Searchmetrics a keresési adatok, szoftverek és tanácsadói megoldások globális szolgáltatója, segítve ügyfeleit abban, hogy a keresési adatokat egyedi üzleti betekintésekké alakítsák. A Searchmetrics eddig több mint 1,000 vállalatnak segített, mint például a McKinsey & Company, a Lowe's és az AXA, hogy előnyhöz jussanak a túlzottan versenyképes keresési környezetben.
2021-ben a Searchmetrics az AWS-hez fordult, hogy segítsen a mesterséges intelligencia (AI) használatában, hogy tovább fejleszthesse keresési betekintési képességeit.
Ebben a bejegyzésben megosztjuk, hogy a Searchmetrics hogyan épített egy mesterséges intelligencia-megoldást, amely 20%-kal növelte az emberi munkaerő hatékonyságát azáltal, hogy automatikusan megtalálta a releváns keresési kulcsszavakat egy adott témakörhöz. Amazon SageMaker és a Hugging Face natív integrációja.
AI használata a relevancia azonosítására kulcsszavak listájából
A Searchmetrics insights kínálatának kulcsfontosságú része az, hogy képes azonosítani a legrelevánsabb keresési kulcsszavakat egy adott témakörhöz vagy keresési szándékhoz.
Ehhez a Searchmetrics elemzőcsapattal rendelkezik, amely felméri bizonyos kulcsszavak lehetséges relevanciáját egy adott kezdőszó alapján. Az elemzők egy belső eszköz segítségével áttekintik a kulcsszavakat egy adott témán belül és a potenciálisan kapcsolódó kulcsszavak generált listáját, majd ki kell választaniuk egy vagy több kapcsolódó kulcsszót, amelyek relevánsak az adott témában.
Ez a kézi szűrési és kiválasztási folyamat időigényes volt, és lelassította a Searchmetrics azon képességét, hogy betekintést nyújtson ügyfeleinek.
Ennek a folyamatnak a javítása érdekében a Searchmetrics olyan mesterséges intelligencia-megoldást akart létrehozni, amely a természetes nyelvi feldolgozás (NLP) segítségével képes megérteni egy adott keresési téma célját, és automatikusan rangsorolja a potenciális kulcsszavak nem látott listáját relevancia szerint.
A SageMaker és Hugging Face használata a fejlett NLP-képességek gyors kiépítéséhez
Ennek megoldása érdekében a Searchmetrics mérnöki csapata a SageMakerhez fordult, egy teljes körű gépi tanulási (ML) platformhoz, amely segít a fejlesztőknek és az adatkutatóknak gyorsan és egyszerűen ML modellek felépítésében, betanításában és üzembe helyezésében.
A SageMaker az ML-felépítési folyamat egyszerűsítésével felgyorsítja az ML-munkaterhelések telepítését. Az ML képességek széles skáláját kínálja a teljesen felügyelt infrastruktúra mellett. Ez megszünteti a differenciálatlan nehézemelést, amely túl gyakran akadályozza az ML fejlődését.
A Searchmetrics azért választotta a SageMaker-t, mert az ML fejlesztési folyamat minden lépésében az általa biztosított lehetőségek teljes skáláját kínálja:
- SageMaker laptopok lehetővé tette a Searchmetrics csapata számára, hogy gyorsan felpörgessen teljesen felügyelt ML fejlesztői környezeteket, végezzen adat-előfeldolgozást, és kísérletezzen különböző megközelítésekkel
- A kötegelt átalakítás A SageMaker képességei lehetővé tették a Searchmetrics számára, hogy hatékonyan feldolgozza a következtetési rakományokat tömegesen, és könnyen integrálódjon meglévő webszolgáltatásába a termelésben
A Searchmetrics különösen érdeklődött a SageMaker natív integrációja iránt Átölelő arc, egy izgalmas NLP startup, amely több mint 7,000 előre betanított nyelvi modellhez biztosít könnyű hozzáférést népszerű Tranformers könyvtárán keresztül.
A SageMaker közvetlen integrációt biztosít a Hugging Face alkalmazással egy dedikált Hugging Face becslő segítségével. SageMaker SDK. Ez megkönnyíti a Hugging Face modellek futtatását a teljesen felügyelt SageMaker infrastruktúrán.
Ezzel az integrációval a Searchmetrics számos különböző modellt és megközelítést tesztelhetett és kísérletezhetett, hogy megtalálja a legjobban teljesítő megközelítést a felhasználási esetükhöz.
A végső megoldás egy nullapontos osztályozási folyamatot használ a legrelevánsabb kulcsszavak azonosítására. Különböző előre betanított modelleket és lekérdezési stratégiákat értékeltek ki facebook/bart-large-mnli a legígéretesebb eredményeket nyújtva.
Az AWS használata a működési hatékonyság javítására és új innovációs lehetőségek felkutatására
A SageMakerrel és a Hugging Face natív integrációjával a Searchmetrics olyan NLP-megoldást tudott felépíteni, betanítani és telepíteni, amely képes megérteni egy adott témát, és a kulcsszavak nem látott listáját a relevanciájuk alapján pontosan rangsorolni. A SageMaker által kínált eszközkészlet megkönnyítette a kísérletezést és a telepítést.
A Searchmetrics meglévő belső eszközével integrálva ez az AI-képesség átlagosan 20%-kal csökkentette az elemzők munkájának befejezéséhez szükséges időt. Ez nagyobb átvitelt, jobb felhasználói élményt és gyorsabb új felhasználók felvételét eredményezte.
