השמיים עדשה מותאמת אישית מאורגנת היטב של IDP מיועד לכל לקוחות AWS המשתמשים ב-AWS כדי להפעיל פתרונות עיבוד מסמכים חכמים (IDP) ומחפשים הדרכה כיצד לבנות פתרון IDP מאובטח, יעיל ואמין ב-AWS.
בניית פתרון מוכן לייצור בענן כרוכה בשורה של פשרות בין משאבים, זמן, ציפיות לקוחות ותוצאה עסקית. ה מסגרת ארכיטקטורה של AWS עוזר לך להבין את היתרונות והסיכונים של החלטות שאתה מקבל בזמן בניית עומסי עבודה ב-AWS. באמצעות ה-Framework, תלמדו שיטות עבודה מומלצות תפעוליות וארכיטקטוניות לתכנון ותפעול עומסי עבודה אמינים, מאובטחים, יעילים, חסכוניים וברי קיימא בענן.
פרויקט IDP משלב בדרך כלל זיהוי תווים אופטי (OCR) ועיבוד שפה טבעית (NLP) כדי לקרוא ולהבין מסמך ולחלץ מונחים או מילים ספציפיות. העדשה המותאמת אישית של IDP מתארת את השלבים לביצוע סקירת AWS Well-Architected המאפשרת לך להעריך ולזהות סיכונים טכניים בעומסי העבודה שלך ב-IDP. הוא מספק הנחיות להתמודדות עם האתגרים הנפוצים שאנו רואים בשטח, ותומך בך לתכנן את עומסי העבודה ה-IDP שלך על פי שיטות עבודה מומלצות.
פוסט זה מתמקד בעמוד האמינות של פתרון ה-IDP. החל מהכנסת עמוד האמינות ועקרונות העיצוב, לאחר מכן אנו צוללים עמוק לתוך תכנון והטמעת הפתרון עם שלושה תחומי מיקוד: יסודות, ניהול שינויים וניהול כשלים. על ידי קריאת פוסט זה, תלמדו על עמוד האמינות במסגרת ה- Well-Architected Framework עם מקרה בוחן IDP.
עקרונות עיצוב
עמוד האמינות כולל את היכולת של פתרון IDP לבצע עיבוד מסמכים בצורה נכונה ועקבית כאשר הדבר צפוי ובהתאם לכללים העסקיים המוגדרים. זה כולל את היכולת להפעיל ולבדוק את זרימת העבודה המלאה של IDP ואת מחזור החיים הכולל שלו.
ישנם מספר עקרונות שיכולים לעזור לך להגביר את האמינות. זכור את אלה כאשר אנו דנים בשיטות עבודה מומלצות:
- התאוששות אוטומטית מכישלון - על ידי ניטור זרימת העבודה של IDP שלך לאיתור מדדי ביצועים מרכזיים (KPIs), אתה יכול להפעיל אוטומציה כאשר סף נפרץ. זה מאפשר לך לעקוב ולקבל הודעה אוטומטית אם מתרחש כשל כלשהו ולהפעיל תהליכי שחזור אוטומטיים שעוקפים או מתקנים את הכשל. בהתבסס על מדדי KPI, אתה יכול גם לצפות כשלים ולהפעיל פעולות תיקון לפני שהם מתרחשים.
- בדיקת הליכי שחזור - בדוק כיצד זרימת העבודה של IDP שלך נכשלת, ואמת את הליכי השחזור. השתמש באוטומציה כדי לדמות תרחישים שונים או ליצור מחדש תרחישים שהובילו לכשל בעבר.
- קנה מידה והתאמת יכולת השירות - עקוב אחר הביקוש והשימוש בזרימת העבודה של IDP, והתאם אוטומטית את קיבולת השירות של AWS, כדי לשמור על הרמה האופטימלית כדי לספק את הביקוש ללא הקצאת יתר או חסר. לשלוט ולהיות מודע למכסות השירותים, המגבלות והאילוצים של שירותי רכיבי IDP שלך, כגון טקסטורה באמזון ו אמזון להתבונן.
- הפוך שינויים לאוטומטיים - השתמש באוטומציה בעת החלת שינויים בתשתית זרימת העבודה שלך ב-IDP. נהל שינויים באמצעות אוטומציה, אשר לאחר מכן ניתן לעקוב ולבדוק.
אזורי מיקוד
עקרונות העיצוב ושיטות העבודה המומלצות של עמוד האמינות מבוססים על תובנות שנאספו מהלקוחות שלנו ומקהילות המומחים הטכניים של IDP שלנו. השתמש בהם כהדרכה ותמיכה עבור החלטות העיצוב שלך והתאם אותן לדרישות העסקיות שלך מפתרון IDP שלך. יישום העדשה ה-IDP Architected Well מסייעת לך לאמת את החוסן והיעילות של עיצוב פתרון ה-IDP שלך, ומספקת המלצות לטיפול בכל הפערים שאתה עשוי לזהות.
