「テキスト、音声、ソーシャルメディア、その他の非構造化ソースに閉じ込められたデータは、その利用方法を理解する企業にとって競争上の優位性となる可能性があります。」
組織のわずか 18% デロイトによる 2019 年の調査 非構造化データを活用できることが報告されました。 データの大部分 (80% ~ 90%) は非構造化データです。 これは未開発の大きなリソースであり、その活用方法を見つけられれば、企業に競争力をもたらす可能性があります。 このデータから洞察を得るのは、特にデータを分類、タグ付け、ラベル付けする作業が必要な場合には困難になることがあります。 Amazon Comprehend この状況では、カスタム分類が役立ちます。 Amazon Comprehend は、機械学習を使用してテキスト内の貴重な洞察とつながりを明らかにする自然言語処理 (NLP) サービスです。
ドキュメントの分類または分類は、ビジネス ドメイン全体に大きなメリットをもたらします。
- 検索と取得の改善 – ドキュメントを関連するトピックやカテゴリに分類することで、ユーザーが必要なドキュメントを検索して取得することがはるかに簡単になります。 特定のカテゴリ内を検索して結果を絞り込むことができます。
- 知財管理 – 文書を体系的に分類すると、組織の知識ベースを整理するのに役立ちます。 関連情報を見つけたり、関連コンテンツ間のつながりを確認したりすることが容易になります。
- 合理化されたワークフロー – 自動文書仕分けは、請求書の処理、顧客サポート、規制遵守などの多くのビジネス プロセスを合理化するのに役立ちます。 ドキュメントは、適切な担当者またはワークフローに自動的にルーティングできます。
- コストと時間の節約 – 手動による文書の分類は面倒で時間とコストがかかります。 AI 技術はこの日常的なタスクを引き継ぎ、はるかに低コストで短時間に何千もの文書を分類できます。
- 洞察の生成 – ドキュメント カテゴリの傾向を分析すると、ビジネスに役立つ洞察が得られます。 たとえば、ある製品カテゴリにおける顧客からの苦情の増加は、対処する必要がある問題を示している可能性があります。
- ガバナンスとポリシーの施行 – ドキュメントの分類ルールを設定すると、組織のポリシーとガバナンス標準に従ってドキュメントが正しく分類されるようになります。 これにより、より適切な監視と監査が可能になります。
- 個別の経験 – Web サイトのコンテンツなどのコンテキストでは、ドキュメントの分類により、ユーザーの閲覧行動から判断されるユーザーの興味や好みに基づいて、カスタマイズされたコンテンツをユーザーに表示できます。 これにより、ユーザーのエンゲージメントを高めることができます。
オーダーメイドの分類機械学習モデルの開発の複雑さは、いくつか例を挙げると、データ品質、アルゴリズム、スケーラビリティ、ドメイン知識などのさまざまな側面によって異なります。 明確な問題定義、クリーンで関連性の高いデータから始めて、徐々にモデル開発のさまざまな段階に取り組むことが重要です。 ただし、企業は Amazon Comprehend カスタム分類を使用して独自の機械学習モデルを作成し、テキストドキュメントをカテゴリまたはタグに自動的に分類し、ビジネス固有の要件を満たし、ビジネステクノロジーとドキュメントカテゴリにマッピングすることができます。 人間によるタグ付けや分類が不要になるため、企業は時間、お金、労力を大幅に節約できます。 トレーニング パイプライン全体を自動化することで、このプロセスを簡素化しました。