Ez a kezdeti siker nemcsak a Searchmetrics keresési elemzőinek működési teljesítményét javította, hanem abban is, hogy a Searchmetrics világosabb utat vázoljon fel a mesterséges intelligencia segítségével átfogóbb automatizálási megoldások bevezetéséhez.
Ezek az izgalmas új innovációs lehetőségek segítenek a Searchmetricsnek abban, hogy tovább fejleszthessék betekintési képességeiket, és biztosítsák, hogy az ügyfelek továbbra is az élen járjanak a túlzottan versenyképes keresési környezetben.
Ezenkívül a Hugging Face és az AWS 2022 elején bejelentette, hogy együttműködést folytat, amely még egyszerűbbé teszi a Hugging Face modellek képzését a SageMakeren. Ez a funkció a Hugging Face fejlesztésén keresztül érhető el AWS Deep Learning Containers (DLC-k). Ezek a tárolók tartalmazzák a Hugging Face Transformers, Tokenizers és a Datasets könyvtárat, amely lehetővé teszi számunkra, hogy ezeket az erőforrásokat képzési és következtetési munkákhoz használjuk.
Az elérhető DLC-képek listáját lásd: elérhető Deep Learning Containers Images, amelyeket karbantartanak és rendszeresen frissítenek biztonsági javításokkal. Számos példát találhat arra, hogyan taníthat Hugging Face modelleket ezekkel a DLC-kkel és a Hugging Face Python SDK a következőkben GitHub repo.
További információ arról, hogyan gyorsíthatja fel innovációs képességét az AI/ML segítségével, ha felkeresi Az Amazon SageMaker használatának első lépései, gyakorlati tanulási tartalmak szerzése a Amazon SageMaker fejlesztői erőforrások, vagy meglátogatni Átölelő arc az Amazon SageMakeren.
A szerzőről
Daniel Burke az AWS Private Equity csoportjában az AI és az ML európai vezető vezetője. Daniel közvetlenül együttműködik a magántőke-alapokkal és portfólióvállalataikkal, segítve őket a mesterséges intelligencia és az ML bevezetésének felgyorsításában az innováció javítása és a vállalati érték növelése érdekében.
- Coinsmart. Európa legjobb Bitcoin- és kriptográfiai tőzsdéje.
- Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. SZABAD HOZZÁFÉRÉS.
- CryptoHawk. Altcoin radar. Ingyenes próbaverzió.
- Forrás: https://aws.amazon.com/blogs/machine-learning/how-searchmetrics-uses-amazon-sagemaker-to-automatically-find-relevant-keywords-and-make-their-human-analysts-20- gyorsabb/
- "
- &
- 000
- 100
- 2021
- 2022
- 7
- Rólunk
- gyorsul
- hozzáférés
- mellett
- Örökbefogadás
- fejlett
- Előny
- AI
- amazon
- bejelentés
- megközelítés
- mesterséges
- mesterséges intelligencia
- Mesterséges intelligencia (AI)
- Automatizálás
- elérhető
- átlagos
- AWS
- épít
- üzleti
- képességek
- bizonyos
- besorolás
- Companies
- vállalat
- átfogó
- tanácsadó
- Konténerek
- tartalom
- folytatódik
- tudott
- Ügyfelek
- dátum
- elszánt
- szállított
- telepíteni
- bevezetéséhez
- bevetés
- Fejlesztő
- fejlesztők
- Fejlesztés
- különböző
- közvetlen
- közvetlenül
- le-
- könnyen
- hatékonyság
- hatékony
- eredményesen
- Mérnöki
- Vállalkozás
- részvény
- európai
- értékelni
- létező
- tapasztalat
- kísérlet
- Arc
- gyorsabb
- megtalálása
- következő
- Tele
- funkcionalitás
- alapok
- további
- szerzés
- Globális
- nagymértékben
- Csoport
- fej
- segít
- segít
- segít
- <p></p>
- Hogyan
- How To
- HTTPS
- emberi
- azonosítani
- javul
- javított
- tartalmaz
- Növelje
- <p></p>
- Infrastruktúra
- Innováció
- meglátások
- integrálni
- integrált
- integráció
- Intelligencia
- A szándék
- érdekelt
- IT
- Munka
- Állások
- Kulcs
- táj
- nyelv
- vezet
- tanulás
- könyvtár
- emelő
- Lista
- gép
- gépi tanulás
- készült
- KÉSZÍT
- sikerült
- kézikönyv
- ML
- modellek
- több
- a legtöbb
- Természetes
- felajánlott
- felajánlás
- Beszállás
- Lehetőségek
- különösen
- Létrehozása
- Patches
- teljesítmény
- emelvény
- Népszerű
- portfolió
- potenciális
- magán
- Magántőke
- folyamat
- feldolgozás
- biztató
- biztosít
- amely
- gyorsan
- hatótávolság
- Tudástár
- Eredmények
- Kritika
- futás
- tudósok
- Keresés
- biztonság
- mag
- szolgáltatás
- készlet
- Megosztás
- szoftver
- megoldások
- Megoldások
- SOLVE
- Centrifugálás
- kezdődött
- indítás
- csúcs-
- tartózkodás
- stratégiák
- siker
- Systems
- csapat
- teszt
- Keresztül
- idő
- szerszám
- felső
- Képzések
- megért
- egyedi
- us
- használ
- Felhasználók
- érték
- háló
- belül
- munkaerő
- művek