בחודש הקודם פוסט, דיברנו על ניתוח ותיוג נכסים המאוחסנים ב- Veeva Vault PromoMats באמצעות שירותי AI של אמזון וממשקי ה-API של פלטפורמת Veeva Vault. בפוסט זה, אנו חוקרים כיצד להשתמש אמזון AppFlow, שירות אינטגרציה מנוהל במלואו המאפשר לך להעביר נתונים בצורה מאובטחת מיישומי תוכנה כשירות (SaaS) כמו Veeva Vault ל-AWS. ה מחבר Amazon AppFlow Veeva מאפשר לך לחבר את סביבת ה-AWS שלך למערכת האקולוגית של Veeva במהירות, אמינה וחסכונית על מנת לנתח את התוכן העשיר המאוחסן בכספת Veeva בקנה מידה.
מחבר Amazon AppFlow Veeva הוא המחבר הראשון של Amazon AppFlow התומך בהעברה אוטומטית של מסמכי Veeva. זה מאפשר לך לבחור בין הגרסה העדכנית ביותר (ה מצב יציב גרסה במונחי Veeva) וכל גרסאות המסמכים. יתר על כן, אתה יכול לייבא מטא נתונים של מסמכים.
בכמה לחיצות, אתה יכול בקלות להגדיר חיבור מנוהל ולבחור את המסמכים והמטא נתונים של Veeva Vault לייבא. תוכל להתאים עוד יותר את התנהגות הייבוא על ידי מיפוי שדות מקור לשדות יעד. ניתן גם להוסיף מסננים לפי סוג ותת-סוג מסמך, סיווג, מוצרים, מדינה, אתר ועוד. לבסוף, אתה יכול להוסיף אימות ולנהל מפעילי זרימה לפי דרישה ומתוזמנים.
אתה יכול להשתמש במחבר Amazon AppFlow Veeva למקרי שימוש שונים, החל מ- Veeva Vault PromoMats ועד לפתרונות אחרים של Veeva Vault כגון QualityDocs, eTMF או ניהול מידע רגולטורי (RIM). להלן כמה ממקרי השימוש שבהם אתה יכול להשתמש במחבר:
- סינכרון נתונים - אתה יכול להשתמש במחבר בתהליך של ביסוס עקביות והרמוניזציה בין נתונים ממקור Veeva Vault וכל מערכת במורד הזרם לאורך זמן. לדוגמה, אתה יכול לשתף את נכסי השיווק של Veeva PromoMats עם Salesforce. אתה יכול גם להשתמש במחבר כדי לשתף את Veeva QualityDocs כמו נהלי הפעלה סטנדרטיים (SOPs) או מפרטים לאתרי קובץ שמור הניתנים לחיפוש מטאבלטים הנמצאים ברצפת הייצור.
- גילוי אנומלי - אתה יכול לשתף מסמכי Veeva PromoMats עם תצפית אמזון למדדים לאיתור חריגות. אתה יכול גם להשתמש במחבר עם Vault RIM ביצירות אמנות, תוויות מסחריות, תבניות או עלוני מטופלים לפני ייבואם להדפסה לפתרונות תיוג ארגוניים כגון Loftware.
- הידרציה של אגם נתונים - המחבר יכול להיות כלי יעיל לשכפול נתונים מובנים או לא מובנים לתוך אגמי נתונים, על מנת לתמוך ביצירה והידרציה של אגמי נתונים. לדוגמה, אתה יכול להשתמש במחבר כדי לחלץ מידע מחקר סטנדרטי מפרוטוקולים המאוחסנים ב-Vault RIM ולחשוף אותו במורד הזרם לצוותי תובנות ניתוח רפואי.
- תרגומים - המחבר יכול להיות שימושי בשליחת יצירות אמנות, מסמכים קליניים, חומרי שיווק או פרוטוקולי לימוד לתרגום בשפות אם למחלקות כגון אריזה, ניסויים קליניים או הגשות רגולטוריות.
פוסט זה מתמקד כיצד אתה יכול להשתמש שירותי בינה מלאכותית של אמזון בשילוב עם Amazon AppFlow כדי לנתח תוכן המאוחסן ב- Veeva Vault PromoMats, לחלץ אוטומטית מידע על תגיות, ובסופו של דבר להזין מידע זה בחזרה למערכת Veeva Vault. הפוסט דן בארכיטקטורה הכוללת, השלבים לפריסת פתרון ולוח מחוונים, ומקרה שימוש של תיוג מטא נתונים של נכסים. למידע נוסף על בסיס קוד הוכחת הרעיון עבור מקרה שימוש זה, עיין ב- מאגר GitHub.
