契約書、請求書、履歴書、報告書などの膨大な量の文書を扱う現代の企業にとって、関連データを効率的に処理して取得することは、競争力を維持するために非常に重要です。 ただし、文書を保存および検索する従来の方法では時間がかかる可能性があり、特に手書きが含まれる場合、特定の文書を見つけるのに多大な労力がかかることがよくあります。 ドキュメントをインテリジェントに処理し、高精度で検索できるようにする方法があればどうなるでしょうか?
これは、 アマゾンテキストラック、AWS の Intelligent Document Processing サービスと、高速検索機能を組み合わせたものです。 Opensearch。 この投稿では、組織がドキュメントをより適切に活用し、ドキュメントから洞察を抽出できるようにするドキュメント検索インデックス ソリューションを迅速に構築して展開する旅をご案内します。
従業員契約の特定の条項を探している人事部門であっても、支払いデータを抽出するために山積みの請求書を調べている財務アナリストであっても、このソリューションは、前例のないスピードと正確さで必要な情報にアクセスできるようにカスタマイズされています。
提案されたソリューションを使用すると、ドキュメントが自動的に取り込まれ、そのコンテンツが解析され、その後、応答性が高くスケーラブルな OpenSearch インデックスにインデックス付けされます。
Amazon Textract などのテクノロジーがどのように機能するかについて説明します。 AWSラムダ, Amazon シンプル ストレージ サービス (Amazon S3)、および AmazonOpenSearchサービス ドキュメントをシームレスに処理するワークフローに統合できます。 次に、このデータを OpenSearch にインデックス付けする方法について詳しく説明し、すぐに利用できるようになる検索機能を示します。
あなたの組織がデジタルトランスフォーメーション時代への最初の一歩を踏み出している場合でも、情報検索の強化を目指す既存の巨大企業である場合でも、このガイドは、AWS Intelligent Document Processing と OpenSearch が提供する機会をナビゲートするための羅針盤となります。
実装 この投稿で使用されているのは、 Amazon Textract IDP CDK コンストラクト – Intelligent Document Processing (IDP) ワークフローのインフラストラクチャを定義する AWS Cloud Development Kit (CDK) コンポーネント。これにより、ユースケース固有のカスタマイズ可能な IDP ワークフローを構築できます。 IDP CDK コンストラクトとサンプルは、AWS 上で IDP プロセスを定義できるようにするコンポーネントのコレクションであり、 GitHubの。 使用される主な概念は AWS です。 クラウド開発キット (CDK) 構築物、実際の CDK スタック および AWSステップ関数。 ワークショップ 機械学習を使用してドキュメントを大規模に自動化および処理する ワークフローのカスタマイズや、他のサンプル ワークフローを独自のワークフローのベースとして使用する方法について詳しく学ぶための良い出発点となります。
ソリューションの概要
このソリューションでは、情報とドキュメントを迅速に検索して取得できるよう、ドキュメントを OpenSearch インデックスにインデックス化することに重点を置いています。 PDF、TIFF、JPEG、または PNG 形式のドキュメントは Amazon Simple Storage Service (アマゾンS3) バケットに格納され、その後、この Step Functions ワークフローを使用して OpenSearch にインデックス付けされます。
OpenSearchWorkflow-Decider ドキュメントを調べて、そのドキュメントがサポートされている MIME タイプ (PDF、TIFF、PNG、または JPEG) のいずれかであることを確認します。 XNUMXつで構成されます AWSラムダ 機能。
ドキュメントスプリッター ドキュメントから最大 2500 ページのチャンクを生成します。 これは、Amazon Textract が最大 3000 ページのドキュメントをサポートしているとしても、それより多くのページのドキュメントを渡すことができ、プロセスは引き続き正常に動作し、ページが OpenSearch に配置され、正しいページ番号が作成されることを意味します。 の ドキュメントスプリッター AWS Lambda関数として実装されています。
マップの状態 各チャンクを並行して処理します。
TextractAsync タスクは非同期を使用して Amazon Textract を呼び出します アプリケーションプログラミングインターフェース (API) 以下 ベストプラクティス Amazon シンプル通知サービス (アマゾンSNS) 通知と 出力構成 Amazon Textract JSON 出力を顧客の Amazon S3 バケットに保存します。 これは XNUMX つの Amazon Lambda 関数で構成されます。XNUMX つは処理のためにドキュメントを送信し、もう XNUMX つは Amazon SNS 通知でトリガーされます。
から TextractAsync タスクは複数のページ分割された出力ファイルを生成できます。 TextractAsyncToJSON2 プロセスにより、それらが XNUMX つの JSON ファイルに結合されます。
