कैसे सर्चमेट्रिक्स प्रासंगिक कीवर्ड को स्वचालित रूप से खोजने और अपने मानव विश्लेषकों को 20% तेज प्लेटोब्लॉकचेन डेटा इंटेलिजेंस बनाने के लिए अमेज़ॅन सेजमेकर का उपयोग करता है। लंबवत खोज. ऐ.

Searchmetrics कैसे प्रासंगिक कीवर्ड को स्वचालित रूप से खोजने और अपने मानव विश्लेषकों को 20% तेज़ बनाने के लिए Amazon SageMaker का उपयोग करता है

Searchmetrics खोज डेटा, सॉफ़्टवेयर और परामर्श समाधानों का एक वैश्विक प्रदाता है, जो ग्राहकों को खोज डेटा को अद्वितीय व्यावसायिक अंतर्दृष्टि में बदलने में मदद करता है। आज तक, सर्चमेट्रिक्स ने मैकिन्से एंड कंपनी, लोवे और एक्सा जैसी 1,000 से अधिक कंपनियों को हाइपर-प्रतिस्पर्धी खोज परिदृश्य में लाभ खोजने में मदद की है।

2021 में, सर्चमेट्रिक्स ने अपनी खोज अंतर्दृष्टि क्षमताओं को और बेहतर बनाने के लिए कृत्रिम बुद्धिमत्ता (एआई) के उपयोग में मदद के लिए एडब्ल्यूएस की ओर रुख किया।

इस पोस्ट में, हम साझा करते हैं कि कैसे सर्चमेट्रिक्स ने एक एआई समाधान बनाया, जिसने किसी भी विषय के लिए स्वचालित रूप से प्रासंगिक खोज कीवर्ड ढूंढकर अपने मानव कार्यबल की दक्षता को 20% तक बढ़ा दिया। अमेज़न SageMaker और हगिंग फेस के साथ इसका मूल एकीकरण।

कैसे सर्चमेट्रिक्स प्रासंगिक कीवर्ड को स्वचालित रूप से खोजने और अपने मानव विश्लेषकों को 20% तेज प्लेटोब्लॉकचेन डेटा इंटेलिजेंस बनाने के लिए अमेज़ॅन सेजमेकर का उपयोग करता है। लंबवत खोज. ऐ. “अमेज़ॅन सेजमेकर ने हगिंग फेस के अत्याधुनिक एनएलपी मॉडल का मूल्यांकन और हमारे सिस्टम में एकीकृत करना आसान बना दिया है।
हमने जो समाधान बनाया है वह हमें अधिक कुशल बनाता है और हमारे उपयोगकर्ता अनुभव को बेहतर बनाता है।- आयोनिस फौकारकिस, डेटा प्रमुख, सर्चमेट्रिक्स

कीवर्ड की सूची से प्रासंगिकता की पहचान करने के लिए एआई का उपयोग करना

सर्चमेट्रिक्स की अंतर्दृष्टि पेशकश का एक महत्वपूर्ण हिस्सा किसी दिए गए विषय या खोज उद्देश्य के लिए सबसे प्रासंगिक खोज कीवर्ड की पहचान करने की क्षमता है।

ऐसा करने के लिए, सर्चमेट्रिक्स के पास विश्लेषकों की एक टीम है जो एक विशिष्ट बीज शब्द दिए गए कुछ कीवर्ड की संभावित प्रासंगिकता का आकलन करती है। विश्लेषक किसी दिए गए विषय के भीतर एक कीवर्ड और संभावित रूप से संबंधित कीवर्ड की उत्पन्न सूची की समीक्षा करने के लिए एक आंतरिक उपकरण का उपयोग करते हैं, और फिर उन्हें एक या अधिक संबंधित कीवर्ड का चयन करना होगा जो उस विषय के लिए प्रासंगिक हैं।

यह मैन्युअल फ़िल्टरिंग और चयन प्रक्रिया समय लेने वाली थी और अपने ग्राहकों को जानकारी प्रदान करने की सर्चमेट्रिक्स की क्षमता को धीमा कर देती थी।

इस प्रक्रिया को बेहतर बनाने के लिए, सर्चमेट्रिक्स ने एक एआई समाधान बनाने की मांग की जो किसी दिए गए खोज विषय के इरादे को समझने के लिए प्राकृतिक भाषा प्रसंस्करण (एनएलपी) का उपयोग कर सके और प्रासंगिकता के आधार पर संभावित कीवर्ड की एक अनदेखी सूची को स्वचालित रूप से रैंक कर सके।