סקירת פתרונות
התרשים הבא ממחיש את ארכיטקטורת הפתרון המעודכנת.
בעבר, כדי לייבא נכסים מ-Veeva Vault, היה עליך לכתוב את הלוגיקה של הקוד המותאם אישית שלך באמצעות ממשקי API של Veeva Vault לסקר לשינויים ולייבא את הנתונים אליהם שירות אחסון פשוט של אמזון (אמזון S3). זה יכול להיות תהליך ידני שלוקח זמן, שבו היית צריך לתת את הדעת על מגבלות API, כשלים וניסיונות חוזרים, כמו גם יכולת הרחבה כדי להכיל כמות בלתי מוגבלת של נכסים. הפתרון המעודכן משתמש ב-Amazon AppFlow כדי להרחיק את המורכבות של תחזוקת צינור ייבוא נתונים מותאם אישית של Veeva לאמזון S3.
כפי שהוזכר בהקדמה, Amazon AppFlow הוא כלי קל לשימוש, ללא קוד בשירות עצמי, המשתמש בתצורות הצבע ולחיצה כדי להעביר נתונים בקלות ובאופן מאובטח בין אפליקציות SaaS ושירותי AWS שונים. AppFlow מאפשר לך למשוך נתונים (אובייקטים ומסמכים) ממקורות נתמכים ולכתוב את הנתונים האלה ליעדים נתמכים שונים. המקור או היעד יכולים להיות יישום SaaS או שירות AWS כגון Amazon S3, האדום של אמזון, או Lookout for Metrics. בנוסף לממשק ללא קוד, Amazon AppFlow תומך בתצורה באמצעות API, AWS CLI ו AWS CloudFormation ממשקים.
זרימה ב-Amazon AppFlow מתארת כיצד יש להעביר נתונים, כולל פרטי מקור, פרטי יעד, תנאי הפעלת זרימה (לפי דרישה, לפי אירוע, או מתוכנן), ומשימות עיבוד נתונים כגון נקודת ביקורת, אימות שדות או מיסוך. כאשר מופעל, Amazon AppFlow מפעילה זרימה שמביאה את נתוני המקור (בדרך כלל דרך ממשקי ה-API הציבוריים של יישום המקור), מפעילה משימות עיבוד נתונים ומעבירה נתונים מעובדים ליעד.
בדוגמה זו, אתה פורס זרימה מוגדרת מראש באמצעות תבנית CloudFormation. צילום המסך הבא מציג את התצורה המוגדרת מראש veeva-aws-connector
זרימה שנוצרת באופן אוטומטי על ידי תבנית הפתרון בקונסולת Amazon AppFlow.
הזרימה משתמשת ב- Veeva כמקור ומוגדרת לייבא אובייקטים של רכיבי Veeva Vault. גם המטא-נתונים וגם קובצי המקור נחוצים על מנת לעקוב אחר הנכסים שעובדו ולדחוף תגים בחזרה לנכס המתאים הנכון במערכת המקור. במצב זה, רק הגרסה האחרונה מיובאת, והעיבודים אינם כלולים.
יש להגדיר גם את יעד הזרימה. בצילום המסך הבא, אנו מגדירים פורמט קובץ ומבנה תיקיות עבור דלי S3 שנוצר כחלק מתבנית CloudFormation.
לבסוף, הזרם מופעל לפי דרישה למטרות הדגמה. ניתן לשנות זאת כך שהזרימה תפעל לפי לוח זמנים, עם פירוט מקסימלי של דקה אחת. כאשר מופעל על פי לוח זמנים, מצב ההעברה משתנה אוטומטית מהעברה מלאה למצב העברה מצטבר. אתה מציין שדה חותמת זמן מקור למעקב אחר השינויים. עבור מקרה השימוש בתיוג, מצאנו כי תאריך שינוי אחרון ההגדרה היא המתאימה ביותר.
אז אמזון AppFlow משולב עם אמזון EventBridge כדי לפרסם אירועים בכל פעם שהרצת זרימה הושלמה.