この複数シリーズのブログ投稿の最初の部分では、スケーラブルなトレーニング パイプラインを作成し、Comprehend Custom分類モデルのトレーニング データを準備する方法を学びます。 数回クリックするだけで AWS アカウントにデプロイできるカスタム分類子トレーニング パイプラインを紹介します。 私たちは BBC ニュース データセットを使用しており、ドキュメントが属するクラス (政治、スポーツなど) を識別する分類子をトレーニングします。 パイプラインを使用すると、組織は変更に迅速に対応し、毎回最初から開始する必要がなく、新しいモデルをトレーニングできるようになります。 需要に応じて複数のモデルを簡単にスケールアップしてトレーニングできます。
前提条件
- アクティブな AWS アカウント (クリック こちら 新しい AWS アカウントを作成します)
- Amazon Comprehend、Amazon S3、Amazon Lambda、Amazon Step Function、Amazon SNS、および Amazon CloudFormation へのアクセス
- 次のセクションで準備されるトレーニング データ (半構造またはテキスト)
- Python と機械学習全般に関する基本的な知識
トレーニング データの準備
このソリューションは、次のいずれかの入力を受け取ることができます。 テキスト形式 (例: CSV) または 半構造化フォーマット (例: PDF)。
テキスト入力
Amazon Comprehend カスタム分類は、マルチクラスとマルチラベルの XNUMX つのモードをサポートします。
マルチクラス モードでは、各ドキュメントに XNUMX つのクラスのみを割り当てることができます。 トレーニング データは XNUMX 列の CSV ファイルとして準備する必要があります。ファイルの各行には XNUMX つのクラスとそのクラスを説明するドキュメントのテキストが含まれます。
の例 BBC ニュース データセット:
マルチラベル モードでは、各ドキュメントに少なくとも XNUMX つのクラスが割り当てられていますが、さらに多くのクラスを割り当てることもできます。 トレーニング データは XNUMX 列の CSV ファイルである必要があり、ファイルの各行には XNUMX つ以上のクラスとトレーニング ドキュメントのテキストが含まれます。 複数のクラスを指定するには、各クラスの間に区切り文字を使用します。
どちらのトレーニング モードでも CSV ファイルにヘッダーを含めないでください。
半構造化入力
2023からは、 Amazon Comprehend 半構造化ドキュメントを使用したトレーニング モデルをサポートするようになりました。 半構造入力のトレーニング データは、ラベル付きドキュメントのセットで構成されます。これらのドキュメントは、すでにアクセスできるドキュメント リポジトリから事前に識別されたドキュメントである場合があります。 以下は、トレーニングに必要なアノテーション ファイルの CSV データの例です (サンプルデータ):
注釈 CSV ファイルには XNUMX つの列が含まれています。最初の列にはドキュメントのラベルが含まれ、XNUMX 番目の列はドキュメント名 (ファイル名)、最後の列は、注釈に含めるドキュメントのページ番号です。トレーニング データセット。 ほとんどの場合、注釈 CSV ファイルが他のすべてのドキュメントと同じフォルダーにある場合、XNUMX 番目の列にドキュメント名を指定するだけで済みます。 ただし、CSV ファイルが別の場所にある場合は、次のように XNUMX 列目にその場所へのパスを指定する必要があります。 path/to/prefix/document1.pdf
.
教師データの作成方法について詳しくは、こちらをご覧ください。 こちら.