उन्नत एनएलपी क्षमताओं को शीघ्रता से बनाने के लिए सेजमेकर और हगिंग फेस का उपयोग करना

इसे हल करने के लिए, सर्चमेट्रिक्स की इंजीनियरिंग टीम ने सेजमेकर की ओर रुख किया, जो एक एंड-टू-एंड मशीन लर्निंग (एमएल) प्लेटफॉर्म है जो डेवलपर्स और डेटा वैज्ञानिकों को एमएल मॉडल को जल्दी और आसानी से बनाने, प्रशिक्षित करने और तैनात करने में मदद करता है।

सेजमेकर एमएल निर्माण प्रक्रिया को सरल बनाकर एमएल वर्कलोड की तैनाती को तेज करता है। यह पूरी तरह से प्रबंधित बुनियादी ढांचे के शीर्ष पर एमएल क्षमताओं का एक विस्तृत सेट प्रदान करता है। यह अविभाजित भारी भार उठाने को हटा देता है जो अक्सर एमएल विकास में बाधा उत्पन्न करता है।

सर्चमेट्रिक्स ने एमएल विकास प्रक्रिया के हर चरण में प्रदान की जाने वाली क्षमताओं की पूरी श्रृंखला के कारण सेजमेकर को चुना:

  • SageMaker पुस्तिकाओं सर्चमेट्रिक्स टीम को पूरी तरह से प्रबंधित एमएल विकास वातावरण को तेजी से स्पिन करने, डेटा प्रीप्रोसेसिंग करने और विभिन्न दृष्टिकोणों के साथ प्रयोग करने में सक्षम बनाया
  • RSI बैच परिवर्तन सेजमेकर की क्षमताओं ने सर्चमेट्रिक्स को बड़ी मात्रा में अपने अनुमान पेलोड को कुशलतापूर्वक संसाधित करने में सक्षम बनाया, साथ ही उत्पादन में अपनी मौजूदा वेब सेवा में आसानी से एकीकृत किया।

सर्चमेट्रिक्स को सेजमेकर के मूल एकीकरण में भी विशेष रुचि थी गले लगना, एक रोमांचक एनएलपी स्टार्टअप जो अपनी लोकप्रिय ट्रांसफॉर्मर लाइब्रेरी के माध्यम से 7,000 से अधिक पूर्व-प्रशिक्षित भाषा मॉडल तक आसान पहुंच प्रदान करता है।

सेजमेकर एक समर्पित हगिंग फेस अनुमानक के माध्यम से हगिंग फेस के साथ सीधा एकीकरण प्रदान करता है सेजमेकर एसडीके. इससे पूरी तरह से प्रबंधित सेजमेकर इंफ्रास्ट्रक्चर पर हगिंग फेस मॉडल चलाना आसान हो जाता है।

इस एकीकरण के साथ, सर्चमेट्रिक्स उनके उपयोग के मामले में सबसे अच्छा प्रदर्शन करने वाला दृष्टिकोण खोजने के लिए विभिन्न मॉडलों और दृष्टिकोणों की एक श्रृंखला के साथ परीक्षण और प्रयोग करने में सक्षम था।

अंतिम समाधान सबसे प्रासंगिक कीवर्ड की पहचान करने के लिए शून्य-शॉट वर्गीकरण पाइपलाइन का उपयोग करता है। विभिन्न पूर्व-प्रशिक्षित मॉडल और क्वेरी रणनीतियों का मूल्यांकन किया गया facebook/bart-बड़े-mnli सबसे आशाजनक परिणाम प्रदान करना।

परिचालन दक्षता में सुधार और नए नवाचार के अवसर खोजने के लिए AWS का उपयोग करना

सेजमेकर और हगिंग फेस के साथ इसके मूल एकीकरण के साथ, सर्चमेट्रिक्स एक एनएलपी समाधान बनाने, प्रशिक्षित करने और तैनात करने में सक्षम था जो किसी दिए गए विषय को समझ सकता था और उनकी प्रासंगिकता के आधार पर कीवर्ड की अनदेखी सूची को सटीक रूप से रैंक कर सकता था। सेजमेकर द्वारा पेश किए गए टूलसेट ने प्रयोग और तैनाती को आसान बना दिया है।