לגמישות טובה יותר, ה AVAIAppFlowListener
AWS למבדה הפונקציה מחוברת אל EventBridge. כאשר אירוע של Amazon AppFlow מופעל, הוא מוודא שהפעלת הזרימה הספציפית הושלמה בהצלחה, קורא את פרטי המטא נתונים של כל הנכסים המיובאים מהרצת הזרימה הספציפית הזו, ודוחף מטא נתונים של מסמך בודד לתוך שירות תורים פשוט של אמזון (Amazon SQS) תור. השימוש ב-Amazon SQS מספק צימוד רופף בין חלקי המפיק והמעבד של הארכיטקטורה וגם מאפשר לך לפרוס שינויים בקטע המעבד מבלי לעצור את העדכונים הנכנסים.
פונקציית משאל שנייה (AVAIQueuePoller
) קורא את תור SQS במרווחי זמן תכופים (כל דקה) ומעבד את הנכסים הנכנסים. לקבלת זמן תגובה טוב עוד יותר מפונקציית Lambda, אתה יכול להחליף את כלל CloudWatch על ידי הגדרת Amazon SQS כטריגר לפונקציה.
בהתאם לסוג ההודעה הנכנסת, הפתרון משתמש בשירותי AWS AI שונים כדי להפיק תובנות מהנתונים שלך. כמה דוגמאות כוללות:
- קבצי טקסט – הפונקציה משתמשת ב- DetectEntities תפעול של אמזון Comprehend Medical, שירות עיבוד שפה טבעית (NLP) המקל על השימוש ב-ML כדי לחלץ מידע רפואי רלוונטי מטקסט לא מובנה. פעולה זו מזהה ישויות בקטגוריות כמו
Anatomy
,Medical_Condition
,Medication
,Protected_Health_Information
, וTest_Treatment_Procedure
. הפלט המתקבל מסונןProtected_Health_Information
, והמידע הנותר, יחד עם ציוני בטחון, משטחים ומוכנסים לתוך אמזון דינמו שולחן. מידע זה משורטט על אשכול OpenSearch Kibana. ביישומים בעולם האמיתי, אתה יכול גם להשתמש ב- Amazon Comprehend Medical ICD-10-CM או RxNorm תכונה לקשר את המידע שזוהה לאונטולוגיות רפואיות כך שיישומי שירותי בריאות במורד הזרם יוכלו להשתמש בו לניתוח נוסף. - תמונות – הפונקציה משתמשת ב- DetectLabels שיטה של אמזון כדי לזהות תוויות בתמונה הנכנסת. תוויות אלה יכולות לשמש כתגיות לזיהוי המידע העשיר הקבור בתמונות שלך, כגון מידע על יצירות אמנות מסחריות ותוויות קליניות. אם תוויות כמו
Human
orPerson
מזוהים עם ציון ביטחון של יותר מ-80%, הקוד משתמש ב- DetectFaces שיטה לחפש תווי פנים מרכזיים כגון עיניים, אף ופה כדי לזהות פרצופים בתמונת הקלט. Amazon Rekognition מספקת את כל המידע הזה עם ציון ביטחון משויך, אשר משטח ומאוחסן בטבלת DynamoDB. - הקלטות קוליות - עבור נכסי אודיו, הקוד משתמש ב- StartTranscriptionJob שיטה אסינכרונית של אמזון תעתיק לתמלל את האודיו הנכנס לטקסט, תוך העברת מזהה ייחודי כ-
TranscriptionJobName
. הקוד מניח ששפת האודיו תהיה אנגלית (ארה"ב), אבל אתה יכול לשנות אותו כדי להיקשר למידע המגיע מ-Veeva Vault. הקוד קורא ל- GetTranscriptionJob שיטה, המעביר את אותו מזהה ייחודי כמו ה-TranscriptionJobName
בלולאה, עד להשלמת העבודה. Amazon Transcribe מספקת את קובץ הפלט על דלי S3, שנקרא על ידי הקוד ונמחק. הקוד קורא לזרימת העבודה של עיבוד הטקסט (כפי שנדון קודם לכן) כדי לחלץ ישויות מאודיו מתומלל. - מסמכים סרוקים (PDF) - אחוז גדול מנכסי מדעי החיים מיוצגים בקובצי PDF - אלה יכולים להיות כל דבר, החל מכתבי עת מדעיים ומאמרי מחקר ועד תוויות תרופות. טקסטורה באמזון הוא שירות המחלץ אוטומטית טקסט ונתונים ממסמכים סרוקים. הקוד משתמש ב- StartDocumentTextDetection שיטה להתחיל עבודה אסינכרונית כדי לזהות טקסט במסמך. הקוד משתמש ב-
JobId
חזר בתגובה לשיחה GetDocumentTextDetection בלולאה, עד להשלמת העבודה. מבנה ה-JSON הפלט מכיל שורות ומילים של טקסט שזוהה, יחד עם ציוני ביטחון עבור כל אלמנט שהוא מזהה, כך שתוכל לקבל החלטות מושכלות לגבי אופן השימוש בתוצאות. הקוד מעבד את מבנה ה-JSON כדי ליצור מחדש את ערכת הטקסט וקורא לזרימת העבודה של עיבוד הטקסט כדי לחלץ ישויות מהטקסט.