ソリューションの概要
- Amazon Comprehend トレーニング パイプラインは、トレーニング データ (テキスト入力の .csv ファイルおよび半構造入力の注釈 .csv ファイル) が専用の Amazon Simple Storage Service (アマゾンS3) バケツ。
- An AWSラムダ 関数はによって呼び出されます アマゾンS3 オブジェクトが指定された場所にアップロードされるたびにトリガーする アマゾンS3 場所にある場合、AWS Lambda 関数はアップロードされたオブジェクトのソースバケット名とキー名を取得し、トレーニングに渡します。 ステップ関数 ワークフロー。
- トレーニング ステップ関数では、トレーニング データ バケット名とオブジェクト キー名を入力パラメーターとして受け取った後、カスタム モデル トレーニング ワークフローが、次のような一連のラムダ関数として開始されます。
StartComprehendTraining
: この AWS Lambda 関数は、ComprehendClassifier
入力ファイルのタイプ (テキストまたは半構造化ファイルなど) に応じてオブジェクトを作成し、 Amazon Comprehend 呼び出しによるカスタム分類トレーニング タスク create_document_classifier アプリケーション プログラミング インターフェイス (API)。トレーニング ジョブ Amazon リソースネーム (ARN) を返します。 その後、この関数は次のコマンドを呼び出してトレーニング ジョブのステータスを確認します。 description_document_classifier API。 最後に、トレーニング ワークフローの次の段階への出力として、トレーニング ジョブ ARN とジョブ ステータスを返します。GetTrainingJobStatus
: この AWS Lambda は、15 分ごとに呼び出してトレーニング ジョブのジョブ ステータスを確認します。 description_document_classifier トレーニング ジョブのステータスが「完了」または「失敗」に変わるまでの API。GenerateMultiClass
orGenerateMultiLabel
: 選択した場合 はい スタック起動時のパフォーマンスレポートの場合、これら XNUMX つの AWS Lambda の XNUMX つが Amazon Comprehend モデルの出力に従って分析を実行し、クラスごとのパフォーマンス分析を生成して保存します。 アマゾンS3.GenerateMultiClass
: この AWS Lambda は、入力が次の場合に呼び出されます。 マルチクラス そしてあなたは選択します はい パフォーマンスレポート用に。GenerateMultiLabel
: この AWS Lambda は、入力が次の場合に呼び出されます。 マルチラベル そしてあなたは選択します はい パフォーマンスレポート用に。
- トレーニングが正常に完了すると、ソリューションは次の出力を生成します。
- カスタム分類モデル: トレーニングされたモデル ARN は、今後の推論作業のためにアカウントで利用できるようになります。
- 混同行列 [オプションal]: 混同行列 (
confusion_matrix
.json) ユーザー定義の出力で利用可能になります アマゾンS3 ユーザーの選択に応じてパス。 - Amazon シンプル通知サービス 通知 [オプションal]: ユーザーの最初の選択に応じて、トレーニング ジョブのステータスに関する通知電子メールが購読者に送信されます。
チュートリアル
ソリューションの起動
パイプラインをデプロイするには、次の手順を実行します。
- 選択する 発射スタック ボタン:
- 次を選択
- ユースケースに合ったオプションを使用してパイプラインの詳細を指定します。
各スタックの詳細に関する情報:
- スタック名 (必須) – これに指定した名前 AWS CloudFormation スタック。 名前は、作成するリージョン内で一意である必要があります。
- Q01ClassifierInputBucketName (必須) – 入力データを保存する Amazon S3 バケット名。 これはグローバルに一意の名前である必要があり、AWS CloudFormation スタックは、バケットの起動中にバケットを作成するのに役立ちます。
- Q02ClassifierOutputBucketName (必須) – Amazon Comprehend およびパイプラインからの出力を保存する Amazon S3 バケット名。 また、グローバルに一意な名前である必要があります。
- Q03入力形式 – ドロップダウン選択で選択できます 클라우드 기반 AI/ML및 고성능 컴퓨팅을 통한 디지털 트윈의 기초 – Edward Hsu, Rescale CPO 많은 엔지니어링 중심 기업에게 클라우드는 R&D디지털 전환의 첫 단계일 뿐입니다. 클라우드 자원을 활용해 엔지니어링 팀의 제약을 해결하는 단계를 넘어, 시뮬레이션 운영을 통합하고 최적화하며, 궁극적으로는 모델 기반의 협업과 의사 결정을 지원하여 신제품을 결정할 때 데이터 기반 엔지니어링을 적용하고자 합니다. Rescale은 이러한 혁신을 돕기 위해 컴퓨팅 추천 엔진, 통합 데이터 패브릭, 메타데이터 관리 등을 개발하고 있습니다. 이번 자리를 빌려 비즈니스 경쟁력 제고를 위한 디지털 트윈 및 디지털 스레드 전략 개발 방법에 대한 인사이트를 나누고자 합니다. (トレーニング データが CSV ファイルの場合) または 半構造 (トレーニング データが半構造 [PDF ファイルなど] の場合) データ入力形式に基づきます。
- Q04言語 – サポートされているリストからドキュメントの言語を選択するドロップダウン選択。 入力形式が半構造の場合、現在サポートされるのは英語のみであることに注意してください。
- Q05マルチクラス – ドロップダウン選択、選択 はい 入力が MultiClass モードの場合。 それ以外の場合は、選択してください いいえ.
