IDP の適切に設計されたカスタム レンズ は、AWS を使用してインテリジェント文書処理 (IDP) ソリューションを実行し、AWS 上で安全で効率的かつ信頼性の高い IDP ソリューションを構築する方法に関するガイダンスを探しているすべての AWS 顧客を対象としています。
クラウド上で本番環境に対応したソリューションを構築するには、リソース、時間、顧客の期待、ビジネスの成果の間で一連のトレードオフが必要になります。 の AWS の適切に設計されたフレームワーク AWS でワークロードを構築する際の意思決定のメリットとリスクを理解するのに役立ちます。 フレームワークを使用すると、クラウド内で信頼性、安全性、効率性、費用対効果が高く、持続可能なワークロードを設計および運用するための運用およびアーキテクチャのベスト プラクティスを学ぶことができます。
IDP プロジェクトは通常、光学式文字認識 (OCR) と自然言語処理 (NLP) を組み合わせて、文書を読んで理解し、特定の用語や単語を抽出します。 IDP Well-Architected カスタムレンズでは、IDP ワークロードの技術的リスクを評価および特定できる AWS Well-Architected レビューを実行する手順の概要を説明します。 これは、現場で見られる共通の課題に取り組むためのガイダンスを提供し、ベスト プラクティスに従って IDP ワークロードを設計できるようにサポートします。
この投稿では、IDP ソリューションの信頼性の柱に焦点を当てます。 信頼性の柱と設計原則の紹介から始めて、基盤、変更管理、障害管理の XNUMX つの重点領域でソリューションの設計と実装を深く掘り下げます。 この投稿を読むことで、IDP ケーススタディを使用した Well-Architected フレームワークの信頼性の柱について学ぶことができます。
設計原則
信頼性の柱には、定義されたビジネス ルールに従って、予期されるときにドキュメント処理を正しく一貫して実行する IDP ソリューションの機能が含まれます。 これには、完全な IDP ワークフローとその全体的なライフサイクルを操作およびテストする機能が含まれます。
信頼性を高めるために役立つ原則が多数あります。 ベスト プラクティスについて説明するときは、次の点に留意してください。
- 障害から自動的に回復 – IDP ワークフローの主要業績評価指標 (KPI) を監視することで、しきい値を超えたときに自動化を実行できます。 これにより、障害が発生した場合に自動的に追跡して通知を受け取り、障害を回避または修復する自動回復プロセスをトリガーすることができます。 KPI 測定に基づいて、障害を予測し、障害が発生する前に修復アクションを適用することもできます。
- 回復手順をテストする – IDP ワークフローがどのように失敗するかをテストし、回復手順を検証します。 自動化を使用して、さまざまなシナリオをシミュレートしたり、以前に障害が発生したシナリオを再作成したりできます。
- サービス容量の拡張と調整 – IDP ワークフローの需要と使用状況を監視し、AWS のサービス容量を自動的に調整して、過剰または過小プロビジョニングを発生させることなく需要を満たす最適なレベルを維持します。 IDP コンポーネント サービスのサービス クォータ、制限、制約を制御し、認識します。 アマゾンテキストラック および Amazon Comprehend.