טבלת DynamoDB מאחסנת את כל הנתונים המעובדים. הפתרון משתמש DynamoDB Streams ו-Lambda טריגרים (AVAIPopulateES
) כדי לאכלס נתונים באשכול OpenSearch Kibana. הפונקציה AVAIPopulateES פועלת עבור כל פעולת עדכון, הוספה ומחיקה שמתרחשת בטבלת DynamoDB, ומוסיפה רשומה אחת מתאימה באינדקס OpenSearch. אתה יכול לדמיין את הרשומות האלה באמצעות Kibana.
כדי לסגור את לולאת המשוב, ה- AVAICustomFieldPopulator
פונקציית Lambda נוצרה. זה מופעל על ידי אירועים בזרם DynamoDB של טבלת המטא נתונים DynamoDB. לכל DocumentID
ברשומות DynamoDB, הפונקציה מנסה להעביר מידע תג לתוך מאפיין שדה מותאם אישית מוגדר מראש של הנכס עם המזהה המתאים ב-Veeva, באמצעות ה-API של Veeva. כדי להימנע מהכנסת רעש לשדה המותאם אישית, פונקציית Lambda מסננת כל תגיות שזוהו עם ציון ביטחון נמוך מ-0.9. בקשות שנכשלו מועברות לתור של אותיות מתות (DLQ) לצורך בדיקה ידנית או ניסיון חוזר אוטומטי.
פתרון זה מציע גישה ללא שרת, תשלום לפי נסיעה לעיבוד, תיוג ואפשרות של חיפושים מקיפים בנכסים הדיגיטליים שלך. בנוסף, לכל רכיב מנוהל זמינות גבוהה מובנית על ידי פריסה אוטומטית על פני מספר אזורי זמינות. ל שירות חיפוש פתוח של אמזון (יורש של שירות Amazon Elasticsearch), אתה יכול לבחור את אפשרות שלושה AZ כדי לספק זמינות טובה יותר עבור הדומיינים שלך.
תנאים מוקדמים
לפריצת דרך זו, יהיו עליכם התנאים המוקדמים הבאים:
- An חשבון AWS עם מתאים AWS זהות וניהול גישה הרשאות (IAM) להפעלת תבנית CloudFormation
- אישורי גישה מתאימים לדומיין של Veeva Vault PromoMats (כתובת אתר של דומיין, שם משתמש וסיסמה)
- תג תוכן מותאם אישית שהוגדר ב-Veeva עבור הנכסים הדיגיטליים שברצונך שיתייגו (כדוגמה, יצרנו את
AutoTags
תג תוכן מותאם אישית) - נכסים דיגיטליים בכספת PromoMats נגישים לאישורים הקודמים
פרוס את הפתרון שלך
אתה משתמש בערימת CloudFormation כדי לפרוס את הפתרון. המחסנית יוצרת את כל המשאבים הדרושים, כולל:
- דלי S3 לאחסון הנכסים הנכנסים.
- זרימת Amazon AppFlow לייבוא אוטומטי של נכסים לדלי S3.
- כלל EventBridge ופונקציית Lambda כדי להגיב לאירועים שנוצרו על ידי Amazon AppFlow (
AVAIAppFlowListener
). - תור SQS FIFO שיפעל כצימוד רופף בין פונקציית המאזין (
AVAIAppFlowListener
) ופונקציית הסקר (AVAIQueuePoller
). - טבלת DynamoDB לאחסון הפלט של שירותי בינה מלאכותית של אמזון.
- אשכול אמזון OpenSearch Kibana (ELK) כדי להמחיש את התגים המנותחים.