- Q06ラベルデリミタ – Q05MultiClass の回答が次の場合にのみ必要です。 いいえ。 この区切り文字は、トレーニング データで各クラスを区切るために使用されます。
- Q07検証データセット – ドロップダウン選択。回答を次のように変更します。 はい 独自のテスト データを使用してトレーニング済み分類器のパフォーマンスをテストしたい場合。
- Q08S3検証パス – Q07ValidationDataset の回答が次の場合にのみ必要です。 はい.
- Q09パフォーマンスレポート – ドロップダウン選択、選択 はい モデルのトレーニング後にクラスレベルのパフォーマンス レポートを生成する場合。 レポートは、Q02ClassifierOutputBucketName で指定した出力バケットに保存されます。
- Q10メール通知 – ドロップダウン選択。 選択する はい モデルがトレーニングされた後に通知を受け取りたい場合。
- Q11メールID – パフォーマンス レポート通知を受信するための有効な電子メール アドレスを入力します。 AWS CloudFormation スタックの起動後、トレーニング完了時に通知を受け取る前に、メールでサブスクリプションを確認する必要があることに注意してください。
- [Amazon Configure スタック オプション] セクションで、オプションのタグ、アクセス許可、その他の詳細設定を追加します。
- 選択する Next
- スタックの詳細を確認し、[同意する] を選択します。 AWS CloudFormation AWSを作るかもしれない IAM リソース。
- 選択する 送信。 これにより、AWS アカウントでパイプラインのデプロイが開始されます。
- スタックが正常にデプロイされたら、パイプラインの使用を開始できます。 を作成します
/training-data
入力用に指定した Amazon S3 の場所にあるフォルダー。 注記: アマゾンS3 別の暗号化オプションを指定しない限り、新しいオブジェクトごとにサーバー側暗号化 (SSE-S3) が自動的に適用されます。 ご参照ください Amazon S3 でのデータ保護 データ保護と暗号化の詳細については、 アマゾンS3.
- トレーニング データをフォルダーにアップロードします。 (トレーニング データが半構造の場合は、.csv 形式のラベル情報をアップロードする前に、すべての PDF ファイルをアップロードします)。
これで完了です。 パイプラインが正常にデプロイされ、デプロイされたステップ関数でパイプラインのステータスを確認できます。 (Amazon Comprehend カスタム分類パネルにトレーニング済みのモデルが表示されます)。
モデルとそのバージョンを選択した場合 Amazon Comprehend コンソールにアクセスすると、トレーニングしたモデルの詳細を確認できるようになります。 これには、オプション Q05MultiClass に対応する、選択したモード、ラベルの数、トレーニング データ内のトレーニング済みドキュメントとテスト ドキュメントの数が含まれます。 以下で全体的なパフォーマンスを確認することもできます。 ただし、各クラスの詳細なパフォーマンスを確認したい場合は、デプロイされたパイプラインによって生成されたパフォーマンス レポートを参照してください。
サービスクォータ
AWS アカウントにはデフォルトのクォータがあります Amazon Comprehend および アマゾンテキスト、入力が半構造形式の場合。 サービス割り当てを表示するには、次を参照してください。 こちら for Amazon Comprehend および こちら for アマゾンテキスト.
クリーンアップ
継続的な請求が発生しないようにするには、完了したら、このソリューションの一部として作成したリソースを削除します。
- ソフトウェア設定ページで、下図のように アマゾンS3 コンソールで、入力データと出力データ用に作成したバケット内のコンテンツを手動で削除します。
- ソフトウェア設定ページで、下図のように AWS CloudFormation コンソール、選択 スタック ナビゲーションペインに表示されます。
- メインスタックを選択し、 削除.