- 変更を自動化する – IDP ワークフロー インフラストラクチャに変更を適用するときに自動化を使用します。 自動化を通じて変更を管理し、追跡してレビューすることができます。
重点分野
信頼性の柱の設計原則とベスト プラクティスは、お客様および IDP 技術専門家コミュニティから収集した洞察に基づいています。 これらを設計上の決定のガイダンスおよびサポートとして使用し、IDP ソリューションのビジネス要件に合わせて調整してください。 IDP Well-Architected Lens を適用すると、IDP ソリューション設計の回復力と効率性を検証するのに役立ち、特定されたギャップに対処するための推奨事項が提供されます。
以下は、クラウドにおける IDP ソリューションの信頼性に関するベスト プラクティス領域です。
- 財団 – Amazon Textract や Amazon Comprehend などの AWS AI サービスは、さまざまな使用状況に対して一連のソフト制限とハード制限を提供します。 これらの制限を確認し、IDP ソリューションがハード制限を超えずにソフト制限を遵守していることを確認することが重要です。
- 変更管理 – IDP ソリューションをコードとしてのインフラストラクチャ (IaC) として扱うことで、監視と変更管理を自動化できます。 インフラストラクチャや Amazon Comprehend カスタムモデルなどのコンポーネント全体でバージョン管理を使用し、変更を特定時点のリリースまで追跡します。
- 障害管理 – IDP ワークフローはイベント駆動型のソリューションであるため、アプリケーションは既知および未知のエラーの処理に対する回復力を備えている必要があります。 適切に設計された IDP ソリューションは、ログ記録および再試行メカニズムを使用して、障害を防止し、障害が発生した場合でも耐えられる機能を備えています。 IDP ワークフロー アーキテクチャに復元力を設計し、災害復旧を計画することが重要です。
財団
AWS AI サービスは、Amazon Textract、Amazon Comprehend、および Amazon拡張AI (Amazon A2I)、IDP ワークフロー用。 これらのサービスには、オーバープロビジョニングを回避し、API 操作のリクエスト レートを制限してサービスを悪用から保護するためにサービス制限 (またはクォータ) があります。
IDP ソリューション アーキテクチャを計画および設計するときは、次のベスト プラクティスを考慮してください。
- 変更できない Amazon Textract および Amazon Comprehend サービスのクォータ、制限、制約に注意してください – 受け入れられるファイル形式、サイズとページ数、言語、ドキュメントの回転、画像サイズなどは、変更できない Amazon Textract のハード制限の例です。
- 受け入れられるファイル形式には、JPEG、PNG、PDF、TIFF ファイルが含まれます。 (PDF 内の JPEG 2000 でエンコードされた画像がサポートされています)。 ファイル形式がサポートされていない場合 (Microsoft Word や Excel など)、Amazon Textract を使用する前にドキュメントの前処理が必要です。 この場合、サポートされていないドキュメント形式を PDF または画像形式に変換する必要があります。
- Amazon Comprehend には、組み込みモデル、カスタムモデル、フライホイールに対して異なるクォータがあります。 ユースケースが Amazon Comprehend クォータと一致していることを確認してください。
- ニーズに合わせて Amazon Textract および Amazon Comprehend サービスの割り当てを調整します – Amazon Textract Service クォータ計算ツールは、ユースケースをカバーするクォータ値を見積もるのに役立ちます。 ソリューションのアカウントまたはリージョン間でディザスター リカバリー フェールオーバーを計画している場合は、アカウントまたはリージョン全体でサービス クォータを管理する必要があります。 Amazon Textract クォータの増加をリクエストする場合は、次の推奨事項に従ってください。
- Amazon Textract Service クォータ計算ツールを使用して、最適なクォータ値を見積もります。
- リクエストの変更によりネットワーク トラフィックが急増し、スループットに影響を与える可能性があります。 キューイング サーバーレス アーキテクチャまたはその他のメカニズムを使用して、トラフィックをスムーズにし、割り当てられた XNUMX 秒あたりのトランザクション (TPS) を最大限に活用します。
- スロットリングされた呼び出しと切断された接続を処理するための再試行ロジックを実装します。
- スループットを向上させるために指数バックオフとジッターを構成します。
変更管理
ソリューションの信頼性を高めるには、需要の急増やドキュメント ファイルの破損など、IDP ワークフローまたはその環境に対する変更を予測し、対応する必要があります。 これらの変更の一部は、前のセクションで説明した基礎のベスト プラクティスでカバーされていますが、それだけでは変更に対応するには十分ではありません。 次のベスト プラクティスも考慮する必要があります。
- アマゾンクラウドウォッチ Amazon Textract や Amazon Comprehend などの IDP ワークフローコンポーネントを監視します。 IDP ワークフローからメトリクスを収集し、アラームへの応答を自動化し、ワークフローやビジネス目標の必要に応じて通知を送信します。
- IDP ワークフロー ソリューションと、IaC を使用した自動化によるすべてのインフラストラクチャ変更を展開します。 AWSクラウド開発キット (AWS CDK) および事前に構築された IDP AWS CDK 構造。 これにより、人的エラーが発生する可能性がなくなり、実稼働環境に変更する前にテストできるようになります。