जब सर्चमेट्रिक्स के मौजूदा आंतरिक टूल के साथ एकीकृत किया गया, तो इस एआई क्षमता ने मानव विश्लेषकों को अपना काम पूरा करने में लगने वाले समय में औसतन 20% की कमी प्रदान की। इसके परिणामस्वरूप उच्च थ्रूपुट, बेहतर उपयोगकर्ता अनुभव और नए उपयोगकर्ताओं का तेजी से जुड़ाव हुआ।

इस प्रारंभिक सफलता ने न केवल सर्चमेट्रिक्स के खोज विश्लेषकों के परिचालन प्रदर्शन में सुधार किया है, बल्कि सर्चमेट्रिक्स को अपने व्यवसाय में एआई का उपयोग करके अधिक व्यापक स्वचालन समाधान तैनात करने के लिए एक स्पष्ट मार्ग तैयार करने में भी मदद की है।

ये रोमांचक नए नवाचार अवसर सर्चमेट्रिक्स को अपनी अंतर्दृष्टि क्षमताओं में सुधार जारी रखने में मदद करते हैं, और यह सुनिश्चित करने में भी मदद करते हैं कि ग्राहक हाइपर-प्रतिस्पर्धी खोज परिदृश्य में आगे बने रहें।

इसके अलावा, हगिंग फेस और एडब्ल्यूएस ने 2022 की शुरुआत में एक साझेदारी की घोषणा की जिससे सेजमेकर पर हगिंग फेस मॉडल को प्रशिक्षित करना और भी आसान हो गया। यह कार्यक्षमता हगिंग फेस के विकास के माध्यम से उपलब्ध है AWS डीप लर्निंग कंटेनर (डीएलसी)। इन कंटेनरों में हगिंग फेस ट्रांसफॉर्मर, टोकनाइज़र और डेटासेट लाइब्रेरी शामिल हैं, जो हमें प्रशिक्षण और अनुमान कार्यों के लिए इन संसाधनों का उपयोग करने की अनुमति देती है।

उपलब्ध डीएलसी छवियों की सूची के लिए, उपलब्ध देखें डीप लर्निंग कंटेनर छवियाँ, जिनका रखरखाव किया जाता है और नियमित रूप से सुरक्षा पैच के साथ अद्यतन किया जाता है। आप इन डीएलसी और के साथ हगिंग फेस मॉडल को प्रशिक्षित करने के कई उदाहरण पा सकते हैं हगिंग फेस पायथन एसडीके निम्नलिखित में गीथहब रेपो.

इस बारे में और जानें कि आप एआई/एमएल के साथ नवाचार करने की अपनी क्षमता को कैसे तेज कर सकते हैं अमेज़ॅन सेजमेकर के साथ शुरुआत करना, समीक्षा करके व्यावहारिक शिक्षण सामग्री प्राप्त करना अमेज़ॅन सेजमेकर डेवलपर संसाधन, या दौरा करना अमेज़न सेजमेकर पर हगिंग फेस.


लेखक के बारे में

कैसे सर्चमेट्रिक्स प्रासंगिक कीवर्ड को स्वचालित रूप से खोजने और अपने मानव विश्लेषकों को 20% तेज प्लेटोब्लॉकचेन डेटा इंटेलिजेंस बनाने के लिए अमेज़ॅन सेजमेकर का उपयोग करता है। लंबवत खोज. ऐ.डेनियल बर्क AWS में प्राइवेट इक्विटी समूह में AI और ML के लिए यूरोपीय नेतृत्व है। डेनियल सीधे निजी इक्विटी फंड और उनकी पोर्टफोलियो कंपनियों के साथ काम करते हैं, जिससे उन्हें नवाचार में सुधार और उद्यम मूल्य बढ़ाने के लिए अपने एआई और एमएल अपनाने में तेजी लाने में मदद मिलती है।

समय टिकट:

से अधिक AWS मशीन लर्निंग

अमेज़ॅन टाइमस्ट्रीम और अमेज़ॅन लुकआउट फॉर इक्विपमेंट के साथ विसंगतियों का पता लगाने और डाउनटाइम की भविष्यवाणी करने के लिए मशीन लर्निंग का उपयोग करें

स्रोत नोड: 1780075
समय टिकट: दिसम्बर 29, 2022

अमेज़ॅन सेजमेकर कैनवास भावना विश्लेषण और टेक्स्ट विश्लेषण मॉडल का उपयोग करके उत्पाद समीक्षाओं से अंतर्दृष्टि प्राप्त करने के लिए नो-कोड मशीन लर्निंग का उपयोग करें | अमेज़न वेब सेवाएँ

स्रोत नोड: 1899999
समय टिकट: अक्टूबर 9, 2023