להלן תחומי תרגול מומלצים לאמינות של פתרון IDP בענן:
- יסודות – שירותי AI של AWS כגון Amazon Textract ו- Amazon Comprehend מספקים קבוצה של מגבלות רכות וקשות למימדים שונים של שימוש. חשוב לבחון את המגבלות הללו ולהבטיח שפתרון ה-IDP שלך עומד בכל מגבלות רכות, תוך שהוא לא חורג ממגבלות קשות.
- שינוי הנהלה - התייחס לפתרון ה-IDP שלך כאל תשתית כמו קוד (IaC), המאפשר לך לבצע אוטומציה של ניטור וניהול שינויים. השתמש בבקרת גרסאות על פני רכיבים כגון תשתית ומודלים מותאמים אישית של Amazon Comprehend, ועקוב אחר שינויים בחזרה לשחרור נקודת זמן.
- ניהול כשלים - מכיוון שזרימת עבודה של IDP היא פתרון מונחה אירועים, האפליקציה שלך חייבת להיות עמידה לטיפול בשגיאות ידועות ולא ידועות. לפתרון IDP מתוכנן היטב יש את היכולת למנוע תקלות ולעמוד בכשלים כשהם מתרחשים על ידי שימוש במנגנוני רישום וניסיון חוזר. חשוב לעצב חוסן בארכיטקטורת זרימת העבודה של IDP ולתכנן התאוששות מאסון.
יסודות
שירותי AWS AI מספקים מודיעין מוכן, כגון מיצוי וניתוח נתונים אוטומטיים, באמצעות Amazon Textract, Amazon Comprehend ו אמזון AI מוגדל (Amazon A2I), עבור זרימות העבודה שלך ב-IDP. ישנן מגבלות שירות (או מכסות) עבור שירותים אלה כדי למנוע אספקת יתר ולהגביל את שיעורי הבקשות על פעולות API, להגן על השירותים מפני שימוש לרעה.
בעת תכנון ועיצוב ארכיטקטורת פתרונות ה-IDP שלך, שקול את השיטות המומלצות הבאות:
- היו מודעים למכסות, מגבלות ומגבלות שירות של Amazon Textract ו- Amazon Comprehend. – פורמטים מקובלים של קבצים, גודל וספירת עמודים, שפות, סיבובי מסמכים וגודל תמונה הם כמה דוגמאות למגבלות הקשות הללו עבור Amazon Textract, שאינן ניתנות לשינוי.
- פורמטים מקובלים של קבצים כוללים קובצי JPEG, PNG, PDF ו-TIFF. (תמונות מקודדות JPEG 2000 בתוך קובצי PDF נתמכות). נדרש עיבוד מקדים של מסמכים לפני השימוש ב- Amazon Textract אם פורמט הקובץ אינו נתמך (לדוגמה, Microsoft Word או Excel). במקרה זה, עליך להמיר פורמטים של מסמכים שאינם נתמכים לפורמט PDF או תמונה.
- ל- Amazon Comprehend יש מכסות שונות עבור דגמים מובנים, דגמים מותאמים אישית וגלגלי תנופה. ודא כי מקרה השימוש שלך מותאם למכסות Amazon Comprehend.
- התאם את מכסות השירות של Amazon Textract ו- Amazon Comprehend כדי לענות על הצרכים שלך - מחשבון מכסות השירות של Amazon Textract יכול לעזור לך להעריך את ערכי המכסה שיכסו את מקרה השימוש שלך. עליך לנהל את מכסות השירות שלך בין חשבונות או אזורים אם אתה מתכנן כשל בשחזור מאסון בין חשבונות או אזורים עבור הפתרון שלך. כשאתה מבקש הגדלת מכסות Amazon Textract, הקפד לפעול לפי ההמלצות הבאות:
- השתמש במחשבון מכסות השירות של Amazon Textract כדי להעריך את ערך המכסה האופטימלי שלך.
- שינויים בבקשות עלולים לגרום לתעבורת רשת קפיצית, להשפיע על התפוקה. השתמש בארכיטקטורה ללא שרת או במנגנון אחר כדי להחליק את התעבורה ולהפיק את המרב מהטרנזקציות שהוקצו לך לשנייה (TPS).
- הטמע לוגיקת ניסיון חוזר כדי לטפל בשיחות מצערות וחיבורים שנפלו.
- הגדר גיבוי אקספוננציאלי וריצוד כדי לשפר את התפוקה.