これにより、デプロイされたスタックが自動的に削除されます。
- 訓練を受けたあなたの Amazon Comprehend カスタム分類モデルはアカウントに残ります。 もう必要なくなったら、 Amazon Comprehend コンソールで、作成したモデルを削除します。
まとめ
この投稿では、スケーラブルなトレーニング パイプラインの概念を説明しました。 Amazon Comprehend カスタム分類モデルと、新しいモデルを効率的にトレーニングするための自動化されたソリューションを提供します。 の AWS CloudFormation 提供されているテンプレートを使用すると、需要規模に応じた独自のテキスト分類モデルを簡単に作成できます。 このソリューションは、最近発表された Euclid 機能を採用し、テキストまたは半構造化形式での入力を受け入れます。
読者の皆さんには、これらのツールをテストすることをお勧めします。 詳細については、こちらをご覧ください。 トレーニングデータの準備 そして理解する カスタム分類子メトリクス。 試してみて、モデルのトレーニング プロセスを合理化し、効率を向上させる方法を直接確認してください。 ぜひフィードバックをお送りください。
著者について
サンディープ・シン は、AWS プロフェッショナル サービスのシニア データ サイエンティストです。 彼は、最先端の AI/ML を活用したソリューションを開発することで、顧客の革新とビジネス目標の達成を支援することに情熱を注いでいます。 彼は現在、ジェネレーティブ AI、LLM、プロンプト エンジニアリング、企業全体にわたる機械学習の拡張に注力しています。 彼は、顧客に価値を生み出すために最近の AI の進歩をもたらしました。
張棪燕 は、AWS プロフェッショナル サービスの Energy Delivery チームのシニア データ サイエンティストです。 彼女は、AI/ML の知識を活用して顧客が実際の問題を解決できるよう支援することに情熱を持っています。 最近、彼女は生成 AI と LLM の可能性を探求することに重点を置いています。 仕事以外では、旅行、ワークアウト、新しいことの探索が大好きです。
ウリック・タルクダー Amazon Comprehend Service チームのシニア アーキテクトです。 彼は AWS のお客様と協力して、大規模な機械学習の導入を支援しています。 仕事以外では、読書と写真を楽しんでいます。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- チャートプライム。 ChartPrime でトレーディング ゲームをレベルアップしましょう。 こちらからアクセスしてください。
- ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/build-a-classification-pipeline-with-amazon-comprehend-custom-classification-part-i/
- :持っている
- :は
- $UP
- 1
- 100
- 11
- 視聴者の38%が
- 2023
- 24
- 視聴者の38%が
- 7
- 9
- a
- できる
- 私たちについて
- 受け入れる
- アクセス
- 従った
- 達成する
- 認める
- 越えて
- アクティブ
- 加えます
- 住所
- 対処する
- 採用
- 高度な
- 進歩
- 利点
- 後
- AI
- AI / ML
- アルゴリズム
- すべて
- ことができます
- 既に
- また
- Amazon
- Amazon Comprehend
- Amazon Webサービス
- an
- 分析
- 分析する
- および
- 発表の
- 回答
- もはや
- API
- 申し込み
- 適用
- です
- AS
- 側面
- 割り当てられた
- At
- オーディオ
- 監査
- 自動化
- オートマチック
- 自動的に
- 自動化する
- 利用できます
- 避ける
- 離れて
- AWS
- AWS CloudFormation
- AWSラムダ