- ユースケースで Amazon Comprehend カスタムモデルが必要な場合は、時間の経過とともにカスタムモデルを改善するプロセスを簡素化するためにフライホイールの使用を検討してください。 フライホイールは、新しいカスタム モデル バージョンのトレーニングと評価に関連するタスクを調整します。
- ユースケースで必要な場合は、Amazon Textract 基本モデルのアダプターをトレーニングおよび使用することで、Amazon Textract の事前トレーニング済みクエリ機能の出力をカスタマイズします。 アダプターのクエリを作成するときは、次のベスト プラクティスを考慮してください。
- アダプター クォータは、アダプター トレーニングに対する前述の制限を定義します。 これらの制限を考慮し、必要に応じてサービス クォータの増加リクエストを発行します。
- アダプターの最大数 – 許可されるアダプターの数 (XNUMX つのアダプターの下に複数のアダプターのバージョンを含めることができます)。
- XNUMX か月あたりに作成されるアダプターの最大バージョン – AWS アカウントごとに XNUMX か月あたり作成できる、成功したアダプターのバージョンの数。
- 進行中のアダプターの最大バージョン – アカウントごとの進行中のアダプター バージョン (アダプター トレーニング) の数。
- 必ずユースケースを代表する一連のドキュメントを使用してください (少なくとも XNUMX つのトレーニング ドキュメントと XNUMX つのテスト ドキュメント)。
- トレーニング用にできるだけ多くのドキュメントを提供します (トレーニング ドキュメントは最大 2,500 ページ、テスト ドキュメントは最大 1,000 ページ)。
- さまざまな回答を使用してクエリに注釈を付けます。 たとえば、クエリに対する答えが「はい」または「いいえ」の場合、注釈付きサンプルには「はい」と「いいえ」の両方が含まれている必要があります。
- 注釈スタイルおよびフィールドにスペースで注釈を付ける際の一貫性を維持します。
- 推論のトレーニングで使用されたものとまったく同じクエリを使用します。
- アダプターのトレーニングの各ラウンドの後、パフォーマンス メトリックを確認して、目標を達成するためにアダプターをさらに改善する必要があるかどうかを判断します。 新しいトレーニングを開始してアダプターの改善されたバージョンを作成する前に、トレーニング用の新しいドキュメント セットをアップロードするか、精度スコアが低いドキュメントの注釈を確認してください。
-
AutoUpdate
カスタムアダプターの機能。 この機能は、次の場合に自動再トレーニングを試行します。AutoUpdate
フラグがアダプターで有効になっています。
- アダプター クォータは、アダプター トレーニングに対する前述の制限を定義します。 これらの制限を考慮し、必要に応じてサービス クォータの増加リクエストを発行します。
障害管理
IDP ソリューションを設計する際に考慮すべき重要な側面の XNUMX つは、その回復力、つまり発生する可能性のある既知および未知のエラーを処理する方法です。 IDP ソリューションには、IDP ワークフローのさまざまな段階で、エラーをログに記録し、失敗した操作を再試行する機能が必要です。 このセクションでは、障害を処理するための IDP ワークフローを設計する方法について詳しく説明します。
障害を管理し、障害に耐えられるように IDP ワークフローを準備する
「すべてのことは常に失敗します」は、AWS CTO の Werner Vogels の有名な言葉です。 IDP ソリューションは、他のすべてのものと同様、最終的には失敗します。 問題は、IDP ソリューション ユーザーに影響を与えずに、どのようにして障害に耐えられるかということです。 IDP アーキテクチャ設計では、障害が発生したときにそれを認識し、可用性への影響を回避するための措置を講じる必要があります。 これは、ユーザーの影響なしに自動的に実行される必要があります。 次のベスト プラクティスを考慮してください。
- Amazon シンプル ストレージ サービス (Amazon S3) を、IDP ワークフロー ドキュメントを処理するためのスケーラブルなデータ ストアとして使用します。 Amazon S3 は、ミッションクリティカルなプライマリ データ ストレージ向けに設計された耐久性の高いストレージ インフラストラクチャを提供します。
- ビジネス要件に従って、すべての IDP ワークフロー データをバックアップします。 データ損失が発生した場合にデータを回復または再現する戦略を実装します。 この戦略を、ビジネス要件を満たす定義済みの目標復旧時点 (RPO) および目標復旧時間 (RTO) に合わせて調整します。
- 必要に応じて、AWS アカウントとリージョン全体で IDP ソリューションのディザスター リカバリー フェイルオーバー戦略を計画し、実装します。
- Amazon Textract を使用する
OutputConfig
機能と Amazon ComprehendOutputDataConfig
Amazon Textract または Amazon Comprehend からの非同期処理の結果を指定された S3 バケットに保存する機能。 これにより、Amazon Textract または Amazon Comprehend の呼び出しを繰り返すのではなく、ワークフローがその時点から継続できるようになります。 次のコードは、Amazon Textract 非同期 API ジョブを開始してドキュメントを分析し、暗号化された推論出力を定義された S3 バケットに保存する方法を示しています。 追加情報については、を参照してください。 Amazon Textract クライアントのドキュメント.
