生成 AI エージェントは、ユーザー入力に基づいて基盤モデル (FM) やその他の拡張ツールへの一連の呼び出しを調整することで、人間のような応答を生成し、自然言語での会話を行うことができます。エージェントは、静的なデシジョン ツリーを通じて事前に定義された意図を満たすだけでなく、利用可能な一連のツールのコンテキスト内で自律的に動作します。 アマゾンの岩盤 は、生成型 AI アプリケーションの構築と拡張を支援する開発者ツールとともに API を通じて AI 企業の主要な FM を利用できるようにするフルマネージド サービスです。
この投稿では、Amazon Bedrock を利用した生成型 AI 金融サービス エージェントを構築する方法を説明します。エージェントは、提供された回答の出典を引用しながら、ユーザーのアカウント情報の検索、ローン申請の完了、または自然言語の質問への回答を支援できます。このソリューションは、開発者が仮想ワーカーやカスタマー サポート システムなど、さまざまなアプリケーション向けに独自のパーソナライズされた会話エージェントを作成するための出発点として機能することを目的としています。ソリューション コードと展開アセットは、次の場所にあります。 GitHubリポジトリ.
Amazon Lex オープンソースの自然言語理解 (NLU) および自然言語処理 (NLP) インターフェイスを提供します。 LangChain 会話型エージェント 内に埋め込まれた AWS 増幅 Webサイト。このエージェントには、Amazon Bedrock でホストされている Anthropic Claude 2.1 FM と、Amazon Bedrock に保存されている合成顧客データを含むツールが装備されています。 Amazon DynamoDB および アマゾンケンドラ 次の機能を提供します。
- パーソナライズされた応答を提供する – 住宅ローン概要の詳細、支払期日、次回支払日などの顧客アカウント情報を DynamoDB にクエリします。
- 一般知識にアクセスする – Amazon Bedrock を通じて提供されるさまざまな FM を事前トレーニングするために使用される膨大な量のデータと連携してエージェントの推論ロジックを利用し、顧客のプロンプトに対する応答を生成します
- 意見のある回答を厳選する – 信頼できるデータソースで構成された Amazon Kendra インデックスを使用してエージェントの応答を通知します。顧客ドキュメントは次の場所に保存されます。 Amazon シンプル ストレージ サービス (Amazon S3)および Amazon Kendra ウェブ クローラー 顧客のウェブサイト用に設定
ソリューションの概要
デモ録音
次のデモ記録は、エージェントの機能と技術的な実装の詳細を強調しています。
ソリューションのアーキテクチャ
次の図は、ソリューションのアーキテクチャを示しています。
エージェントの応答ワークフローには次の手順が含まれます。
- ユーザーは、Web、SMS、または音声チャネルを選択して、エージェントと自然言語対話を実行します。 Web チャネルには、架空の顧客向けに Amazon Lex が埋め込まれたチャットボットを備えた Amplify がホストする Web サイトが含まれています。 SMS および音声チャネルは、オプションで次を使用して構成できます。 アマゾンコネクト および メッセージング統合 アマゾンレックスの場合。各ユーザーリクエストは Amazon Lex によって処理され、意図認識と呼ばれるプロセスを通じてユーザーの意図を判断します。これには、ユーザーの入力 (テキストまたは音声) を分析および解釈して、ユーザーの意図されたアクションまたは目的を理解することが含まれます。
- その後、Amazon Lex は AWSラムダ ユーザーの意図を実現するためのハンドラー。 Amazon Lex チャットボットに関連付けられた Lambda 関数には、ユーザーの意図を処理するために必要なロジックとビジネスルールが含まれています。 Lambda は、ユーザーの入力に基づいて特定のアクションを実行するか情報を取得し、意思決定を行って適切な応答を生成します。