שינוי הנהלה
יש לצפות ולהתאים שינויים בזרימת העבודה של IDP או בסביבתה, כגון עליות בביקוש או קובץ מסמכים פגום כדי להשיג אמינות גבוהה יותר של הפתרון. חלק מהשינויים הללו מכוסים על ידי שיטות העבודה המומלצות של היסודות שתוארו בסעיף הקודם, אך אלה לבדם אינם מספיקים כדי להכיל שינויים. יש לשקול גם את השיטות המומלצות הבאות:
- השתמש אמזון CloudWatch כדי לפקח על רכיבי זרימת העבודה שלך ב-IDP, כגון Amazon Textract ו- Amazon Comprehend. אסוף מדדים מזרימת העבודה של IDP, הפוך תגובות לאזעקות לאוטומטיות ושלח הודעות כנדרש לזרימת העבודה והיעדים העסקיים שלך.
- פרוס את פתרון זרימת העבודה של IDP וכל שינויי התשתית עם אוטומציה באמצעות IaC, כגון ערכת פיתוח ענן AWS (AWS CDK) ומבני IDP AWS CDK שנבנו מראש. זה מסיר את הפוטנציאל להחדרת טעויות אנוש ומאפשר לך לבדוק לפני המעבר לסביבת הייצור שלך.
- אם מקרה השימוש שלך דורש דגם מותאם אישית של Amazon Comprehend, שקול להשתמש בגלגל תנופה כדי לפשט את תהליך שיפור המודל המותאם אישית לאורך זמן. גלגל תנופה מתזמר את המשימות הקשורות לאימון ולהערכת גרסה חדשה של דגם מותאם אישית.
- אם מקרה השימוש שלך דורש זאת, התאם אישית את הפלט של תכונת השאילתות שהוכשרו מראש של Amazon Textract על ידי הדרכה ושימוש במתאם עבור מודל הבסיס של Amazon Textract. שקול את השיטות המומלצות הבאות בעת יצירת שאילתות עבור המתאמים שלך:
- מכסות המתאמים מגדירות את המגבלות הקודמות לאימון מתאמים. שקול את המגבלות האלה והעלה בקשה להגדלת מכסת שירות, במידת הצורך:
- מספר מקסימלי של מתאמים - מספר המתאמים המותרים (ניתן לקבל מספר גרסאות מתאם תחת מתאם בודד).
- מקסימום גרסאות מתאם שנוצרו בחודש - מספר גרסאות מתאם מוצלחות שניתן ליצור לכל חשבון AWS לחודש.
- מקסימום גרסאות מתאם בתהליך – מספר גרסאות המתאמים המתבצעות (הדרכת מתאם) לכל חשבון.
- הקפד להשתמש בסט מסמכים המייצג את מקרה השימוש שלך (לפחות חמישה מסמכי הדרכה וחמישה מסמכי בדיקה).
- ספק כמה שיותר מסמכים להדרכה (עד 2,500 עמודים של מסמכי הדרכה ו-1,000 עבור מסמכי מבחן).
- הערת שאילתות באמצעות מגוון תשובות. לדוגמה, אם התשובה לשאילתה היא "כן" או "לא", על הדוגמאות המוערות להיות מופעים של "כן" ו-"לא".
- שמור על עקביות בסגנון ההערה ותוך כדי הערות שדות עם רווחים.
- השתמש בשאילתה המדויקת המשמשת באימון להסקת מסקנות.
- לאחר כל סבב של אימון מתאם, סקור את מדדי הביצועים כדי לקבוע אם עליך לשפר עוד יותר את המתאם שלך כדי להשיג את המטרות שלך. העלה ערכת מסמכים חדשה להדרכה או סקור הערות למסמכים בעלות ציוני דיוק נמוכים לפני שתתחיל הדרכה חדשה ליצירת גרסה משופרת של המתאם.
- השתמש
AutoUpdate
תכונה עבור מתאמים מותאמים אישית. תכונה זו מנסה אימון מחדש אוטומטי אםAutoUpdate
הדגל מופעל במתאם.
- מכסות המתאמים מגדירות את המגבלות הקודמות לאימון מתאמים. שקול את המגבלות האלה והעלה בקשה להגדלת מכסת שירות, במידת הצורך:
ניהול כשלים
בעת תכנון פתרון IDP, היבט חשוב אחד שיש לקחת בחשבון הוא חוסנו, כיצד לטפל בשגיאות ידועות ובלתי ידועות שעלולות להתרחש. פתרון ה-IDP צריך להיות בעל היכולות של רישום שגיאות ולנסות שוב פעולות שנכשלו, במהלך השלבים השונים של זרימת העבודה של IDP. בסעיף זה, אנו דנים בפרטים כיצד לתכנן את זרימת העבודה של IDP שלך כדי להתמודד עם כשלים.