障害を防ぐために IDP ワークフローを設計する
ワークロードの信頼性は、事前の設計決定から始まります。 アーキテクチャの選択は、ワークロードの動作とその復元力に影響を与えます。 IDP ソリューションの信頼性を向上させるには、次のベスト プラクティスに従ってください。
まず、IDP ワークフローに従ってアーキテクチャを設計します。 IDP ワークフローのステージはさまざまで、ユースケースやビジネス要件によって影響を受ける場合がありますが、データのキャプチャ、ドキュメントの分類、テキストの抽出、コンテンツの強化、レビューと検証、および消費のステージは通常、IDP ワークフローの一部です。 これらの明確に定義されたステージを使用して、機能を分離し、障害が発生した場合にそれらを分離することができます。
あなたが使用することができます Amazon シンプル キュー サービス (Amazon SQS) IDP ワークフロー ステージを分離します。 分離パターンは、アーキテクチャ コンポーネントの動作を、それに依存する他のコンポーネントから分離するのに役立ち、復元力と俊敏性が向上します。
次に、再試行呼び出しを制御および制限します。 Amazon Textract などの AWS のサービスは、割り当てられた TPS の最大数を超えると失敗し、サービスによってアプリケーションがスロットルされたり、接続が切断されたりする可能性があります。
操作 (同期操作と非同期操作の両方) を自動的に再試行することで、スロットリングと切断された接続を管理する必要があります。 ただし、制限された再試行回数も指定する必要があります。再試行回数を超えると、操作は失敗し、例外がスローされます。 短期間に Amazon Textract への呼び出しが多すぎると、呼び出しが抑制され、 ProvisionedThroughputExceededExceptionerror
操作応答で。
さらに、使用 指数関数的バックオフとジッター スループットを向上させるための再試行の場合。 たとえば、Amazon Textract を使用して、 config
Amazon Textract クライアントを作成するときにパラメータを指定します。 再試行回数は XNUMX 回をお勧めします。 次のコード例では、 config
パラメータを使用して、適応モードを使用して操作を自動的に再試行し、最大 XNUMX 回の再試行を実行します。
などの AWS SDK を活用します。 AWS SDK for Python(Boto3)、手助けするために クライアント呼び出しを再試行しています Amazon Textract や Amazon Comprehend などの AWS サービスに接続します。 XNUMXつあります 利用可能な再試行モード:
- レガシーモード – 再試行では、限られた数のエラーと例外が必要となり、基本係数 2 による指数バックオフが含まれます。
- スタンダードモード – 他の AWS SDK と一貫性のある再試行ロジックと動作を標準化し、レガシーモードでの再試行機能を拡張します。 再試行には、基本係数 2 による指数バックオフが含まれ、最大バックオフ時間は 20 秒になります。
- 適応モード – 標準モードのすべての機能が含まれており、トークン バケットと、再試行のたびに動的に更新されるレート制限変数を使用して、クライアント側のレート制限が導入されます。 AWS サービスからのエラーまたは例外状態の応答に適応する、クライアント側の再試行の柔軟性を提供します。 新しい再試行のたびに、アダプティブ モードは、AWS サービスからの応答に示されたエラー、例外、または HTTP ステータス コードに基づいてレート制限変数を変更します。 これらのレート制限変数は、クライアントの新しいコール レートを計算するために使用されます。 AWS サービスからの例外、エラー、または不成功の HTTP 応答ごとに、成功に達するか、トークン バケットが使い果たされるか、設定された最大試行値に達するまで再試行が発生するたびに、レート制限変数が更新されます。 例外、エラー、または成功しない HTTP 応答の例:
まとめ
この投稿では、IDP ソリューションの信頼性のための設計原則、重点分野、基礎、ベスト プラクティスについて説明しました。
AWS は、生きたツールとして IDP Well-Architected Lens に取り組んでいます。 IDP ソリューションと関連する AWS AI サービスが進化し、新しい AWS サービスが利用可能になると、それに応じて IDP Lens Well-Architected を更新します。
AWS Well-Architected フレームワークについて詳しく知りたい場合は、を参照してください。 AWSの優れた設計.