- פונקציית Lambda לדחיקת תגים מזוהים ל- Veeva (
AVAICustomFieldPopulator
), עם DLQ תואם. - פונקציות למבדה חובה:
- AVAIAppFlowListener - מופעל על ידי אירועים שנדחפו על ידי Amazon AppFlow ל-EventBridge. משמש לאימות ריצת זרימה ודחיפה של הודעה לתור SQS.
- AVAIQueuePoller - מופעל כל דקה. משמש לסקר את תור SQS, עיבוד הנכסים באמצעות שירותי בינה מלאכותית של אמזון ומילוי טבלת DynamoDB.
- AVAIPopulateES - מופעל כאשר יש עדכון, הוספה או מחיקה בטבלת DynamoDB. משמש ללכידת שינויים מ-DynamoDB ואיכלוס אשכול ELK.
- AVAICustomFieldPopulator - מופעל כאשר יש עדכון, הוספה או מחיקה בטבלת DynamoDB. משמש להזנת מידע תג לתוך Veeva.
- השמיים אירועי CloudWatch של אמזון כללים שמפעילים את
AVAIQueuePoller
פוּנקצִיָה. טריגרים אלה נמצאים ב-DISABLED
מצב כברירת מחדל. - תפקידים ומדיניות IAM נדרשים לאינטראקציה עם EventBridge ושירותי ה-AI בצורה מצומצמת.
כדי להתחיל, בצע את הצעדים הבאים:
- היכנס ל- קונסולת הניהול של AWS עם חשבון בעל הרשאות IAM הדרושות.
- בחרו השקת ערימה ופתח אותו בכרטיסייה חדשה:
- על צור ערימה עמוד, בחר הַבָּא.
- על ציין פרטי ערימה עמוד, הזן שם לערימה.
- הזן ערכים עבור הפרמטרים.
- בחרו הַבָּא.
- על הגדר אפשרויות ערימה עמוד, השאר הכל כברירת מחדל ובחר הַבָּא.
- על סקירה עמוד, ב יכולות והופכות בחר את שלוש תיבות הסימון.
- בחרו צור ערימה.
- המתן עד שהערימה תסתיים. אתה יכול לבחון אירועים שונים מתהליך יצירת המחסנית ב- אירועים TAB.
- לאחר השלמת יצירת הערימה, אתה יכול להסתכל על משאבים לשונית כדי לראות את כל המשאבים שתבנית CloudFormation יצרה.
- על יציאות , העתק את הערך של
ESDomainAccessPrincipal
.
זהו ה-ARN של תפקיד IAM שה- AVAIPopulateES
הפונקציה מניחה. אתה משתמש בו מאוחר יותר כדי להגדיר גישה לתחום Amazon OpenSearch Service.
הגדר את Amazon OpenSearch Service ואת Kibana
סעיף זה ילווה אותך דרך אבטחת אשכול שירות Amazon OpenSearch שלך והתקנת פרוקסי מקומי לגישה מאובטחת ל-Kibana.
- במסוף Amazon OpenSearch Service, בחר את הדומיין שנוצר על ידי התבנית.
- על פעולות בתפריט, בחר שנה את מדיניות הגישה.
- בעד מדיניות גישה לדומיין, בחר מדיניות גישה מותאמת אישית.
- ב מדיניות הגישה תימחק חלון קופץ, בחר נקה והמשך.
- בעמוד הבא, הגדר את ההצהרות הבאות כדי לנעול גישה לתחום Amazon OpenSearch Service:
- אפשר כתובת IPv4 - כתובת ה-IP שלך.
- אפשר IAM ARN - הערך של
ESDomainAccessPrincipal
העתקת קודם.
- בחרו חפש.
זה יוצר מדיניות גישה המעניקה גישה לפונקציית AVAIPopulateES וגישה ל-Kibana מכתובת ה-IP שלך. למידע נוסף על הקטנת מדיניות הגישה שלך, ראה הגדרת מדיניות גישה.
- המתן עד שסטטוס הדומיין יוצג בתור
Active
. - בקונסולת Amazon EventBridge, מתחת אירועים, בחר חוקי. אתה יכול לראות שני כללים שיצרה תבנית CloudFormation.
- בחר
AVAIQueuePollerSchedule
כלל והפעל אותו על ידי לחיצה אפשר.