הכן את זרימת העבודה IDP שלך לנהל ולעמוד בכשלים
"הכל נכשל, כל הזמן", הוא ציטוט מפורסם של ה-CTO של AWS ורנר ווגלס. פתרון ה-IDP שלך, כמו כל דבר אחר, בסופו של דבר ייכשל. השאלה היא איך זה יכול לעמוד בכשלים מבלי להשפיע על משתמשי פתרון ה-IDP שלך. עיצוב ארכיטקטורת ה-IDP שלך חייב להיות מודע לכשלים כשהם מתרחשים ולנקוט פעולה כדי למנוע השפעה על הזמינות. זה חייב להיעשות באופן אוטומטי, וללא השפעה על המשתמש. שקול את השיטות המומלצות הבאות:
- השתמש שירות אחסון פשוט של אמזון (Amazon S3) כמאגר הנתונים הניתן להרחבה לעיבוד מסמכי זרימת עבודה של IDP. Amazon S3 מספקת תשתית אחסון עמידה במיוחד המיועדת לאחסון נתונים קריטי למשימה וראשי.
- גבה את כל נתוני זרימת העבודה של IDP בהתאם לדרישות העסקיות שלך. יישם אסטרטגיה לשחזור או שחזור נתונים במקרה של אובדן נתונים. יישר אסטרטגיה זו עם יעד מוגדר של נקודת שחזור (RPO) ו-Recovery Time Objective (RTO) העונים על הדרישות העסקיות שלך.
- במידת הצורך, תכנן והטמיע אסטרטגיית כשל של התאוששות מאסון של פתרון ה-IDP שלך בחשבונות ובאזורים של AWS.
- השתמש ב- Amazon Textract
OutputConfig
feature ו- Amazon ComprehendOutputDataConfig
תכונה לאחסון התוצאות של עיבוד אסינכרוני מאמזון Textract או Amazon Comprehend לדלי S3 ייעודי. זה מאפשר לזרימת העבודה להמשיך מאותה נקודה במקום לחזור על הפצת Amazon Textract או Amazon Comprehend. הקוד הבא מראה כיצד להתחיל עבודת API אסינכרוני של Amazon Textract כדי לנתח מסמך ולאחסן פלט מסקנות מוצפן בדלי S3 מוגדר. למידע נוסף, עיין ב תיעוד לקוח Amazon Textract.
עצב את זרימת העבודה של IDP שלך כדי למנוע כשלים
האמינות של עומס עבודה מתחילה בהחלטות עיצוב מראש. בחירות הארכיטקטורה ישפיעו על התנהגות עומס העבודה שלך ועל עמידותו. כדי לשפר את האמינות של פתרון ה-IDP שלך, פעל לפי השיטות המומלצות הבאות.
ראשית, תכנן את הארכיטקטורה שלך לפי זרימת העבודה של IDP. למרות שהשלבים בזרימת עבודה של IDP עשויים להשתנות ולהיות מושפעים ממקרי שימוש ודרישות עסקיות, השלבים של לכידת נתונים, סיווג מסמכים, חילוץ טקסט, העשרת תוכן, סקירה ואימות וצריכה הם בדרך כלל חלקים מזרימת העבודה של IDP. ניתן להשתמש בשלבים מוגדרים היטב כדי להפריד בין פונקציות ולבודד אותם במקרה של כשל.
אתה יכול להשתמש שירות תורים פשוט של אמזון (Amazon SQS) לניתוק שלבי זרימת העבודה של IDP. דפוס ניתוק מסייע לבודד התנהגות של רכיבי ארכיטקטורה ממרכיבים אחרים התלויים בו, ומגביר את הגמישות והזריזות.
שנית, שליטה והגבלת שיחות חוזרות. שירותי AWS כגון Amazon Textract עלולים להיכשל אם המספר המרבי של TPS שהוקצה נחרג, מה שיגרום לשירות להצניע את האפליקציה שלך או להפסיק את החיבור שלך.
עליך לנהל את המצערת והחיבורים שנפלו על ידי ניסיון חוזר אוטומטי של הפעולה (הן פעולות סינכרוניות והן פעולות אסינכרוניות). עם זאת, עליך לציין גם מספר מוגבל של ניסיונות חוזרים, שלאחריהם הפעולה נכשלת וזורקת חריגה. אם אתה מבצע יותר מדי שיחות לאמזון טקסטרקט בפרק זמן קצר, הוא מצמצם את השיחות שלך ושולח ProvisionedThroughputExceededExceptionerror
בתגובת המבצע.