追加の専門家のガイダンスが必要な場合は、AWS アカウントチームに連絡して、IDP スペシャリスト ソリューション アーキテクトに依頼してください。
著者について
ルイ・カルドーソ は、アマゾン ウェブ サービス (AWS) のパートナー ソリューション アーキテクトです。 AI/ML と IoT に焦点を当てています。 彼は AWS パートナーと協力し、AWS でのソリューションの開発をサポートしています。 仕事以外のときは、サイクリングやハイキングを楽しんだり、新しいことを学んだりしています。
ブリジェシュ・パティ AWS のエンタープライズ ソリューション アーキテクトです。 彼の主な焦点は、企業顧客がワークロードにクラウド テクノロジーを導入できるよう支援することです。 彼はアプリケーション開発とエンタープライズ アーキテクチャの経験があり、スポーツ、金融、エネルギー、プロフェッショナル サービスなど、さまざまな業界の顧客と協力してきました。 彼の興味はサーバーレス アーキテクチャと AI/ML です。
ミア・チャン は、アマゾン ウェブ サービスの ML スペシャリスト ソリューション アーキテクトです。 彼女は EMEA の顧客と協力し、応用数学、コンピューター サイエンス、AI/ML のバックグラウンドを活かして、クラウド上で AI/ML ワークロードを実行するためのベスト プラクティスを共有しています。 彼女は NLP 固有のワークロードに焦点を当てており、カンファレンスの講演者および本の著者としての経験を共有しています。 自由時間には、ハイキング、ボードゲーム、コーヒー淹れを楽しんでいます。
ティム・コンデロ は、アマゾン ウェブ サービス (AWS) のシニア人工知能 (AI) および機械学習 (ML) スペシャリスト ソリューション アーキテクトです。 彼の焦点は自然言語処理とコンピューター ビジョンです。 ティムは、顧客のアイデアを取り入れて、拡張可能なソリューションに変えることを楽しんでいます。
シェリー・ディン は、アマゾン ウェブ サービス (AWS) のシニア人工知能 (AI) および機械学習 (ML) スペシャリスト ソリューション アーキテクトです。 彼女は機械学習に関して豊富な経験を持ち、コンピューター サイエンスの博士号を取得しています。 彼女は主に公共部門の顧客と協力して AI/ML 関連のさまざまなビジネス課題に取り組み、AWS クラウドでの機械学習の取り組みを加速できるよう支援しています。 顧客をサポートしていないときは、屋外アクティビティを楽しんでいます。
ワン・スイン AWS の AI/ML スペシャリスト ソリューション アーキテクトです。 彼女は、機械学習、金融情報サービス、経済学の学際的な教育背景を持ち、現実世界のビジネス上の問題を解決するデータ サイエンスおよび機械学習アプリケーションの構築に長年の経験を持っています。 彼女は、顧客が適切なビジネス上の質問を特定できるよう支援し、適切な AI/ML ソリューションを構築することに喜びを感じています。 余暇には、歌うことと料理が大好きです。
- 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-well-architected-idp-solutions-with-a-custom-lens-part-3-reliability/
- :持っている
- :は
- :not
- $UP
- 000
- 1
- 100
- 視聴者の38%が
- 17
- 20
- 500
- 7
- a
- 能力
- 私たちについて
- 虐待
- 加速する
- 一般に認められた
- 対応する
- 従った
- それに応じて
- アカウント
- 精度
- 達成する
- 越えて
- Action
- 行動
- 活動
- 適応
- 適応する
- 添加
- NEW
- 追加情報
- 住所
- 採用
- 利点
- 影響
- 後
- AI
- AIサービス
- AI / ML
- 整列する
- 整列した
- すべて
- 割り当てられました
- 許可されて
- 許可
- ことができます
- 一人で
- 沿って
- また
- しかし
- Amazon
- Amazon Comprehend
- アマゾンテキストラック
- Amazon Webサービス
- Amazon Webサービス(AWS)
- 間で
- an
- 分析
- 分析します
- および
- 回答
- 回答
- 予想する
- 予期された
- どれか
- API
- 申し込み
- アプリケーション開発
- 適用された
- 申し込む
- 適用
- 建築の
- 建築
- です
- エリア
- 周りに
- 人工の
- 人工知能
- 人工知能(AI)
- AS
- 側面
- 評価する
- アシスト
- 関連する
- At
- 試み
- 試み
- 増強された
- 著者
- 自動化する
- 自動化
- 自動的に
- オートメーション