- Lambda は、DynamoDB に保存されている顧客固有のデータにアクセスし、Amazon Kendra によってインデックス付けされたドキュメントとウェブページを使用して意見に基づいた回答を厳選し、Amazon Bedrock の FM を通じて一般知識の回答を提供できる LangChain 会話型エージェントとして金融サービス エージェントのロジックを実装します。 Amazon Kendra によって生成されたレスポンスにはソースの帰属が含まれており、追加のコンテキスト情報をエージェントに提供する方法を示しています。 検索拡張生成 (ラグ)。 RAG を使用すると、独自のデータを使用して、より正確で状況に応じた適切な応答を生成するエージェントの能力を強化できます。
エージェントのアーキテクチャ
次の図は、エージェントのアーキテクチャを示しています。
エージェントの推論ワークフローには次の手順が含まれます。
- LangChain 会話エージェントには会話メモリが組み込まれているため、コンテキスト生成により複数のクエリに応答できます。この記憶により、エージェントは進行中の会話のコンテキストを考慮した応答を提供できるようになります。これは、エージェントが会話から記憶した情報に基づいて、関連性があり、文脈上適切な応答を生成するコンテキスト生成によって実現されます。簡単に言うと、エージェントは以前に話された内容を記憶しており、その情報を使用して、進行中のディスカッションで意味のある方法で複数の質問に応答します。弊社エージェントが使用するのは、 LangChain の DynamoDB チャット メッセージ履歴クラス 会話メモリ バッファとして機能するため、過去の対話を思い出し、より有意義でコンテキストを認識した応答でユーザー エクスペリエンスを向上させることができます。
- エージェントは、Amazon Bedrock で Anthropic Claude 2.1 を使用し、慎重に自己生成された一連のテキスト入力を通じて目的のタスクを完了します。 プロンプト。プロンプトエンジニアリングの主な目的は、FM から具体的かつ正確な応答を引き出すことです。さまざまなプロンプト エンジニアリング手法には次のようなものがあります。
- ゼロショット – 追加の手掛かりなしで XNUMX つの質問がモデルに提示されます。モデルは、与えられた質問のみに基づいて応答を生成することが期待されます。
- 数ショット – 実際の質問の前に、一連のサンプル質問とそれに対応する回答が含まれています。モデルをこれらの例にさらすことで、同様の方法で応答することを学習します。
- 思考の連鎖 – プロンプトが一連の中間推論ステップを含むように設計された少数ショット プロンプトの特定のスタイルで、論理的思考プロセスを通じてモデルを導き、最終的に望ましい答えに導きます。
私たちのエージェントは、リクエストを受信すると一連のアクションを実行することにより、思考連鎖推論を利用します。各アクションの後、エージェントは観察ステップに入り、そこで考えを表現します。最終的な答えがまだ得られていない場合、エージェントは繰り返し、さまざまなアクションを選択して最終的な答えに到達するまで進みます。次のコード例を参照してください。
考えた: ツールを使用する必要があるか?はい
アクション: 実行するアクション
アクション入力: アクションへの入力
観察: アクションの結果
考えた: ツールを使用する必要があるか?いいえ
FSI エージェント: [回答とソース文書]
- エージェントのさまざまな推論経路と、次の行動方針を決定するための自己評価の選択肢の一部として、エージェントは、 Amazon Kendra Index Retriever ツール。 Amazon Kendra を使用して、エージェントはドキュメント、FAQ、ナレッジベース、マニュアル、Web サイトなどの幅広いコンテンツタイプにわたってコンテキスト検索を実行します。サポートされているデータ ソースの詳細については、以下を参照してください。 データソース。エージェントは、このツールを使用して、Amazon Bedrock FM の事前トレーニングに使用されるより一般的な知識コーパスの代わりに、権威ある顧客提供のナレッジ ライブラリを使用して回答する必要があるユーザー プロンプトに対して独自の回答を提供する権限を持っています。
導入ガイド
次のセクションでは、展開前と展開後を含む、ソリューションを展開するための主要な手順について説明します。
展開前
ソリューションをデプロイする前に、Amplify Web サイトの継続的なデプロイを自動化するために、トークンで保護された Webhook を使用してソリューション リポジトリの独自のフォーク バージョンを作成する必要があります。 Amplify 構成は、Web サイトのフロントエンドが構築される GitHub ソース リポジトリを指します。