בנוסף, השתמש גיבוי אקספוננציאלי וריצוד עבור ניסיונות חוזרים לשיפור התפוקה. לדוגמה, באמצעות Amazon Textract, ציין את מספר הניסיונות החוזרים על ידי הכללת ה config
פרמטר בעת יצירת לקוח Amazon Textract. אנו ממליצים על ספירה חוזרת של חמש. בקוד הדוגמה הבא, אנו משתמשים ב- config
פרמטר כדי לנסות שוב פעולה אוטומטית באמצעות מצב אדפטיבי ומקסימום חמש ניסיונות חוזרים:
נצל את היתרונות של ערכות SDK של AWS, כגון AWS SDK עבור Python (Boto3), לסייע ב מנסה שוב שיחות לקוח לשירותי AWS כגון Amazon Textract ו- Amazon Comprehend. ישנם שלושה מצבי ניסיון חוזר זמינים:
- מצב מורשת - ניסיונות חוזרים דורשים מספר מוגבל של שגיאות וחריגים וכוללים החזר מעריכי בגורם בסיס של 2.
- במצב רגיל - מתקן את ההיגיון וההתנהגות של הניסיון החוזר בהתאם ל-SDKs אחרים של AWS ומרחיב את הפונקציונליות של ניסיונות חוזרים על פני זה שנמצא במצב מדור קודם. כל ניסיון חוזר יכלול גיבוי אקספוננציאלי במקדם בסיס של 2 למשך זמן השבתה מרבי של 20 שניות.
- מצב הסתגלות - כולל את כל התכונות של מצב סטנדרטי ומציג הגבלת קצב בצד הלקוח באמצעות שימוש בדלי אסימונים ומשתנים של מגבלת קצב המתעדכנים באופן דינמי עם כל ניסיון חוזר. הוא מציע גמישות בניסיונות חוזרים בצד הלקוח שמסתגלים לתגובת השגיאה או מצב החריגה משירות AWS. עם כל ניסיון חוזר חדש, מצב אדפטיבי משנה את משתני מגבלת הקצב בהתבסס על השגיאה, החריג או קוד מצב ה-HTTP המוצג בתגובה משירות AWS. משתני מגבלת תעריף אלה משמשים לאחר מכן לחישוב תעריף שיחה חדש עבור הלקוח. כל תגובת HTTP חריגה, שגיאה או לא מוצלחת משירות AWS מעדכנת את משתני מגבלת הקצב כאשר ניסיונות חוזרים מתרחשים עד שמגיעים להצלחה, מיצוי דלי האסימון או הגעה לערך הניסיונות המקסימלי שהוגדר. דוגמאות לחריגים, שגיאות או תגובות HTTP לא מוצלחות:
סיכום
בפוסט זה, שיתפנו עקרונות עיצוב, אזורי מיקוד, יסודות ושיטות עבודה מומלצות לאמינות בפתרון ה-IDP שלך.
AWS מחויבת ל- IDP Well-Architected Lens ככלי חי. ככל שפתרונות IDP ושירותי AI קשורים של AWS יתפתחו ושירותי AWS חדשים יהיו זמינים, אנו נעדכן את עדשת ה-IDP שנבנתה היטב בהתאם.
אם ברצונך ללמוד עוד על AWS Well-Architected Framework, עיין ב AWS ארכיטקט היטב.
אם אתה זקוק להכוונה נוספת של מומחים, צור קשר עם צוות חשבון AWS שלך כדי להעסיק ארכיטקט מומחה לפתרונות IDP.
על הכותבים
רואי קרדוסו הוא ארכיטקט פתרונות שותף בחברת Amazon Web Services (AWS). הוא מתמקד ב-AI/ML ו-IoT. הוא עובד עם AWS Partners ותומך בהם בפיתוח פתרונות ב-AWS. כשהוא לא עובד, הוא נהנה לרכוב על אופניים, לטייל וללמוד דברים חדשים.
בריג'ש פאטי הוא ארכיטקט פתרונות ארגוניים ב-AWS. המיקוד העיקרי שלו הוא לעזור ללקוחות ארגוניים לאמץ טכנולוגיות ענן לעומסי העבודה שלהם. יש לו רקע בפיתוח אפליקציות וארכיטקטורה ארגונית ועבד עם לקוחות מענפים שונים כגון ספורט, פיננסים, אנרגיה ושירותים מקצועיים. תחומי העניין שלו כוללים ארכיטקטורות ללא שרת ו-AI/ML.