- 賃貸条件の詳細・契約費用のお見積り等について
- 利用できます
- 避ける
- 知って
- AWS
- バック
- 背景
- ベース
- ベース
- BE
- なぜなら
- になる
- 行動
- 利点
- BEST
- ベストプラクティス
- の間に
- ボード
- ボードゲーム
- 本
- 両言語で
- ビルド
- 建物
- 内蔵
- 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。
- by
- 計算する
- コール
- コール
- 缶
- 機能
- 容量
- キャプチャー
- 場合
- ケーススタディ
- 原因となる
- 原因
- 課題
- 変化する
- 変更
- 変更
- 変化
- 文字
- 文字認識
- 選択肢
- 分類
- クライアント
- クラウド
- コード
- コード
- コーヒー
- 収集する
- 組み合わせ
- コミットした
- コマンドと
- コミュニティ
- コンポーネント
- 理解する
- コンピュータ
- コンピュータサイエンス
- Computer Vision
- 講演
- 設定された
- 接続
- Connections
- 検討
- 見なさ
- 整合性のある
- 一貫して
- 制約
- 構成
- 消費
- 接触
- コンテンツ
- 続ける
- コントロール
- 変換
- 破損した
- コスト効率の良い
- カバー
- カバー
- 作ります
- 作成した
- 作成
- CTO
- カスタム
- 顧客
- Customers
- カスタマイズ
- データ
- データ損失
- データサイエンス
- データストレージ
- 決定
- 深いです
- 定義します
- 定義済みの
- 度
- 需要
- 決まる
- 記載された
- 設計
- 設計原理
- 指定された
- 設計
- 設計
- 細部
- 決定する
- 開発
- 開発
- 異なります
- 大きさ
- 災害
- 話し合います
- ダイビング
- ドキュメント
- ドキュメント
- 行われ
- Drop
- 落とした
- 間に
- 動的に
- 各
- Economics
- 教育
- 効率
- 効率的な
- ほかに
- EMEA
- 使用可能
- 可能
- 包含する
- では使用できません
- エネルギー
- 従事する
- 十分な
- 充実
- 確保
- Enterprise
- 環境
- エラー
- エラー
- 推定
- 評価します
- 最終的に
- すべてのもの
- 進化
- 例
- 例
- 超過
- 超えます
- Excel
- 例外
- 期待
- 予想される
- 体験
- エキスパート
- 指数関数
- 拡張する
- 広範囲
- 豊富な経験
- エキス
- 抽出
- 要因
- フェイル
- Failed:
- 失敗
- 不良解析
- 障害
- 有名な
- 特徴
- 特徴
- フィールド
- フィールズ
- File
- ファイナンス
- ファイナンシャル
- 財務情報
- 五
- 柔軟性
- フォーカス
- 焦点を当てて
- 焦点
- 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.
- フォーム
- 発見
- 財団
- フレームワーク
- 無料版
- から
- フル
- 機能性
- 機能性
- さらに
- Games
- ギャップ
- 集まった
- 取得する
- 目標
- ガイダンス
- ハンドル
- ハンドリング
- ハード
- 持ってる
- he
- 助けます
- 助け
- ことができます
- 彼女の
- より高い
- 非常に
- 彼の
- 認定条件
- How To
- しかしながら
- HTML
- HTTP
- HTTPS
- 人間
- 考え
- 識別する
- if
- 画像
- 画像
- 影響
- 影響を与える
- 実装する
- 実装
- import
- 重要
- 重要な側面
- 改善します
- 改善されました
- 改善
- in
- include
- 含ま
- 含めて
- 増える
- の増加
- インジケータ
- 産業
- 影響を受け
- 情報
- インフラ関連事業
- 洞察
- インテリジェンス
- インテリジェント-
- インテリジェントなドキュメント処理
- 意図された
- 利益
- に
- 紹介します
- 導入
- 概要
- IOT
- IT
- ITS
- ジョブ
- 旅
- JPG
- キープ
- キー
- 既知の
- 言語
- ESL, ビジネスESL <br> 中国語/フランス語、その他
- レイアウト
- LEARN
- 学習
- ツェッペリン
- Legacy
- レベル
- wifecycwe
- ような
- LIMIT
- 限定的
- 制限する
- 制限
- 生活
- ロギング
- ロジック
- 損失
- で
- ロー
- 機械
- 機械学習
- 主に
- 維持する
- make
- 管理します
- 管理
- 多くの
- 数学
- 五月..