フォークとクローン 生成-ai-amazon-bedrock-langchain-agent-example 倉庫
- Amplify Web サイトを構築するソース コードを制御するには、次の手順に従ってください。 リポジトリをフォークする Generative-ai-amazon-bedrock-langchain-agent-example リポジトリをフォークします。これにより、元のコード ベースから切り離されたリポジトリのコピーが作成されるため、適切な変更を加えることができます。
- 次の手順でリポジトリのクローンを作成し、ソリューション デプロイの自動化スクリプトで使用される GITHUB_PAT 環境変数を構成するために使用する、フォークされたリポジトリ URL をメモしてください。
- git clone コマンドを使用して、フォークされたリポジトリのクローンを作成します。
GitHub 個人アクセス トークンを作成する
Amplify がホストする Web サイトでは、 GitHub パーソナル アクセス トークン (PAT) サードパーティのソース管理用の OAuth トークンとして。 OAuth トークンは、SSH クローン作成を使用して Webhook と読み取り専用のデプロイ キーを作成するために使用されます。
- PAT を作成するには、次の手順に従ってください。 個人アクセス トークンの作成 (クラシック)。を使用することをお勧めします。 GitHub アプリ 組織を代表して、または長期的な統合のためにリソースにアクセスするため。
- ブラウザを閉じる前に PAT をメモしておいてください。これは、ソリューション展開自動化スクリプトで使用される GITHUB_PAT 環境変数を構成するために使用します。スクリプトは PAT を次の宛先に公開します。 AWSシークレットマネージャー AWSコマンドラインインターフェイス (AWS CLI) コマンドとシークレット名は GitHubTokenSecretName として使用されます AWS CloudFormation パラメータに一致する最初のデバイスのリモートコントロール URL を返します。
展開
ソリューション展開自動化スクリプトは、パラメーター化された CloudFormation テンプレートを使用します。 GenAI-FSI-Agent.yml、次のソリューション リソースのプロビジョニングを自動化します。
- フロントエンド環境をシミュレートするための Amplify Web サイト。
- ボットインポートデプロイメントパッケージを通じて設定された Amazon Lex ボット。
- XNUMX つの DynamoDB テーブル:
- ユーザー保留中のアカウントテーブル – 保留中の取引を記録します (ローン申請など)。
- ユーザー既存のアカウントテーブル – ユーザーアカウント情報 (住宅ローン口座の概要など) が含まれます。
- 会話インデックステーブル – 会話の状態を追跡します。
- 会話テーブル – 会話履歴を保存します。
- Lambda エージェント ハンドラー、Lambda データ ローダー、Amazon Lex デプロイメント パッケージ、顧客の FAQ および住宅ローン申請サンプル ドキュメントが含まれる S3 バケット。
- XNUMXつのLambda関数:
- エージェントハンドラー – ユーザー入力に基づいてさまざまなツールをインテリジェントに使用できる LangChain 会話エージェント ロジックが含まれています。
- データローダー – サンプルの顧客アカウント データを UserExistingAccountsTable にロードし、スタックの作成中にカスタム CloudFormation リソースとして呼び出されます。
- Amazon Bedrock Boto3、LangChain、pdfrw ライブラリの Lambda レイヤー。このレイヤーは、Amazon Bedrock モデルを基盤となる FM として LangChain の FM ライブラリに提供し、PDF ファイルを作成および変更するためのオープンソース PDF ライブラリとして pdfrw を提供します。
- ドキュメント、FAQ、ナレッジベース、マニュアル、ウェブサイトなどを含む、顧客の信頼できる情報の検索可能なインデックスを提供する Amazon Kendra インデックス。
- XNUMX つの Amazon Kendra データ ソース:
- アマゾンS3 – を主催します 顧客 FAQ ドキュメントの例.