מיה צ'אנג הוא אדריכל פתרונות ML מומחה עבור שירותי האינטרנט של אמזון. היא עובדת עם לקוחות ב-EMEA ומשתפת שיטות עבודה מומלצות להפעלת עומסי עבודה של AI/ML בענן עם הרקע שלה במתמטיקה יישומית, מדעי המחשב ו-AI/ML. היא מתמקדת בעומסי עבודה ספציפיים ל-NLP, וחולקת את ניסיונה כדוברת ועידה ומחברת ספרים. בזמנה הפנוי היא נהנית מטיולים, משחקי לוח ומבשלת קפה.
טים קונדלו הוא ארכיטקט פתרונות מומחה לבינה מלאכותית (AI) ולמידת מכונה (ML) בכיר בשירותי האינטרנט של אמזון (AWS). המיקוד שלו הוא עיבוד שפה טבעית וראייה ממוחשבת. טים נהנה לקחת רעיונות של לקוחות ולהפוך אותם לפתרונות הניתנים להרחבה.
שרי דינג הוא ארכיטקט פתרונות מומחה לבינה מלאכותית (AI) ולמידת מכונה (ML) בכיר בשירותי האינטרנט של אמזון (AWS). יש לה ניסיון רב בלמידת מכונה עם תואר דוקטור במדעי המחשב. היא עובדת בעיקר עם לקוחות במגזר הציבורי על אתגרים עסקיים שונים הקשורים ל-AI/ML, ועוזרת להם להאיץ את מסע למידת המכונה שלהם בענן AWS. כשהיא לא עוזרת ללקוחות, היא נהנית מפעילויות חוצות.
סוין וואנג הוא אדריכל פתרונות AI/ML מומחה ב-AWS. יש לה רקע השכלה בין-תחומי בלמידת מכונה, שירות מידע פיננסי וכלכלה, יחד עם שנים של ניסיון בבניית יישומי Data Science ו-Machine Learning שפתרו בעיות עסקיות בעולם האמיתי. היא נהנית לעזור ללקוחות לזהות את השאלות העסקיות הנכונות ולבנות את פתרונות AI/ML הנכונים. בזמנה הפנוי היא אוהבת לשיר ולבשל.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/build-well-architected-idp-solutions-with-a-custom-lens-part-3-reliability/
- :יש ל
- :הוא
- :לֹא
- $ למעלה
- 000
- 1
- 100
- 15%
- 17
- 20
- 500
- 7
- a
- יכולת
- אודות
- התעללות
- להאיץ
- מקובל
- להתאים
- פי
- לפיכך
- חֶשְׁבּוֹן
- חשבונות
- דיוק
- להשיג
- לרוחב
- פעולה
- פעולות
- פעילויות
- הסתגלות
- מסתגל
- תוספת
- נוסף
- מידע נוסף
- כתובת
- לְאַמֵץ
- יתרון
- משפיע
- לאחר
- AI
- שירותי AI
- AI / ML
- ליישר
- מיושר
- תעשיות
- מוּקצֶה
- מותר
- מאפשר
- מאפשר
- לבד
- לאורך
- גם
- למרות
- אמזון בעברית
- אמזון להתבונן
- טקסטורה באמזון
- אמזון שירותי אינטרנט
- אמזון שירותי אינטרנט (AWS)
- בין
- an
- אנליזה
- לנתח
- ו
- לענות
- תשובות
- לצפות
- צפוי
- כל
- API
- בקשה
- פיתוח אפליקציות
- יישומים
- יישומית
- החל
- מריחה
- אדריכלי
- ארכיטקטורה
- ARE
- אזורים
- סביב
- מלאכותי
- בינה מלאכותית
- בינה מלאכותית (AI)
- AS
- אספקט
- לְהַעֲרִיך
- לעזור
- המשויך
- At
- ניסיון
- ניסיונות
- מוגבר
- מחבר
- אוטומטי
- אוטומטי
- באופן אוטומטי
- אוטומציה
- זמינות
- זמין
- לְהִמָנַע
- מודע
- AWS
- בחזרה
- רקע
- בסיס
- מבוסס
- BE
- כי
- להיות
- לפני
- התנהגות
- הטבות
- הטוב ביותר
- שיטות עבודה מומלצות
- בֵּין
- לוּחַ