- 措置
- メカニズム
- メカニズム
- 大会
- メトリック
- Microsoft
- かもしれない
- マインド
- 最小
- ML
- モード
- モデル
- モード
- モニター
- モニタリング
- 月
- 他には?
- 最も
- しなければなりません
- 名
- ナチュラル
- 自然言語処理
- 必要
- ネットワーク
- ネットワークトラフィック
- 新作
- NLP
- 通知
- 数
- 客観
- 目的
- OCR
- of
- オファー
- on
- ONE
- 操作する
- オペレーティング
- 操作
- オペレーショナル
- 業務執行統括
- 光学式文字認識
- 最適な
- or
- その他
- 私たちの
- でる
- 結果
- 輪郭
- 出力
- が
- ページ
- ページ
- パラメーター
- 部
- パートナー
- パートナー
- 部品
- パターン
- 以下のために
- 実行する
- パフォーマンス
- 実行
- 期間
- 博士号
- 柱
- 計画
- 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
- ポイント
- 可能
- ポスト
- 潜在的な
- 練習
- プラクティス
- PLM platform.
- 防ぐ
- 前
- 主要な
- 原則
- 問題
- 手続き
- プロセス
- ラボレーション
- 処理
- 生産
- プロ
- プロジェクト
- 保護
- 提供します
- は、大阪で
- 公共
- Python
- クエリ
- 質問
- 質問
- 率
- 上げる
- レート
- 価格表
- むしろ
- 達した
- 読む
- リーディング
- 現実の世界
- 認識
- 推奨する
- 提言
- 回復する
- 回復
- 参照する
- 地域
- 関連する
- リリース
- 信頼性
- 信頼性のある
- 除去する
- 修理
- 繰り返す
- 代表者
- 要求
- リクエスト
- 必要とする
- の提出が必要です
- 要件
- 必要
- 回復力
- 弾力性のあります
- リソース
- 応答
- 回答
- 結果
- レビュー
- 日
- 右
- リスク
- 円形
- ルール
- ラン
- ランニング
- ド電源のデ
- シナリオ
- 科学
- SDDK
- SDK
- 検索
- 二番
- 秒
- セクション
- セクター
- 安全に
- 送信
- 送る
- シニア
- 別
- シリーズ
- サーバレス
- サービス
- サービス
- セッションに
- いくつかの
- shared
- 株式
- 彼女
- ショート
- すべき
- 作品
- 署名
- 簡単な拡張で
- 簡素化する
- サイズ
- 速度を落とす
- スムーズ
- ソフト
- 溶液
- ソリューション
- 一部
- スペース
- スピーカー
- 専門家
- 特定の
- 特に
- スパイク
- スポーツ
- ステージ
- 標準
- start
- 起動
- 開始
- 都道府県
- Status:
- ステップ
- ストレージ利用料
- 店舗
- 戦略
- 文字列
- 勉強
- 成功
- 成功した
- そのような
- サポート
- サポート
- 支援する
- 確か
- 持続可能な
- タックル
- 取る
- 取得
- タスク
- チーム
- 技術的
- テクノロジー
- 条件
- test
- 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
- アプリ環境に合わせて
- それら
- その後
- そこ。
- ボーマン
- 彼ら
- 物事
- この
- それらの
- 三
- しきい値
- 介して
- スループット
- ティム
- 時間
- 〜へ
- トークン
- あまりに
- ツール
- トータル
- TPS
- 追跡する
- トラフィック
- トレーニング
- 取引
- 治療する
- トリガー
- ターニング
- 一般的に
- 下
- わかる
- 未知の
- まで
- アップデイト
- 更新しました
- 更新版
- 使用法
- つかいます
- 使用事例
- 中古
- ユーザー
- users
- 通常
- 検証
- 値
- 価値観
- 多様
- さまざまな
- バージョン
- バージョン
- ビジョン
- 欲しいです
- we
- ウェブ
- Webサービス
- 明確な
- いつ
- which
- while
- 誰
- 意志
- 以内
- 無し
- Word
- 言葉
- 仕事
- 働いていました
- ワークフロー
- ワークフロー
- ワーキング
- 作品
- 年
- You
- あなたの
- ゼファーネット