Step Functions コンテキストには、OpenSearch インデックスでも検索できるはずの情報が豊富に含まれています。 メタデータの設定 ステップ。 サンプル実装では追加します ORIGIN_FILE_NAME
, START_PAGE_NUMBER
, ORIGIN_FILE_URI
。 他のバックエンド システムからの情報、特定の ID、分類情報など、検索エクスペリエンスを強化するための情報を追加できます。
OpenSearchBatch の生成 生成された Amazon Textract 出力 JSON を取得し、それを SetMetaData によって設定されたコンテキストからの情報と組み合わせて、OpenSearch へのバッチインポート用に最適化されたファイルを準備します。
OpenSearchPushInvoke、このバッチ インポート ファイルは OpenSearch インデックスに送信され、検索に使用できるようになります。 この AWS Lambda 関数は、 aws-lambda-opensearch から構築します AWSソリューション m6g.large.search インスタンス、OpenSearch バージョン 2.7 を使用し、Amazon Elastic Block Service を設定したライブラリ (アマゾンEBS) ボリューム サイズを 2 GB の汎用 2 (GP200) に変更します。 要件に応じて OpenSearch 構成を変更できます。
最終 タスクオープンサーチマッピング ステップはコンテキストをクリアします。そうしないと、 ステップ関数のクォータ of タスク、状態、または実行の最大入力または出力サイズ.
前提条件
サンプルをデプロイするには、AWS アカウントが必要です。 AWSクラウド開発キット(AWS CDK)、現在の Python バージョンと Docker が必要です。 AWS CloudFormation テンプレートをデプロイし、 Amazon エラスティック コンテナ レジストリ (Amazon ECR)、作成 AmazonIDおよびアクセス管理 (AWS IAM) ロール、Amazon Lambda 関数、Amazon S3 バケット、Amazon Step Functions、Amazon OpenSearch クラスター、および アマゾンコグニート ユーザープール。 必ず確認してください AWS CLI環境がセットアップされている 適切な権限を持ちます。
スピンアップすることもできます AWS クラウド9 AWS CDK、Python、Docker がプリインストールされたインスタンスを作成して、デプロイを開始します。
チュートリアル
展開
- 前提条件を設定したら、まずリポジトリのクローンを作成する必要があります。
- 次に、リポジトリ フォルダーに cd して、依存関係をインストールします。
- OpenSearchWorkflow スタックをデプロイします。
GitHub サンプルのデフォルト構成設定を使用したデプロイメントには約 25 分かかり、Step Functions ワークフローが作成されます。このワークフローは、ドキュメントが Amazon S3 バケット/プレフィックスに配置されるときに呼び出され、その後、ドキュメントのコンテンツのインデックスが作成されるまで処理されます。 OpenSearch クラスター内。
以下は、有用なリンクと、から生成された情報を含むサンプル出力です。cdk deploy OpenSearchWorkflow
コマンド:
この情報は、AWS CloudFormation コンソールでも入手できます。
新しい文書を下に置くと、 OpenSearchWorkflow.DocumentUploadLocation、このドキュメントに対して新しい Step Functions ワークフローが開始されます。
この文書のステータスを確認するには、 OpenSearchWorkflow.StepFunctionFlowLink には、AWS マネジメントコンソールの StepFunction 実行のリストへのリンクがあり、Amazon S3 にアップロードされた各ドキュメントのドキュメント処理のステータスが表示されます。 チュートリアル Step Functions コンソールでの実行の表示とデバッグ では、AWS コンソールのコンポーネントとビューの概要を説明します。
テスト
- 最初にサンプル ファイルを使用してテストします。
- StepFunction ワークフローへのリンクを選択するか、AWS マネジメントコンソールを開いて Step Functions サービスページに移動すると、さまざまなワークフロー呼び出しを確認できます。
- 現在実行中のサンプル ドキュメントの実行を見て、個々のワークフロー タスクの実行を追跡できます。
を検索
プロセスが完了すると、ドキュメントが OpenSearch インデックスにインデックス付けされていることを検証できます。
- これを行うには、まず Amazon Cognito ユーザーを作成します。 Amazon Cognito は、OpenSearch インデックスに対するユーザーの認証に使用されます。 cdk のデプロイからの出力内のリンクを選択します (または、 AWS CloudFormation AWS マネジメントコンソールの出力) という名前 OpenSearchWorkflow.CognitoUserPoolLink.