- משחקי לוח
- ספר
- שניהם
- לִבנוֹת
- בִּניָן
- מובנה
- עסקים
- אבל
- by
- לחשב
- שיחה
- שיחות
- CAN
- יכולות
- קיבולת
- ללכוד
- מקרה
- מקרה מבחן
- לגרום
- גורם
- האתגרים
- שינוי
- השתנה
- שינויים
- משתנה
- אופי
- זיהוי תווים
- בחירות
- מיון
- לקוחות
- ענן
- קוד
- קודים
- קָפֶה
- לגבות
- משלב
- מְחוּיָב
- Common
- הקהילות
- רכיבים
- לִהַבִין
- המחשב
- מדעי מחשב
- ראייה ממוחשבת
- כנס
- מוגדר
- הקשר
- חיבורי
- לשקול
- נחשב
- עִקבִי
- באופן עקבי
- אילוצים
- בונה
- צְרִיכָה
- צור קשר
- תוכן
- להמשיך
- לִשְׁלוֹט
- להמיר
- צורה נכונה
- פגום
- עלות תועלת
- לכסות
- מכוסה
- לִיצוֹר
- נוצר
- יוצרים
- ראש אגף טכנולוגיה
- מנהג
- לקוח
- לקוחות
- אישית
- נתונים
- אובדן נתונים
- מדע נתונים
- אחסון נתונים
- החלטות
- עמוק
- לְהַגדִיר
- מוגדר
- תואר
- דרישה
- לסמוך
- מְתוּאָר
- עיצוב
- עקרונות עיצוב
- יעוד
- מעוצב
- תכנון
- פרטים
- לקבוע
- מתפתח
- צעצועי התפתחות
- אחר
- ממדים
- אסון
- לדון
- צלילה
- מסמך
- מסמכים
- עשה
- ירידה
- ירד
- בְּמַהֲלָך
- באופן דינמי
- כל אחד
- כלכלה
- חינוך
- יְעִילוּת
- יעיל
- אחר
- EMEA
- מופעל
- מאפשר
- מקיף
- מוצפן
- אנרגיה
- לעסוק
- מספיק
- העשרה
- לְהַבטִיחַ
- מִפְעָל
- סביבה
- שגיאה
- שגיאות
- לְהַעֲרִיך
- הערכה
- בסופו של דבר
- הכל
- להתפתח
- דוגמה
- דוגמאות
- חריג
- העולה
- Excel
- יוצא מן הכלל
- תוחלת
- צפוי
- ניסיון
- מומחה
- מעריכי
- משתרע
- נרחב
- ניסיון רב
- תמצית
- הוֹצָאָה
- גורם
- FAIL
- נכשל
- נכשל
- כשלון
- כישלונות
- מפורסם
- מאפיין
- תכונות
- שדה
- שדות
- שלח
- קבצים
- לממן
- כספי
- מידע פיננסי
- חמש
- גמישות
- להתמקד
- מתמקד
- התמקדות
- לעקוב
- הבא
- בעד
- פוּרמָט
- צורות
- מצא
- יסודות
- מסגרת
- חופשי
- החל מ-
- מלא
- פונקציות
- פונקציונלי
- נוסף
- משחקים
- פערים
- אסף
- לקבל
- שערים
- הדרכה
- לטפל
- טיפול
- קשה
- יש
- he
- לעזור
- עזרה
- עוזר
- לה
- גבוה יותר
- מאוד
- שֶׁלוֹ
- איך
- איך
- אולם
- HTML
- http
- HTTPS
- בן אנוש
- רעיונות
- לזהות
- if
- תמונה
- תמונות
- פְּגִיעָה
- השפעה
- ליישם
- הפעלה
- לייבא
- חשוב
- היבט חשוב
- לשפר
- משופר
- שיפור
- in
- לכלול
- כולל
- כולל
- להגדיל
- גדל
- אינדיקטורים
- תעשיות
- מוּשׁפָע
- מידע
- תשתית
- תובנות
- מוֹדִיעִין
- אינטליגנטי
- עיבוד מסמכים חכם
- התכוון
- אינטרסים
- אל תוך
- מציג
- החדרה
- מבוא
- IOT
- IT
- שֶׁלָה
- עבודה
- מסע
- jpg
- שמור
- מפתח
- ידוע
- שפה
- שפות
- מערך
- לִלמוֹד
- למידה
- הוביל
- מוֹרֶשֶׁת
- רמה
- מעגל החיים
- כמו
- להגביל
- מוגבל
- מגביל
- גבולות
- חי
- רישום
- הגיון
- את
- אוהב
- נמוך
- מכונה
- למידת מכונה
- בעיקר
- לתחזק
- לעשות
- לנהל
- ניהול
- רב
- מתימטיקה
- מקסימום
- מאי..