- Amazon Kendra ウェブ クローラー – 顧客固有の Web サイト (.com など) をエミュレートするルート ドメインで構成されます。
- AWS IDおよびアクセス管理 前述のリソースに対する (IAM) 権限。
AWS CloudFormation は、テンプレートで提供されるデフォルト値をスタックパラメータに事前設定します。代替の入力値を提供するには、次のシェル スクリプトの「aws Cloudformation create-stack」コマンドの「ParameterKey=,ParameterValue=」ペアで参照される環境変数としてパラメータを指定できます。
- シェル スクリプトを実行する前に、作業ディレクトリとしてフォークされたバージョンの Generative-ai-amazon-bedrock-langchain-agent-example リポジトリに移動し、シェル スクリプトのアクセス許可を実行可能に変更します。
- デプロイ前の手順で作成された Amplify リポジトリと GitHub PAT 環境変数を設定します。
- 最後に、ソリューション展開自動化スクリプトを実行して、ソリューションのリソースを展開します。 GenAI-FSI-Agent.yml CloudFormation スタック:
source ./create-stack.sh
ソリューション展開自動化スクリプト
上記 source ./create-stack.sh shell
コマンドは、次の AWS CLI コマンドを実行して、ソリューション スタックをデプロイします。
展開後
このセクションでは、顧客の実稼働アプリケーションをエミュレートすることを目的としたフロントエンド アプリケーションを起動するための展開後の手順について説明します。金融サービス エージェントは、サンプル Web UI 内で埋め込みアシスタントとして動作します。
チャットボットの Web UI を起動する
Amazon Lex ウェブ UIチャットボット UI とも呼ばれ、Amazon Lex チャットボット用の包括的なウェブクライアントを迅速にプロビジョニングできます。 UI は Amazon Lex と統合され、Amazon Lex を利用したチャット ウィジェットを既存の Web アプリケーションに組み込む JavaScript プラグインを生成します。この場合、Web UI を使用して、Amazon Lex チャットボットが埋め込まれた既存の顧客 Web アプリケーションをエミュレートします。次の手順を実行します。
- 指示に従ってください Amazon Lex ウェブ UI CloudFormation スタックをデプロイする.
- AWS CloudFormation コンソールで、スタックの 出力 タブをクリックして値を見つけます
SnippetUrl
.
- Web UI Iframe スニペットをコピーします。これは、以下の形式に似ています。 ChatBot UI を Web サイトに Iframe として追加する.
- Web UI JavaScript プラグインを「」ラベルのセクションに追加して、Amplify GitHub ソース リポジトリのフォークされたバージョンを編集します。
<-- Paste your Lex Web UI JavaScript plugin here -->
以下の HTML ファイルごとに、 フロントエンドディレクトリ:index.html
,contact.html
,about.html
.
Amplify は、フォークされたリポジトリへの新しいコミットに基づいてトリガーされる自動ビルドおよびリリース パイプラインを提供し、Web サイトの新しいバージョンを Amplify ドメインに公開します。導入ステータスは Amplify コンソールで確認できます。
Amplify の Web サイトにアクセスする
Amazon Lex ウェブ UI JavaScript プラグインを配置したら、Amplify デモウェブサイトを起動する準備が整いました。
- Web サイトのドメインにアクセスするには、CloudFormation スタックの 出力 タブをクリックして、Amplify ドメイン URL を見つけます。あるいは、次のコマンドを使用します。
- Amplify ドメイン URL にアクセスしたら、テストと検証を続行できます。
テストと検証
次のテスト手順は、顧客データ (アカウント情報など) へのアクセス、事前定義された意図によるビジネス ワークフローの実行 (ローン申請の完了など)、および次のサンプルプロンプト:
- なぜ を使用する必要があるのですか?
- 料金はどれくらい競争力がありますか?
- どのタイプの住宅ローンを利用すればよいですか?
- 現在の住宅ローンのトレンドは何ですか?
- 頭金としていくら貯めておく必要がありますか?
- クロージング時に他にどのような費用を支払う必要がありますか?
回答の精度は、Amazon Bedrock が提供する Anthropic Claude 2.1 FM によって生成された回答の関連性、一貫性、および人間らしい性質を評価することによって決定されます。各応答で提供されるソースリンク (たとえば、Amazon Kendra Web Crawler 設定に基づく .com) も信頼できるものであることを確認する必要があります。
パーソナライズされた応答を提供する
エージェントが DynamoDB 内の関連する顧客情報に正常にアクセスして利用し、ユーザー固有の応答を調整できることを確認します。
エージェント内での PIN 認証の使用はデモンストレーションのみを目的としており、運用実装では使用しないでください。
意見のある回答を厳選する
Amazon Kendra によってインデックス付けされた信頼できる顧客ドキュメントとウェブページに基づいて回答を適切に調達するエージェントによって、意見のある質問に対して信頼できる回答が得られることを検証します。
コンテキストに応じた生成を実現
以前のチャット履歴に基づいて、状況に応じて適切な応答を提供するエージェントの能力を判断します。
一般知識にアクセスする
Amazon Bedrock FM トレーニングデータと RAG に基づいた正確で一貫した応答を必要とする、顧客固有ではない意見のないクエリに対する一般知識情報へのエージェントのアクセスを確認します。
事前定義されたインテントを実行する
ビジネス ワークフローの一部としてローン申請を完了するなど、事前定義された目的にルーティングされることを目的としたユーザー プロンプトをエージェントが正しく解釈し、会話形式で実行するようにします。
以下は、会話の流れで完成したローン申請書類です。
マルチチャネル サポート機能は、Web、SMS、および音声チャネルにわたる前述の評価測定と組み合わせてテストできます。チャットボットと他のサービスの統合の詳細については、次を参照してください。 Amazon Lex V2 ボットと Twilio SMS の統合 および Amazon Lex ボットを Amazon Connect に追加する.