- 次に、 ユーザーを作成 ボタンをクリックすると、OpenSearch ダッシュボードにアクセスするためのユーザー名とパスワードを入力するページが表示されます。
- 選んだ後 ユーザーを作成をクリックすると、OpenSearch ダッシュボードに進むことができます。 OpenSearchWorkflow.OpenSearchDashboard CDK デプロイメント出力から。 以前に作成したユーザー名とパスワードを使用してログインします。 初めてログインするときは、パスワードを変更する必要があります。
- OpenSearch ダッシュボードにログインしたら、 スタック管理 セクション、その後に続く インデックスパターン■ 検索インデックスを作成します。
- インデックスのデフォルト名は次のとおりです。 論文インデックス インデックスパターン名は 論文インデックス* それに一致します。
- クリックした後 次のステップ選択 タイムスタンプ として 時間フィールド および インデックスパターンを作成する.
- 次に、メニューから選択します 分析による現状把握.
ほとんどの場合、最後の取り込みに応じて期間を変更する必要があります。 デフォルトは 15 分ですが、多くの場合、最後の 15 分間にアクティビティがありませんでした。 この例では、取り込みを視覚化するために 15 日に変更されました。
- これで検索を開始できます。 小説がインデックス化され、次のような用語を検索できます。 イシュマエルと呼んでください 結果を確認してください。
この場合、用語は イシュマエルと呼んでください このファイルは、ドキュメントの 6 ページの指定された URI (Uniform Resource Identifier) に表示されます。これは、ファイルの Amazon S3 の場所を指します。 これにより、PDF、TIFF、または画像ドキュメントの大規模なコーパス全体でドキュメントを識別し、情報を見つけることが、手動でスキップする場合に比べて速くなります。
大規模な実行
インデックス作成プロセスの規模と期間を見積もるために、93,997 個のドキュメントと合計 1,583,197 ページ (ドキュメントあたり平均 16.84 ページ、最大ファイルは 3755 ページ) で実装をテストし、すべてが OpenSearch にインデックス付けされました。 すべてのファイルを処理して OpenSearch にインデックスを作成するのに、デフォルトを使用した米国東部 (バージニア北部 – us-east-5.5) リージョンで 1 時間かかりました。 Amazon Textract サービスのクォータ。 以下のグラフは、18:00 に最初のテストが行われ、その後 21:00 にメインの取り込みが行われ、2:30 までにすべてが完了したことを示しています。
加工に関しては、 tcdk.SFExecutionsStartThrottle に設定されました executions_concurrency_threshold
=550。これは、同時ドキュメント処理ワークフローの上限が 550 に制限され、超過したリクエストはキューに入れられることを意味します。 アマゾンSQS 先入れ先出し (FIFO) キュー。現在のワークフローが終了すると、その後空になります。 しきい値 550 は、us-east-600 リージョンの Textract サービス クォータ 1 に基づいています。 したがって、キューの深さと最も古いメッセージの経過時間は監視する価値のあるメトリクスです。
このテストでは、すべてのドキュメントが一度に Amazon S3 にアップロードされたため、 表示されるメッセージのおおよその数 新しいドキュメントが取り込まれないため、急激に増加し、その後ゆっくりと減少します。 の 最も古いメッセージのおよその経過時間 すべてのメッセージが処理されるまで増加します。 アマゾンSQS メッセージ保持期間 14日間に設定されています。 14 日の処理を超える可能性がある非常に長時間のバックログ処理の場合は、代表的なドキュメントのより小さなサブセットの処理から開始し、実行時間を監視して、14 日を超える前に渡せるドキュメントの数を見積もります。 Amazon SQS CloudWatch メトリクスは、一度に取り込まれてから完全に処理される大量のドキュメントのバックログを処理するユースケースと同様に見えます。 ユースケースがドキュメントの安定した流れである場合、両方のメトリクスは、 表示されるメッセージのおおよその数 と 最も古いメッセージのおよその経過時間 より直線的になります。 しきい値パラメーターを使用して、定常負荷とバックログ処理を混合し、処理のニーズに応じて容量を割り当てることもできます。
監視するもう XNUMX つのメトリクスは、OpenSearch クラスターの健全性です。これは、次に従ってセットアップする必要があります。 Amazon OpenSearch Service の実務的なベストプラクティス。 デフォルトのデプロイメントでは、m6g.large.search インスタンスが使用されます。
これは、OpenSearch クラスターの重要業績評価指標 (KPI) のスナップショットです。 エラーはなく、インデックス作成のデータ レートと遅延は一定です。
Step Functions ワークフローの実行では、個々のドキュメントの処理状態が表示されます。 で処刑を見たら Failed: 状態を選択し、詳細を選択します。 監視するのに適した指標は AWS です CloudWatch 自動ダッシュボード Step Functions の場合、一部を公開します。 Step Functions CloudWatch メトリクス.