- AWSプロフェッショナルサービス
- ベース
- ベース
- BBC
- BE
- き
- 行動
- さ
- 所属
- 以下
- 利点
- 別注
- より良いです
- の間に
- ビッグ
- ブログ
- もたらす
- ブラウジング
- ビルド
- ビジネス
- ビジネス
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- (Comma Separated Values) ボタンをクリックして、各々のジョブ実行の詳細(開始/停止時間、変数値など)のCSVファイルをダウンロードします。
- by
- 呼ばれます
- 呼び出し
- 缶
- 場合
- 例
- カテゴリ
- 分類
- カテゴリー
- 変化する
- 変更
- 課金
- チェック
- 小切手
- 選択する
- 選択する
- class
- クラス
- 分類
- 分類された
- 分類します
- クリア
- クリック
- 収集する
- コラム
- コラム
- 競争力のある
- 不満
- コンプリート
- 記入済みの
- 複雑さ
- コンプライアンス
- 理解する
- 構成
- コンセプト
- 確認します
- 混乱
- Connections
- 領事
- 含まれています
- コンテンツ
- 中身
- 文脈
- 対応する
- 費用
- 可能性
- 作ります
- 値を作成
- 作成した
- 作成
- 現在
- カスタム
- 顧客
- カスタマーサービス
- Customers
- データ
- データ保護
- データサイエンティスト
- 専用の
- デフォルト
- 定義済みの
- 定義する
- 定義
- 配達
- デロイト
- 需要
- 実証
- によっては
- 展開します
- 展開
- 展開
- 記載された
- 詳細
- 詳細な
- 細部
- 決定
- 開発
- 開発
- 異なります
- 難しい
- ドキュメント
- ドキュメント
- ドル
- ドメイン
- ドメイン
- 行われ
- ドント
- ダウン
- e
- 各
- 容易
- 簡単に
- エッジ(Edge)
- 効率
- 効率良く
- 楽
- 努力
- どちら
- enable
- 奨励する
- 暗号化
- エネルギー
- 婚約
- エンジニアリング
- 英語
- 高めます
- 確保
- 入力します
- 企業
- 本質的な
- ヨーロッパ
- あらゆる
- 例
- 高価な
- 探る
- Failed:
- 特徴
- フィードバック
- 少数の
- フィギュア
- File
- 最後に
- もう完成させ、ワークスペースに掲示しましたか?
- 企業
- 名
- フィッティング
- フォーカス
- 焦点を当て
- フォロー中
- 形式でアーカイブしたプロジェクトを保存します.
- から
- function
- 機能
- 未来
- 生成する
- 生成された
- 生成
- 生々しい
- 生成AI
- 与える
- グローバルに
- ガバナンス
- 徐々に
- 持ってる
- 持って
- he
- 助けます
- 助け
- ことができます
- 彼女の
- 認定条件
- How To
- しかしながら
- HTML
- HTTPS
- 人間
- i
- 識別する
- if
- in
- include
- 含まれました
- 含ま
- 増える
- 示された
- 情報
- 初期
- 開始する
- 革新します
- 入力
- 内部
- 洞察
- 利益
- に
- 紹介する
- 呼び出された
- 問題
- IT
- ITS
- ジョブ
- JPG
- JSON
- ただ
- キー
- 知識
- ラベル
- ラベル
- 労働
- 言語
- 大
- 姓
- 打ち上げ
- 発射
- LEARN
- 学習
- 最低
- ような
- LINE
- リスト
- LLM
- 位置して
- 場所
- ロック
- より長いです
- たくさん
- で
- 下側
- 機械
- 機械学習
- 製
- メイン
- 大多数
- 作る
- マニュアル
- 手動で
- 多くの
- 地図
- マトリックス
- 五月..
- メディア
- 大会
- かもしれない
- 分
- モード
- モデル
- モード
- お金
- モニタリング
- 他には?