בתוך 5-8 דקות, הנתונים אמורים להתחיל לזרום פנימה וישויות נוצרות באשכול השירות של Amazon OpenSearch Service. כעת אתה יכול לדמיין את הישויות הללו בקיבנה. לשם כך, אתה משתמש בפרוקסי קוד פתוח בשם aws-es-kibana. כדי להתקין את ה-proxy במחשב שלך, הזן את הקוד הבא:
aws-es-kibana your_OpenSearch_domain_endpoint
אתה יכול למצוא את נקודת הקצה של הדומיין ב- יציאות לשונית של ערימת CloudFormation תחת ESDomainEndPoint
. אתה אמור לראות את הפלט הבא:
צור הדמיות וניתוח תוכן מתויג
אנא עיין במקור פוסט בבלוג.
לנקות את
כדי להימנע מחיובים עתידיים, מחק את המשאבים כאשר אינם בשימוש. אתה יכול בקלות למחוק את כל המשאבים על ידי מחיקת מחסנית CloudFormation המשויכת. שימו לב שאתם צריכים לרוקן את דלי ה-S3 שנוצרו מתוכן כדי שמחיקת הערימה תצליח.
סיכום
בפוסט זה הדגמנו כיצד ניתן להשתמש בשירותי AI של Amazon בשילוב עם Amazon AppFlow כדי להרחיב את הפונקציונליות של Veeva Vault PromoMats ולחלץ מידע בעל ערך במהירות ובקלות. מנגנון הלולאה האחורי המובנה מאפשר לך לעדכן את התגים בחזרה לתוך Veeva Vault ולאפשר תיוג אוטומטי של הנכסים שלך. זה מקל על הצוות שלך למצוא ולאתר נכסים במהירות.
למרות שאף פלט ML אינו מושלם, הוא יכול להתקרב מאוד לביצועים אנושיים ולעזור לקזז חלק ניכר מהמאמצים של הצוות שלך. אתה יכול להשתמש בקיבולת הנוספת הזו למשימות בעלות ערך מוסף, תוך הקדשת קיבולת קטנה לבדיקת הפלט של פתרון ה-ML. פתרון זה יכול גם לעזור לייעל עלויות, להשיג עקביות תיוג ולאפשר גילוי מהיר של נכסים קיימים.
לבסוף, אתה יכול לשמור על בעלות על הנתונים שלך ולבחור אילו שירותי AWS יכולים לעבד, לאחסן ולארח את התוכן. AWS אינה ניגשת או משתמשת בתוכן שלך לכל מטרה ללא הסכמתך, ולעולם אינה משתמשת בנתוני לקוחות כדי להפיק מידע לשיווק או פרסום. למידע נוסף, ראה שאלות נפוצות בנושא פרטיות נתונים.
אתה יכול גם להרחיב את הפונקציונליות של פתרון זה עם שיפורים נוספים. לדוגמה, בנוסף לשירותי AI ו-ML בפוסט זה, תוכל להוסיף בקלות כל אחד מדגמי ה-ML המותאמים אישית שלך שנבנו באמצעות אמזון SageMaker לארכיטקטורה.
אם אתה מעוניין לחקור מקרי שימוש נוספים עבור Veeva ו-AWS, פנה לצוות חשבון AWS שלך.
Veeva Systems בדקה ואישרה תוכן זה. לשאלות נוספות הקשורות ל-Veeva Vault, אנא צור קשר תמיכת Veeva.
על המחברים
מאיאנק טאקר הוא ראש תחום AI/ML פיתוח עסקי, שירותי בריאות גלובליים ומדעי החיים ב-AWS. יש לו יותר מ-18 שנות ניסיון בתעשיות מגוונות כמו בריאות, מדעי החיים, ביטוח וקמעונאות, המתמחה בבניית פתרונות ללא שרתים, בינה מלאכותית ולמידת מכונה לפתרון בעיות בתעשייה בעולם האמיתי. ב-AWS, הוא עובד בשיתוף פעולה הדוק עם חברות פארמה גדולות ברחבי העולם כדי לבנות פתרונות חדישים ולעזור להן במסע הענן. מלבד העבודה, מאיאנק, יחד עם אשתו, עסוק בגידול שני נערים נמרצים ושובבים, אאריאן (6) וקיאן (4), תוך ניסיון למנוע מהבית להישרף או להוצף!
