुधार के क्षेत्रों की पहचान करने के लिए प्रमुख मैट्रिक्स और स्वचालन प्रदर्शन की निगरानी करना महत्वपूर्ण है। मेट्रिक्स में व्यावसायिक मेट्रिक्स और तकनीकी मेट्रिक्स शामिल होने चाहिए। यह कंपनी को सिस्टम के प्रदर्शन का मूल्यांकन करने, मुद्दों की पहचान करने और परिचालन प्रभाव को समझने के लिए स्वचालन दर को बढ़ाने के लिए समय के साथ मॉडल, नियमों और वर्कफ़्लो में सुधार करने की अनुमति देता है।

व्यावसायिक पक्ष पर, महत्वपूर्ण क्षेत्रों के लिए निष्कर्षण सटीकता, मानव हस्तक्षेप के बिना संसाधित दस्तावेजों के प्रतिशत को इंगित करने वाली समग्र स्वचालन दर और प्रति दस्तावेज़ औसत प्रसंस्करण समय जैसे मेट्रिक्स सर्वोपरि हैं। ये व्यावसायिक मेट्रिक्स अंतिम-उपयोगकर्ता अनुभव और परिचालन दक्षता लाभ को मापने में मदद करते हैं।

पूरे वर्कफ़्लो में होने वाली त्रुटि और अपवाद दरों सहित तकनीकी मेट्रिक्स को इंजीनियरिंग परिप्रेक्ष्य से ट्रैक करना आवश्यक है। तकनीकी मेट्रिक्स प्रत्येक स्तर पर शुरू से अंत तक निगरानी कर सकते हैं और एक जटिल कार्यभार का व्यापक दृश्य प्रदान कर सकते हैं। आप मेट्रिक्स को विभिन्न स्तरों में विभाजित कर सकते हैं, जैसे समाधान स्तर, एंड-टू-एंड वर्कफ़्लो स्तर, दस्तावेज़ प्रकार स्तर, दस्तावेज़ स्तर, इकाई पहचान स्तर और ओसीआर स्तर।

अब जब आपने इस स्तंभ के सभी प्रश्नों की समीक्षा कर ली है, तो आप अन्य स्तंभों का आकलन कर सकते हैं और अपने आईडीपी कार्यभार के लिए एक सुधार योजना विकसित कर सकते हैं।

निष्कर्ष

इस पोस्ट में, हमने सामान्य संकेतकों पर चर्चा की है कि आपको अपने आईडीपी कार्यभार के लिए प्रदर्शन दक्षता स्तंभ के लिए एक वेल-आर्किटेक्टेड फ्रेमवर्क समीक्षा करने की आवश्यकता हो सकती है। फिर हमने उच्च-स्तरीय अवलोकन प्रदान करने और समाधान लक्ष्य पर चर्चा करने के लिए डिज़ाइन सिद्धांतों का अध्ययन किया। आईडीपी वेल-आर्किटेक्टेड कस्टम लेंस के संदर्भ में इन सुझावों का पालन करके और फोकस क्षेत्र द्वारा प्रश्नों की समीक्षा करके, अब आपके पास एक परियोजना सुधार योजना होनी चाहिए।

---

लेखक के बारे में

मिया चांग अमेज़ॅन वेब सर्विसेज के लिए एमएल स्पेशलिस्ट सॉल्यूशंस आर्किटेक्ट हैं। वह ईएमईए में ग्राहकों के साथ काम करती है और अनुप्रयुक्त गणित, कंप्यूटर विज्ञान और एआई/एमएल में अपनी पृष्ठभूमि के साथ क्लाउड पर एआई/एमएल वर्कलोड चलाने के लिए सर्वोत्तम प्रथाओं को साझा करती है। वह एनएलपी-विशिष्ट कार्यभार पर ध्यान केंद्रित करती है, और एक सम्मेलन वक्ता और एक पुस्तक लेखक के रूप में अपना अनुभव साझा करती है। अपने खाली समय में, वह लंबी पैदल यात्रा, बोर्ड गेम और कॉफी बनाना पसंद करती हैं।

ब्रिजेश पति AWS में एंटरप्राइज सॉल्यूशंस आर्किटेक्ट हैं। उनका प्राथमिक ध्यान उद्यम ग्राहकों को उनके कार्यभार के लिए क्लाउड प्रौद्योगिकियों को अपनाने में मदद करना है। उनके पास एप्लिकेशन डेवलपमेंट और एंटरप्राइज आर्किटेक्चर की पृष्ठभूमि है और उन्होंने खेल, वित्त, ऊर्जा और पेशेवर सेवाओं जैसे विभिन्न उद्योगों के ग्राहकों के साथ काम किया है। उनकी रुचियों में सर्वर रहित आर्किटेक्चर और एआई/एमएल शामिल हैं।

रुई कार्डोसो अमेज़ॅन वेब सर्विसेज (एडब्ल्यूएस) में एक पार्टनर सॉल्यूशंस आर्किटेक्ट है। वह एआई/एमएल और आईओटी पर ध्यान केंद्रित कर रहे हैं। वह AWS पार्टनर्स के साथ काम करते हैं और AWS में समाधान विकसित करने में उनका समर्थन करते हैं। जब वह काम नहीं करता तो उसे साइकिल चलाना, लंबी पैदल यात्रा करना और नई चीजें सीखना अच्छा लगता है।

टिम कोंडेलो अमेज़ॅन वेब सर्विसेज (एडब्ल्यूएस) में एक वरिष्ठ कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमएल) विशेषज्ञ समाधान वास्तुकार हैं। उनका ध्यान प्राकृतिक भाषा प्रसंस्करण और कंप्यूटर विज़न पर है। टिम को ग्राहकों के विचार लेने और उन्हें स्केलेबल समाधानों में बदलने में आनंद आता है।

शेरी डिंग अमेज़ॅन वेब सर्विसेज (एडब्ल्यूएस) में एक वरिष्ठ कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमएल) विशेषज्ञ समाधान वास्तुकार हैं। उन्हें कंप्यूटर विज्ञान में पीएचडी की डिग्री के साथ मशीन लर्निंग में व्यापक अनुभव है। वह मुख्य रूप से विभिन्न एआई/एमएल संबंधित व्यावसायिक चुनौतियों पर सार्वजनिक क्षेत्र के ग्राहकों के साथ काम करती है, जिससे उन्हें एडब्ल्यूएस क्लाउड पर उनकी मशीन सीखने की यात्रा में तेजी लाने में मदद मिलती है। जब ग्राहकों की मदद नहीं की जाती, तो वह बाहरी गतिविधियों का आनंद लेती है।

सुयिन वांग AWS में AI/ML स्पेशलिस्ट सॉल्यूशंस आर्किटेक्ट हैं। उनके पास मशीन लर्निंग, वित्तीय सूचना सेवा और अर्थशास्त्र में अंतःविषय शिक्षा पृष्ठभूमि है, साथ ही वास्तविक दुनिया की व्यावसायिक समस्याओं को हल करने वाले डेटा साइंस और मशीन लर्निंग अनुप्रयोगों के निर्माण में वर्षों का अनुभव है। उसे ग्राहकों को सही व्यावसायिक प्रश्नों की पहचान करने और सही एआई/एमएल समाधान बनाने में मदद करने में आनंद आता है। अपने खाली समय में उन्हें गाना और खाना बनाना बहुत पसंद है।

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://aws.amazon.com/blogs/machine-learning/build-well-architected-idp-solutions-with-a-custom-lens-part-4-performance-efficiency/