- 最も
- 山
- ずっと
- の試合に
- しなければなりません
- 名
- 名
- 狭い
- ナビゲーション
- 必要
- 必要
- 必要とされる
- 新作
- ニュース
- 次の
- NLP
- いいえ
- 通知
- 今
- 数
- オブジェクト
- 目的
- of
- on
- ONE
- 継続
- の
- オプション
- オプション
- or
- 組織
- 組織
- その他
- さもないと
- 私たちの
- でる
- 出力
- 外側
- が
- 全体
- 自分の
- ページ
- ペイン
- パネル
- パラメータ
- 部
- 特に
- パス
- 情熱的な
- path
- のワークプ
- 以下のために
- パフォーマンス
- パーミッション
- 写真撮影
- パイプライン
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- お願いします
- ポリシー
- 方針
- 政治
- 可能
- ポスト
- 潜在的な
- パワード
- プ
- 準備
- 準備
- 問題
- 問題
- プロセス
- ラボレーション
- 処理
- プロダクト
- プロ
- プログラミング
- 保護
- 提供します
- 提供
- 提供
- Python
- 品質
- 急速に
- 読者
- リーディング
- リアル
- 受け取ります
- 受け入れ
- 最近
- 最近
- 参照する
- 地域
- レギュレータ
- 企業コンプライアンス
- 関連する
- 関連した
- 残る
- レポート
- 報告
- 倉庫
- の提出が必要です
- 要件
- リソースを追加する。
- リソース
- 反応します
- 結果
- 収益
- 右
- ルール
- ラン
- 同じ
- Save
- 保存されました
- スケーラビリティ
- ド電源のデ
- 規模
- 秤
- スケーリング
- 科学者
- スクラッチ
- を検索
- 二番
- セクション
- 選択
- シニア
- 送信
- 別
- シリーズ
- サービス
- サービス
- セッションに
- 設定
- 設定
- シェアする
- 彼女
- ショート
- すべき
- 示されました
- 示す
- 重要
- 意味する
- 簡単な拡張で
- 状況
- 社会
- ソーシャルメディア
- 溶液
- ソリューション
- 解決する
- 一部
- ソース
- ソース
- 特定の
- 指定の
- スポーツ
- スタック
- ステージ
- ステージ
- 規格
- start
- 開始
- 最先端の
- Status:
- 手順
- ステップ
- ストレージ利用料
- 店舗
- 流線
- 加入者
- 購読
- 続いて
- 首尾よく
- そのような
- サポート
- サポート
- サポート
- Survey
- TAG
- テーラード
- 取る
- 仕事
- チーム
- テク
- テクニック
- テクノロジー
- template
- test
- 클라우드 기반 AI/ML및 고성능 컴퓨팅을 통한 디지털 트윈의 기초 – Edward Hsu, Rescale CPO 많은 엔지니어링 중심 기업에게 클라우드는 R&D디지털 전환의 첫 단계일 뿐입니다. 클라우드 자원을 활용해 엔지니어링 팀의 제약을 해결하는 단계를 넘어, 시뮬레이션 운영을 통합하고 최적화하며, 궁극적으로는 모델 기반의 협업과 의사 결정을 지원하여 신제품을 결정할 때 데이터 기반 엔지니어링을 적용하고자 합니다. Rescale은 이러한 혁신을 돕기 위해 컴퓨팅 추천 엔진, 통합 데이터 패브릭, 메타데이터 관리 등을 개발하고 있습니다. 이번 자리를 빌려 비즈니스 경쟁력 제고를 위한 디지털 트윈 및 디지털 스레드 전략 개발 방법에 대한 인사이트를 나누고자 합니다.
- テキスト分類
- より
- それ
- ソース
- アプリ環境に合わせて
- それら
- その後
- ボーマン
- 彼ら
- 物事
- この
- 数千
- 三
- 介して
- 時間
- 時間がかかる
- 〜へ
- 豊富なツール群
- トピック
- トレーニング
- 訓練された
- トレーニング
- 旅行
- トレンド
- トリガー
- 試します
- 2
- type
- 明らかにする
- 下
- わかる
- ユニーク
- 未開発
- まで
- アップロード
- アップロード
- us
- つかいます
- 使用事例
- 中古
- ユーザー
- users
- 使用されます
- 貴重な
- 値
- 多様
- バージョン
- 詳しく見る
- 欲しいです
- 仕方..
- we
- ウェブ
- Webサービス
- ウェブサイト
- いつ
- which
- while
- 全体
- 意志
- 以内
- 無し
- 仕事
- ワークフロー
- ワークフロー
- ワーキング
- 働く
- 作品
- You
- あなたの
- ゼファーネット
- 〒