クリーンアップ
AWS アカウントでの料金を回避するには、ソリューションのプロビジョニングされたリソースをクリーンアップします。
- GitHub 個人アクセス トークンを取り消します。 GitHub PAT には有効期限値が設定されています。有効期限が切れる前に、フォークされた Amplify GitHub リポジトリへのプログラムによるアクセスに PAT が使用されないようにする場合は、次の手順で PAT を取り消すことができます。 GitHub リポジトリの手順.
- ソリューション削除自動スクリプトを使用して、GenAI-FSI-Agent.yml CloudFormation スタックとその他のソリューション リソースを削除します。次のコマンドでは、デフォルトのスタック名が使用されます。スタック名をカスタマイズした場合は、それに応じてコマンドを調整します。
# export STACK_NAME=<YOUR-STACK-NAME>
./delete-stack.sh
ソリューション削除自動化スクリプト
delete-stack.sh shell
このスクリプトは、GenAI-FSI-Agent.yml CloudFormation スタックなど、ソリューション デプロイ自動化スクリプトを使用して最初にプロビジョニングされたリソースを削除します。
考慮事項
この投稿のソリューションは、Amazon Bedrock を活用した生成 AI 金融サービス エージェントの機能を紹介していますが、このソリューションは本番環境に対応していないことを認識することが重要です。むしろ、これは、仮想ワーカーやカスタマー サポート システムなどのさまざまなアプリケーション向けにパーソナライズされた会話型エージェントの作成を目指す開発者にとって、わかりやすい例として役立ちます。開発者が本番環境に至るまでの過程では、次の点を考慮してこのサンプル ソリューションを反復することになります。
セキュリティとプライバシー
導入プロセス全体を通じてデータのセキュリティとユーザーのプライバシーを確保します。適切なアクセス制御と暗号化メカニズムを実装して、機密情報を保護します。生成 AI 金融サービス エージェントのようなソリューションは、基盤となる FM ではまだ利用できないデータから恩恵を受けることになります。これは、多くの場合、機能を最大限に高めるために独自のプライベート データを使用することを意味します。次のベスト プラクティスを考慮してください。
- 秘密にして、安全に保管してください – 生成プロセス中、このデータを完全に保護、安全、プライベートに保ち、このデータの共有方法と使用方法を制御したいと考えます。
- 使用上のガードレールを確立する – チームがデータを利用できるようにする前に、サービスによってデータがどのように使用されるかを理解します。どのデータをどのサービスで利用できるかのルールを作成して配布します。これらをチームに明確にして、チームが迅速に作業を進め、安全にプロトタイプを作成できるようにします。
- 遅かれ早かれ法務に関与する – 法務チームに、機密データの実行を開始する前に、使用する予定のサービスの利用規約とサービス カードを確認してもらいます。あなたの法務パートナーが今日ほど重要になったことはありません。
AWS で Amazon Bedrock を使用してこれをどのように考えているかの例として、すべてのデータは暗号化され、VPC から流出しません。また、Amazon Bedrock は、顧客のみがアクセスできるベース FM の別のコピーを作成し、微調整またはモデルのこのプライベート コピーをトレーニングします。
ユーザー受け入れテスト
実際のユーザーを対象にユーザー受け入れテスト (UAT) を実施し、生成 AI 金融サービス エージェントのパフォーマンス、使いやすさ、満足度を評価します。フィードバックを収集し、ユーザーの入力に基づいて必要な改善を行います。
導入と監視
完全にテストされたエージェントを AWS にデプロイし、モニタリングとロギングを実装してパフォーマンスを追跡し、問題を特定し、必要に応じてシステムを最適化します。 Lambda モニタリングおよびトラブルシューティング機能 エージェントの Lambda ハンドラーに対してデフォルトで有効になっています。