この AWS CloudWatch Dashboard グラフでは、成功した Step Functions の実行の経時変化がわかります。
そして、これは失敗した実行を示しています。 これらは、AWS コンソール Step Functions の概要を通じて調査する価値があります。
次のスクリーンショットは、元のファイルのサイズが 0 であるために実行が失敗した例を示しています。これは、ファイルにコンテンツがなく、処理できなかったため、これは当然のことです。 ソースドキュメントに戻って根本原因を検証するには、失敗したプロセスをフィルタリングして障害を視覚化することが重要です。
その他の失敗には、MIME タイプではないドキュメント (application/pdf、image/png、image/jpeg、または image/tiff) が含まれる可能性があります。これは、他のドキュメントタイプが Amazon Textract でサポートされていないためです。
費用
1,583,278 ページの取り込みにかかる総コストは、実装に使用される AWS サービス間で分割されました。 実際のコストと処理時間はドキュメントのサイズ、ドキュメントあたりのページ数、ドキュメント内の情報の密度、および AWS リージョンによって異なるため、次のリストはおおよその数値として機能します。 Amazon DynamoDB 消費額は $0.55、Amazon S3 $3.33、OpenSearch Service $14.71、Step Functions $17.92、AWS Lambda $28.95、Amazon Textract $1,849.97 でした。 また、デプロイされた Amazon OpenSearch Service クラスターは時間単位で請求され、一定期間にわたって実行するとコストが増加することに注意してください。
修正
おそらく、実装を変更し、ユースケースやドキュメントに合わせてカスタマイズする必要があるでしょう。 ワークショップ 機械学習を使用してドキュメントを大規模に自動化および処理する 実際のワークフローを操作し、フローを変更し、新しいコンポーネントを追加する方法についての概要を示します。 OpenSearch インデックスにカスタム フィールドを追加するには、 メタデータの設定 を使用したワークフロー内のタスク セットマニフェストメタデータオープンサーチ メタデータをコンテキストに追加する AWS Lambda 関数。メタデータは OpenSearch インデックスにフィールドとして追加されます。 メタデータ情報はすべてインデックスの一部になります。
清掃
サンプル リソースが不要になった場合は、次のコマンドを使用して将来のコストの発生を避けるために削除します。
と同じ環境で cdk deploy
指示。 これにより、OpenSearch クラスター、すべてのドキュメント、Amazon S3 バケットを含むすべてが削除されることに注意してください。 その情報を維持したい場合は、Amazon S3 バケットをバックアップし、 OpenSearch クラスターからインデックス スナップショットを作成する。 多くのファイルを処理した場合は、最初に AWS マネジメントコンソールを使用して Amazon S3 バケットを空にする必要がある場合があります (つまり、情報を保持したい場合はバックアップを作成した後、またはファイルを別のバケットに同期した後)。タイムアウトになり、AWS CloudFormation スタックが破壊される可能性があります。
まとめ
この投稿では、フルスタック ソリューションをデプロイして、検索ユースケースですぐに使用できる大量のドキュメントを OpenSearch インデックスに取り込む方法を説明しました。 実装の個々のコンポーネントだけでなく、スケーリングに関する考慮事項、コスト、変更オプションについても説明しました。 すべてのコードは GitHub 上のオープンソースとしてアクセスできます。 IDP CDK サンプル など IDP CDK コンストラクト 独自のソリューションをゼロから構築します。 次のステップとして、ワークフローの変更を開始し、検索インデックス内のドキュメントに情報を追加して、 IDPワークショップ。 現在のソリューションを拡張するためのあなたの経験やアイデアについて、以下にコメントしてください。
著者について
マルティン・シャーデ は、AmazonTextractチームのシニアML製品SAです。 彼は、インターネット関連のテクノロジー、エンジニアリング、およびアーキテクチャソリューションで20年以上の経験があります。 彼は2014年にAWSに参加し、最初にAWSサービスの最も効率的でスケーラブルな使用法についてAWSの最大の顧客の一部を指導し、その後、コンピュータービジョンに焦点を当てたAI/MLに焦点を当てました。 現在、彼はドキュメントから情報を抽出することに夢中になっています。
- 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/implement-smart-document-search-index-with-amazon-textract-and-amazon-opensearch/
- :持っている
- :は
- :not
- :どこ
- $3
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 14
- 視聴者の38%が
- 16
- 17
- 20
- 20年
- 200
- 2014
- 216
- 220