אנאמריה טודור הוא אדריכל פתרונות בכיר שבסיסו בקופנהגן, דנמרק. היא ראתה את המחשב הראשון שלה כשהייתה בת 4 ומאז לא נתנה למדעי המחשב ולהנדסה ללכת. היא עבדה בתפקידים טכניים שונים ממפתחת Full-Stack, ועד מהנדסת נתונים, מובילה טכנית ו-CTO בחברות דניות שונות. לאנמריה תואר ראשון בהנדסה שימושית ומדעי המחשב, תואר שני במדעי המחשב ולמעלה מ-10 שנות ניסיון מעשי ב-AWS. ב-AWS היא עובדת בשיתוף פעולה הדוק עם חברות בריאות ומדעי החיים במגזר הארגוני. כשהיא לא עובדת או משחקת משחקי וידאו, היא מאמנת בנות ואנשי מקצוע בהבנה ומציאת דרכן דרך הטכנולוגיה.
- Coinsmart. בורסת הביטקוין והקריפטו הטובה באירופה.
- Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה חופשית.
- CryptoHawk. רדאר אלטקוין. ניסיון חינם.
- מקור: https://aws.amazon.com/blogs/machine-learning/analyze-and-tag-assets-stored-in-veeva-vault-promomats-using-amazon-appflow-and-amazon-ai-services/
- "
- 10
- 100
- 7
- 9
- a
- אודות
- תקציר
- גישה
- נגיש
- להתאים
- חֶשְׁבּוֹן
- להשיג
- לרוחב
- לפעול
- תוספת
- נוסף
- כתובת
- פרסום
- AI
- שירותי AI
- תעשיות
- מאפשר
- אמזון בעברית
- כמות
- אנליזה
- ניתוח
- לנתח
- בנפרד
- API
- ממשקי API
- בקשה
- יישומים
- יישומית
- גישה
- מתאים
- ארכיטקטורה
- סביב
- מלאכותי
- בינה מלאכותית
- יצירות אמנות
- נכס
- נכסים
- המשויך
- אודיו
- מכני עם סלילה אוטומטית
- באופן אוטומטי
- זמינות
- AWS
- לפני
- להיות
- מוטב
- בֵּין
- גבול
- לִבנוֹת
- בִּניָן
- מובנה
- עסקים
- שיחה
- יכולות
- קיבולת
- מקרה
- מקרים
- חיובים
- בחרו
- מיון
- ניסויים קליניים
- ענן
- עגלונות
- קוד
- שילוב
- איך
- מגיע
- מסחרי
- חברות
- להשלים
- רְכִיב
- מַקִיף
- המחשב
- מדעי מחשב
- מושג
- תנאים
- אמון
- תְצוּרָה
- לְחַבֵּר
- הקשר
- הסכמה
- קונסול
- צור קשר
- מכיל
- תוכן
- תוֹאֵם
- עלויות
- יכול
- מדינה
- לִיצוֹר
- נוצר
- יוצר
- יצירה
- אישורים
- ראש אגף טכנולוגיה
- מנהג
- לקוח
- שיא הטכנולוגיה
- לוח מחוונים
- נתונים
- עיבוד נתונים
- החלטות
- מספק
- דרישה
- מופגן
- דנמרק
- לפרוס
- פריסה
- יעד
- יעדים
- פרטים
- זוהה
- איתור
- מפתח
- צעצועי התפתחות
- דיגיטלי
- נכסים דיגיטליים
- תגלית
- מסמכים
- לא
- תחום
- תחומים
- מטה
- תרופה
- כל אחד
- בקלות
- קל לשימוש
- המערכת האקולוגית
- אפקטיבי
- מַאֲמָצִים
- לאפשר
- מאפשר
- נקודת קצה
- מהנדס
- הנדסה
- אנגלית
- זן
- מִפְעָל
- ישויות
- סביבה
- אירוע
- אירועים
- הכל
- דוגמה
- דוגמאות
- קיימים
- ניסיון
- לחקור
- להאריך
- תמציות
- פנים
- מאפיין
- תכונות
- מָשׁוֹב
- נְקֵבָה
- שדות
- מסננים
- מציאת
- ראשון
- תזרים
- מתמקד
- הבא