メンテナンスとアップデート
最新の FM バージョンとデータでエージェントを定期的に更新し、精度と有効性を高めます。 DynamoDB 内の顧客固有のデータを監視し、必要に応じて Amazon Kendra データソースのインデックス付けを同期します。
まとめ
この投稿では、生成 AI エージェントのエキサイティングな世界と、FM やその他の補完ツールへの呼び出しのオーケストレーションを通じて人間のような対話を促進するその能力について詳しく掘り下げました。このガイドに従うことで、Bedrock、LangChain、および既存の顧客リソースを使用して、自然言語の会話を通じてユーザーに正確でパーソナライズされた財務支援を提供する信頼できるエージェントを正常に実装、テスト、検証できます。
今後の投稿では、別のアプローチを使用して同じ機能を提供する方法を説明します。 Amazon Bedrock のエージェント および Amazon Bedrock のナレッジベース。この完全に AWS マネージドの実装では、パーソナライズされたエージェントを通じてインテリジェントな自動化とデータ検索機能を提供する方法をさらに検討し、ユーザーがアプリケーションと対話する方法を変革し、対話をより自然、効率的、効果的にします。
著者,
カイル・T・ブロックサム 南カリフォルニアを拠点とする AWS のシニア ソリューション アーキテクトです。カイルの情熱は、人々を結集させ、テクノロジーを活用して顧客に喜ばれるソリューションを提供することです。仕事以外では、サーフィン、食事、犬と格闘し、姪や甥を甘やかすことを楽しんでいます。
- 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。 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。
- 情報源: https://aws.amazon.com/blogs/machine-learning/build-generative-ai-agents-with-amazon-bedrock-amazon-dynamodb-amazon-kendra-amazon-lex-and-langchain/
- :持っている
- :は
- :not
- :どこ
- $UP
- 1
- 10
- 100
- 11
- 32
- 7
- 799
- 8
- 9
- a
- 能力
- 私たちについて
- 受け入れ
- アクセス
- アクセス可能な
- アクセス
- それに応じて
- 精度
- 正確な
- 達成
- 越えて
- 行為
- Action
- 行動
- 実際の
- 追加
- NEW
- エージェント
- エージェント
- AI
- 目指す
- 目指して
- すべて
- ことができます
- 沿って
- 既に
- また
- 代替案
- Amazon
- アマゾンケンドラ
- Amazon Lex
- Amazon Webサービス
- 金額
- 増幅する
- an
- 分析する
- および
- 回答
- 回答
- 人間原理
- どれか
- API
- 申し込み
- アプローチ
- 適切な
- 建築
- です
- AS
- 評価
- 資産
- アシスト
- 援助
- アシスタント
- 関連する
- At
- 増強された
- 認証
- 自動化する
- 自動化
- オートメーション
- 自律的
- 利用できます
- 避ける
- AWS
- AWS CloudFormation
- AWSラムダ
- ベース
- ベース
- BE
- き
- 代わって
- 恩恵
- BEST
- ベストプラクティス
- 最大の
- ロボット
- 持って来る
- バッファ
- ビルド
- 構築します
- 内蔵
- ビジネス
- by
- カリフォルニア州
- 呼ばれます
- コール
- 缶
- 機能
- 機能
- できる
- カード
- 慎重に
- 場合
- CD
- チェーン
- 変化する
- チャネル
- チャンネル
- 課金
- チャット
- チャットボット
- チャットボット
- 選択
- 選択肢
- クラシック
- クリア
- クライアント
- 閉鎖
- コード