- אמצעים
- מנגנון
- מנגנוני
- לִפְגוֹשׁ
- מדדים
- מיקרוסופט
- יכול
- אכפת לי
- מינימום
- ML
- מצב
- מודל
- מודלים
- מצבי
- צג
- ניטור
- חוֹדֶשׁ
- יותר
- רוב
- צריך
- שם
- טבעי
- עיבוד שפה טבעית
- צורך
- רשת
- תנועת רשת
- חדש
- NLP
- הודעות
- מספר
- מטרה
- יעדים
- OCR
- of
- המיוחדות שלנו
- on
- ONE
- להפעיל
- פועל
- מבצע
- מבצעי
- תפעול
- זיהוי תווים אופטי
- אופטימלי
- or
- אחר
- שלנו
- הַחוּצָה
- תוֹצָאָה
- קווי מתאר
- תפוקה
- יותר
- עמוד
- דפים
- פרמטר
- חלק
- שותף
- שותפים
- חלקים
- תבנית
- עבור
- לְבַצֵעַ
- ביצועים
- ביצוע
- תקופה
- דוקטורט
- עַמוּד
- תכנית
- תכנון
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- נקודה
- אפשרי
- הודעה
- פוטנציאל
- תרגול
- פרקטיקות
- מוצג
- למנוע
- קודם
- יְסוֹדִי
- עקרונות
- בעיות
- נהלים
- תהליך
- תהליכים
- תהליך
- הפקה
- מקצועי
- פּרוֹיֶקט
- אבטחה
- לספק
- מספק
- ציבורי
- פיתון
- שאילתות
- שאלה
- שאלות
- לצטט
- להעלות
- ציון
- תעריפים
- במקום
- הגיע
- חומר עיוני
- קריאה
- עולם אמיתי
- הכרה
- להמליץ
- המלצות
- להחלים
- התאוששות
- להתייחס
- אזורים
- קָשׁוּר
- לשחרר
- אמינות
- אָמִין
- מסיר
- לתקן
- לחזור על
- נציג
- לבקש
- בקשות
- לדרוש
- נדרש
- דרישות
- דורש
- כושר התאוששות
- מִתאוֹשֵׁשׁ מַהֵר
- משאבים
- תגובה
- תגובות
- תוצאות
- סקירה
- סקר
- תקין
- סיכונים
- עגול
- כללי
- הפעלה
- ריצה
- להרחבה
- תרחישים
- מדע
- Sdk
- sdks
- חיפוש
- שְׁנִיָה
- שניות
- סעיף
- מגזר
- לבטח
- לִרְאוֹת
- לשלוח
- שולח
- לחצני מצוקה לפנסיונרים
- נפרד
- סדרה
- ללא שרת
- שרות
- שירותים
- סט
- כמה
- משותף
- שיתופים
- היא
- קצר
- צריך
- הופעות
- חתימות
- פָּשׁוּט
- לפשט
- יחיד
- מידה
- האט
- להחליק
- רך
- פִּתָרוֹן
- פתרונות
- כמה
- רווחים
- רַמקוֹל
- מומחה
- ספציפי
- במיוחד
- קוצים
- ספורט
- שלבים
- תֶקֶן
- התחלה
- החל
- התחלות
- מדינה
- מצב
- צעדים
- אחסון
- חנות
- אִסטרָטֶגִיָה
- מחרוזת
- לימוד
- סגנון
- הצלחה
- מוצלח
- כזה
- תמיכה
- נתמך
- מסייע
- בטוח
- בר קיימא
- לְהִתְמוֹדֵד
- לקחת
- נטילת
- משימות
- נבחרת
- טכני
- טכנולוגיות
- מונחים
- מבחן
- בדיקות
- טֶקסט
- מֵאֲשֶׁר
- זֶה
- השמיים
- שֶׁלָהֶם
- אותם
- אז
- שם.
- אלה
- הֵם
- דברים
- זֶה
- אלה
- שְׁלוֹשָׁה
- סף
- דרך
- תפוקה
- טים
- זמן
- ל
- אסימון
- גַם
- כלי
- סה"כ
- Tps
- לעקוב
- תְנוּעָה
- הדרכה
- עסקות
- טיפול
- להפעיל
- פנייה
- בדרך כלל
- תחת
- להבין
- לא ידוע
- עד
- עדכון
- מְעוּדכָּן
- עדכונים
- נוֹהָג
- להשתמש
- במקרה להשתמש
- מְשׁוּמָשׁ
- משתמש
- משתמשים
- באמצעות
- בְּדֶרֶך כְּלַל
- לְאַמֵת
- אימות
- ערך
- ערכים
- מגוון
- שונים
- גרסה
- גירסאות
- חזון
- רוצה
- we
- אינטרנט
- שירותי אינטרנט
- מוגדר היטב
- מתי
- אשר
- בזמן
- מי
- יצטרך
- עם
- בתוך
- לְלֹא
- Word
- מילים
- תיק עבודות
- עבד
- זרימת עבודה
- זרימות עבודה
- עובד
- עובד
- שנים
- אתה
- זפירנט