- 25
- 30
- 3000
- 32
- 33
- 7
- 700
- 8
- 820
- 84
- 9
- a
- 私たちについて
- アクセス
- アクセス可能な
- アクセス
- 従った
- 累積する
- 精度
- 越えて
- アクティビティ
- 実際の
- 加えます
- 追加されました
- 追加
- 追加
- 後
- に対して
- 年齢
- AI / ML
- すべて
- 割り当てる
- 許す
- また
- Amazon
- アマゾンコグニート
- AmazonOpenSearchサービス
- アマゾンテキストラック
- Amazon Webサービス
- an
- アナリスト
- および
- どれか
- API
- 登場する
- 近似
- です
- 周りに
- AS
- At
- 認証
- 自動化する
- オートマチック
- 自動的に
- 利用できます
- 平均
- 避ける
- AWS
- AWS CloudFormation
- AWSラムダ
- AWSマネジメントコンソール
- バック
- バックエンド
- バックアップ
- ベース
- ベース
- BE
- なぜなら
- になる
- さ
- 以下
- BEST
- ベストプラクティス
- より良いです
- 用心します
- ブロック
- 両言語で
- ビルド
- (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
- コール
- 缶
- 機能
- 容量
- 場合
- 例
- 原因となる
- CD
- 変化する
- 変更
- 変化
- チェック
- 選択する
- 分類
- クラウド
- クラスタ
- コード
- コレクション
- 組み合わせ
- コメント
- 企業
- 比べ
- コンパス
- 競争力のある
- コンポーネント
- コンピュータ
- Computer Vision
- コンセプト
- 同時
- 設定された
- 交流
- 検討事項
- からなる
- 領事
- 定数
- 構築する
- コンテナ
- コンテンツ
- コンテキスト
- 続ける
- 契約
- 正しい
- 費用
- コスト
- 可能性
- 結合しました
- カバー
- 作ります
- 作成した
- 作成します。
- 重大な
- 電流プローブ
- 現在
- カスタム
- 顧客
- Customers
- カスタマイズ可能な
- カスタマイズ
- ダッシュボード
- ダッシュボード
- データ
- 日
- 取引
- 衰退
- デフォルト
- 定義します
- 定義
- 実証します
- 依存関係
- によっては
- 展開します
- 展開
- 展開
- 深さ
- 破壊する
- 細部
- 開発
- 対話
- 異なります
- デジタル
- 発見する
- 議論する
- 表示
- ダイビング
- do
- デッカー
- ドキュメント
- ドキュメント
- 行われ
- 排水した
- 原因
- デュレーション
- e
- 各
- 東
- エッジ(Edge)
- 効率的な
- 効率良く
- 努力
- 従業員
- エンパワー
- enable
- エンジニアリング
- 巨大な
- 豊かにする
- 豊かな
- 入力します
- 環境
- 時代
- エラー
- 特に
- 設立
- 推定
- さらに
- すべてのもの
- 例
- 超えます
- 超えます
- 過剰
- 実行
- 詳細
- 体験
- 探る
- エキス
- Failed:
- スピーディー
- 速いです
- フィールド
- フィールズ
- フィギュア
- File
- filter
- ファイナル
- ファイナンシャル
- もう完成させ、ワークスペースに掲示しましたか?
- 終わり
- 指先
- 仕上げ
- 名
- 最初のステップ
- 初回
- フロー
- フォーカス
- 焦点を当て
- 続いて
- 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
- フル
- フルスタック
- 完全に
- function
- 機能
- 未来
- 生成された
- 生成
- 受け
- 巨大な
- GitHubの
- 与えられた
- Go
- 行く
- 良い
- グラフ
- ガイド
- ハーネス
- 持ってる
- 持って
- he
- 健康
- ことができます
- ハイ
- より高い
- 非常に
- 時間
- HOURS
- 認定条件
- How To
- しかしながら
- HTML
- HTTPS
- 人間
- 人事
- i
- 考え
- 識別子
- 識別する
- アイデンティティ
- イド
- if
- 画像
- 実装する
- 実装
- 実装
- import
- 重要
- in
- include
- 含めて
- 増える
- 増加
- index
- 索引付けされた
- インジケータ
- 個人
- 情報
- インフラ関連事業
- 初期
- 開始する
- 洞察
- install
- 統合された
- 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
- に
- 調査中
- 呼び出された
- IT
- 参加した
- 旅
- JPG
- JSON
- キープ
- キー
- 大
- 最大の
- 姓
- レイテンシ
- 後で
- LEARN
- 学習
- 図書館
- ような
- 可能性が高い
- LINK
- リンク
- リスト
- 負荷
- 場所
- ログインして
- ログイン
- 長い
- より長いです
- 見て
- 探して
- LOOKS
- 機械
- 機械学習
- 製
- メイン
- 維持する
- 保守
- make
- 作る
- 管理
- 手動で
- 多くの
- 一致
- 五月..