- コードベース
- コヒーレント
- COM
- コミットする
- 企業
- 競争力のある
- 補完的
- コンプリート
- 記入済みの
- 完全に
- 完了
- 包括的な
- 条件
- 設定された
- 確認済み
- 共同
- 検討
- 検討事項
- 領事
- 含む
- 含まれています
- コンテンツ
- コンテンツタイプ
- コンテキスト
- 文脈上の
- 連続的な
- コントロール
- controls
- 大会
- 会話
- 会話
- 会話
- 対応する
- コスト
- コース
- クローラー
- 作ります
- 作成した
- 作成します。
- 作成
- 創造
- 信頼できる
- 電流プローブ
- カスタム
- 顧客
- 顧客データ
- カスタマーサービス
- Customers
- カスタマイズ
- データ
- データセキュリティ
- 決めます
- 決定
- 決定
- デフォルト
- 配信する
- 配信
- デモ
- 実証します
- デモ
- 展開します
- 展開
- 設計
- 希望
- 細部
- 決定する
- 決定
- Developer
- 開発者
- 対話
- 異なります
- 切断された
- 話し合います
- 議論
- 分配します
- 異なる
- do
- ドキュメント
- ドキュメント
- ありません
- 犬
- ドメイン
- ダウン
- ドラフト
- 原因
- 間に
- e
- 各
- 前
- echo
- 効果的な
- 有効
- 効率的な
- 埋め込まれた
- 使用可能
- では使用できません
- 暗号化
- 魅力的
- エンジニアリング
- 高めます
- 確保
- 入ります
- 環境
- 装備
- 本質的な
- 評価する
- 評価します
- 例
- 例
- エキサイティング
- 既存の
- 予想される
- 体験
- 期限切れ
- 満了
- 探る
- export
- 表現する
- 容易にする
- よくある質問
- フィードバック
- File
- ファイナル
- ファイナンシャル
- 金融業務
- 発見
- 終わり
- フロー
- フォロー中
- フォーク
- 形式でアーカイブしたプロジェクトを保存します.
- 発見
- Foundation
- から
- フロントエンド
- 充実した
- 完全に
- function
- 機能性
- 機能
- さらに
- 集める
- 生成する
- 生成された
- 生成
- 生成
- 世代
- 生々しい
- 生成AI
- Gitの
- GitHubの
- 与えられた
- ガイド
- 案内
- ハーネス
- 持ってる
- he
- 助けます
- こちら
- ハイライト
- 彼の
- history
- 主催
- ホスト
- 認定条件
- How To
- HTML
- HTTP
- HTTPS
- i
- 識別する
- 識別する
- アイデンティティ
- if
- 説明する
- 実装する
- 実装
- import
- 重要
- 改善
- in
- include
- 含まれました
- 含ま
- 含めて
- 組み込む
- 組み込む
- index
- 索引付けされた
- 知らせます
- 情報
- 入力
- を取得する必要がある者
- 説明書
- 楽器
- 統合する
- 統合
- 統合
- インテリジェント-
- 意図された
- 意図
- 対話
- 相互作用
- インタフェース
- 内部
- に
- 呼び出された
- 呼び出す
- 問題
- IT
- ITS
- JavaScriptを
- JPG
- ジャンプ
- キープ
- キー
- 知識
- 既知の
- 言語
- 最新の
- 起動する
- 発射
- ランチパッド
- 層
- 主要な
- 学ぶ
- コメントを残す
- リーガルポリシー
- 活用します
- ライブラリ
- 図書館
- ような
- LINE
- リンク
- ローダ
- 負荷
- ローン
- ロギング
- ロジック
- 論理的な
- 愛
- 下側
- make
- 作る
- 作成
- マネージド
- マネージャー
- 方法
- 五月..
- 意味のある
- 手段
- 措置
- メカニズム
- メモリ
- メッセージ
- 会った
- マサチューセッツ工科大学(MIT)
- モデル
- 修正
- 修正する
- モニター
- モニタリング
- 他には?