- פוּרמָט
- מצא
- החל מ-
- מלא
- פונקציה
- פונקציונלי
- פונקציות
- נוסף
- עתיד
- משחקים
- בדרך כלל
- נוצר
- מקבל
- בנות
- גלוֹבָּלִי
- מענקים
- ידות על
- ראש
- בריאות
- לעזור
- גָבוֹהַ
- בית
- איך
- איך
- HTTPS
- בן אנוש
- מזהה
- לזהות
- זהות
- תמונה
- תמונות
- יבוא
- לכלול
- כלול
- כולל
- מדד
- בנפרד
- תעשיות
- תעשייה
- מידע
- הודעה
- קלט
- מוסיף
- תובנה
- תובנות
- להתקין
- ביטוח
- משולב
- השתלבות
- מוֹדִיעִין
- אינטראקציה
- מעוניין
- מִמְשָׁק
- IP
- כתובת IP
- IT
- עבודה
- מסע
- שמור
- מפתח
- תיוג
- תוויות
- שפה
- שפות
- גָדוֹל
- האחרון
- לשגר
- עוֹפֶרֶת
- יציאה
- מדעי חיים
- קווים
- קשר
- לינקדין
- מקומי
- נראה
- מכונה
- לתחזק
- לעשות
- עושה
- לנהל
- הצליח
- ניהול
- דרך
- מדריך ל
- ייצור
- מיפוי
- שיווק
- מאסטר
- חומרים
- מנגנון
- רפואי
- מוּזְכָּר
- מדדים
- ML
- מודלים
- יותר
- רוב
- המהלך
- מספר
- טבעי
- הכרחי
- צרכי
- הבא
- רעש
- המיוחדות שלנו
- לקזז
- לפתוח
- פועל
- מבצע
- מטב
- אפשרויות
- להזמין
- מְקוֹרִי
- אחר
- מקיף
- שֶׁלוֹ
- בעלות
- חלק
- חולף
- סיסמה
- חולה
- אחוזים
- ביצועים
- פארמה
- משחק
- אנא
- מדיניות
- מדיניות
- בו
- מוקפץ
- להציג
- קודם
- פְּרָטִיוּת
- בעיות
- תהליך
- תהליכים
- תהליך
- מעבד
- יַצרָן
- מוצרים
- אנשי מקצוע
- הוכחה
- הוכחה של רעיון או תאוריה
- רכוש
- פרוטוקולים
- לספק
- מספק
- פרוקסי
- ציבורי
- לפרסם
- מטרה
- למטרות
- דחף
- מָהִיר
- מהירות
- העלאה
- טִוּוּחַ
- לְהַגִיעַ
- להגיב
- תגובה
- שיא
- רשום
- רגולטורים
- רלוונטי
- נותר
- מיוצג
- בקשות
- מחקר
- משאבים
- תגובה
- וכתוצאה מכך
- תוצאות
- קמעוני
- תפקיד
- כללי
- הפעלה
- אותו
- בקרת מערכות ותקשורת
- סולם
- מתוכנן
- מדע
- מדעים
- מאובטח
- קטע
- ללא שרת
- שרות
- שירותים
- סט
- הצבה
- שיתוף
- לְהַצִיג
- פָּשׁוּט
- since
- אתר
- מצב
- קטן
- So
- תוכנה
- תוכנה כשירות
- מוצק
- פִּתָרוֹן
- פתרונות
- לפתור
- כמה
- מתמחה
- ספציפי
- מפרטים
- לערום
- תֶקֶן
- התחלה
- החל
- מדינה
- הצהרות
- מצב
- אחסון
- חנות
- חנויות
- זרם
- מובנה
- לימוד
- ניכר
- מוצלח
- בהצלחה
- תמיכה
- נתמך
- מסייע
- תומך
- מערכת
- מערכות
- משימות
- נבחרת
- צוותי
- טכני
- טכנולוגיה
- תבניות
- מונחים
- השמיים
- המקור
- העולם
- שְׁלוֹשָׁה
- דרך
- עניבה
- זמן
- דורש זמן רב
- כלי
- לקראת
- לעקוב
- מעקב
- להעביר
- העברות
- תרגום
- מופעל
- תחת
- הבנה
- ייחודי
- בלתי מוגבל
- עדכון
- עדכונים
- us
- להשתמש
- אימות
- ערך
- שונים
- קמרון
- גרסה
- וִידֵאוֹ
- משחקי וידאו
- אתרים
- בזמן
- לְלֹא
- מילים
- תיק עבודות
- עבד
- עובד
- עובד
- עוֹלָם
- שנים