- me
- 手段
- メニュー
- メッセージ
- メッセージ
- メソッド
- メトリック
- メトリック
- かもしれない
- マインド
- 分
- ミックス
- ML
- モダン
- 修正する
- モニター
- モニタリング
- 他には?
- 最も
- 山
- の試合に
- 名
- 名前付き
- ナビゲート
- 必要
- ニーズ
- 新作
- 次の
- いいえ
- 通知
- 通知
- 小説
- 数
- 番号
- of
- 提供
- 頻繁に
- 最も古い投稿
- on
- かつて
- ONE
- 開いた
- オープンソース
- 機会
- 最適化
- オプション
- or
- 注文
- 組織
- 起源
- その他
- さもないと
- でる
- 出力
- が
- 概要
- 自分の
- ページ
- ページ
- 並列シミュレーションの設定
- パラメーター
- 部
- パス
- パスワード
- パターン
- パターン
- 支払い
- 以下のために
- パフォーマンス
- 期間
- パーミッション
- 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
- ポイント
- ポイント
- プール
- 可能
- ポスト
- プラクティス
- 準備する
- 前提条件
- プレゼント
- 前に
- プロセス
- 処理済み
- ラボレーション
- 処理
- 作り出す
- プロダクト
- プログラミング
- 提案された
- は、大阪で
- 公表
- 目的
- プッシュ
- 置きます
- 置く
- Python
- クイック
- 急速に
- レート
- 準備
- 地域
- レポート
- 倉庫
- 代表者
- リクエスト
- の提出が必要です
- 要件
- リソースを追加する。
- リソース
- 反応する
- 結果
- 結果
- リテンションを維持
- 役割
- ルート
- ラン
- ランニング
- SA
- 同じ
- ド電源のデ
- 規模
- スケーリング
- スクラッチ
- シームレス
- を検索
- 検索
- セクション
- を求める
- 選択
- シニア
- センス
- 送信
- 仕える
- サービス
- サービス
- セッションに
- 設定
- すべき
- 表示する
- 示されました
- 作品
- 同様の
- 簡単な拡張で
- サイズ
- 遅く
- より小さい
- スマート
- Snapshot
- So
- 溶液
- ソリューション
- 一部
- ソース
- 特定の
- スピード
- スピン
- split
- スタック
- start
- 開始
- 起動
- 都道府県
- 米国
- Status:
- 着実
- 手順
- ステップ
- まだ
- ストレージ利用料
- 店舗
- 保存
- 提出する
- 続いて
- 成功した
- そのような
- サポート
- サポート
- 確か
- システム
- テーラード
- 取る
- 取り
- 取得
- 仕事
- タスク
- チーム
- テクノロジー
- テンプレート
- 期間
- 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.
- それ
- グラフ
- 情報
- ソース
- ステート
- アプリ環境に合わせて
- それら
- その後
- そこ。
- したがって、
- ボーマン
- 彼ら
- この
- しかし?
- しきい値
- 介して
- へ
- 時間
- 時間がかかる
- 〜へ
- 取った
- トータル
- 伝統的な
- 変換
- トリガ
- チュートリアル
- 2
- type
- 下
- 前例のない
- まで
- 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
- 利用
- 検証
- 値
- バージョン
- 非常に
- ビュー
- バージニア州
- ビジョン
- 視覚化する
- ボリューム
- ボリューム
- 欲しいです
- ました
- 仕方..
- we
- ウェブ
- Webサービス
- WELL
- した
- この試験は
- いつ
- which
- 意志
- ワークフロー
- ワークフロー
- 作品
- ワークショップ
- ワークショップ
- 価値
- 年
- You
- あなたの
- ゼファーネット