- モーゲージ
- ずっと
- の試合に
- しなければなりません
- 名
- 命名
- ナチュラル
- 自然言語処理
- 自然
- ナビゲート
- 必要
- 必要
- 必要とされる
- 決して
- 新作
- 次の
- NLP
- ヌル
- いいえ
- 注意
- 今
- オース
- 客観
- 観察
- of
- 提供
- 頻繁に
- on
- 継続
- の
- 開いた
- オープンソース
- 操作する
- 独断
- 最適化
- or
- オーケストレーション
- 編成
- 組織
- オリジナル
- 元々
- その他
- 私たちの
- outputs
- 外側
- が
- 概要
- 自分の
- パッケージ
- パッケージ
- 足
- パラメーター
- パラメータ
- 部
- パートナー
- 情熱
- 過去
- path
- パス
- 支払う
- 支払い
- ペンディング
- のワークプ
- 実行する
- パフォーマンス
- 実行する
- パーミッション
- 個人的な
- カスタマイズ
- パイプライン
- 場所
- 計画
- 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
- プラグイン
- ポイント
- ポスト
- 電力
- パワード
- プラクティス
- 先行
- 定義済み
- 好む
- PLM platform.
- 前
- 主要な
- プライバシー
- プライベート
- 手続き
- 進む
- プロセス
- 処理済み
- 処理
- 作り出す
- 作成
- 生産
- プログラム的な
- 進捗
- プロンプト
- 守る
- 保護された
- プロトタイプ
- 提供します
- 提供
- は、大阪で
- 準備
- 公共
- パブリッシュ
- パブリッシュ
- 目的
- 目的
- クエリ
- 質問
- 質問
- すぐに
- 範囲
- 価格表
- むしろ
- 達します
- 到達
- 準備
- リアル
- 受け入れ
- 認識
- 認識する
- 録音
- 記録
- 参照する
- リリース
- 関連した
- 信頼性のある
- リモート
- 倉庫
- 要求
- 必要とする
- の提出が必要です
- リソースを追加する。
- リソース
- 反応します
- 応答
- 回答
- 結果
- 結果
- レビュー
- ルート
- ルール
- ラン
- ランニング
- 実行
- 安全に
- 前記
- 同じ
- 満足
- 保存されました
- 規模
- スクリプト
- を検索
- 秘密
- 秘密
- セクション
- セクション
- 安全に
- セキュリティ
- 選択
- センス
- 敏感な
- 別
- シリーズ
- 仕える
- サービス
- サービス
- セッションに
- shared
- シェル(Shell)
- すべき
- 同様の
- 簡単な拡張で
- 簡単な
- SMS
- スニペット
- So
- もっぱら
- 溶液
- ソリューション
- ソース
- ソースコード
- ソース
- 部品調達
- 南部の
- 特定の
- スピーチ
- スタック
- start
- 都道府県
- 静的な
- Status:
- 滞在
- 手順
- ステップ
- ストレージ利用料
- 保存され
- 店舗
- 首尾よく
- そのような
- スイート
- 概要
- 用品
- サポート
- サポートシステム
- サポート
- 合成
- システム
- テーラー
- 取る
- タンデム
- 仕事
- チーム
- 技術的
- テクニック
- テクノロジー
- template
- 条件
- 規約と条件
- test
- テスト
- テスト
- 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.
- より
- それ
- 情報
- 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
- 考え
- サードパーティ
- この
- 考え
- 介して
- 全体
- 〜へ
- 今日
- 一緒に
- トークン
- ツール
- 豊富なツール群
- に向かって
- 追跡する
- トレーニング
- 列車
- 取引
- 最適化の適用
- ツリー
- トレンド
- true
- 曲
- type
- ui
- 最終的に
- 下
- 根本的な
- わかる
- 理解する
- 理解する
- 今後の
- アップデイト
- に
- URL
- 使いやすさ
- 使用法
- つかいます
- 中古
- ユーザー
- 操作方法
- ユーザーのプライバシー
- users
- 使用されます
- 利用
- 検証
- 値
- 価値観
- 変数
- 多様
- さまざまな
- 広大な
- 確認する
- バージョン
- バージョン
- 、
- 詳しく見る
- バーチャル
- ボイス
- wait
- 欲しいです
- ました
- 仕方..
- we
- ウェブ
- ウェブアプリケーション
- Webサービス
- ウェブサイト
- ウェブサイト
- した
- この試験は
- which
- while
- ワイド
- 広い範囲
- ウィジェット
- 意志
- 以内
- 無し
- 仕事
- 労働者
- ワークフロー
- ワークフロー
- ワーキング
- 世界
- でしょう
- はい
- まだ
- You
- あなたの
- ゼファーネット
- 〒