Veliki jezikovni modeli (LLM) lahko s svojim širokim znanjem ustvarijo človeško podobno besedilo o skoraj kateri koli temi. Vendar pa njihovo usposabljanje na obsežnih naborih podatkov prav tako omejuje njihovo uporabnost za specializirane naloge. Brez nadaljnjega učenja se ti modeli ne zavedajo novih podatkov in trendov, ki se pojavijo po njihovem začetnem usposabljanju. Poleg tega se stroški za usposabljanje novih LLM-jev lahko izkažejo za previsoke za mnoga podjetja. Vendar je možno navzkrižno sklicevanje na odgovor modela z izvirno specializirano vsebino, s čimer se izognete potrebi po usposabljanju novega modela LLM z uporabo RAG (Retrieval-Augmented Generation).
RAG opolnomoči LLM-je tako, da jim daje možnost pridobivanja in vključevanja zunanjega znanja. Namesto da bi se zanašal samo na svoje vnaprej usposobljeno znanje, RAG omogoča modelom, da črpajo podatke iz dokumentov, baz podatkov in drugega. Model nato te zunanje informacije spretno integrira v svoje ustvarjeno besedilo. Z pridobivanjem podatkov, pomembnih za kontekst, lahko model zagotovi informirane, posodobljene odgovore, prilagojene vašemu primeru uporabe. Povečanje znanja tudi zmanjša verjetnost halucinacij in netočnega ali nesmiselnega besedila. Z RAG modeli temeljev postanejo prilagodljivi strokovnjaki, ki se razvijajo z rastjo vaše baze znanja.
Danes z veseljem razkrivamo tri generativne predstavitve umetne inteligence, licencirane pod Licenca MIT-0:
- Amazon Kendra z osnovnim LLM – Uporablja zmožnosti globokega iskanja Amazonska Kendra v kombinaciji z obširnim znanjem LLM. Ta integracija zagotavlja natančne odgovore na zapletene poizvedbe, ki se zavedajo konteksta, s črpanjem iz različnih virov.
- Model vdelave s temeljnim LLM – Združuje moč vdelav – tehniko za zajemanje semantičnih pomenov besed in besednih zvez – z obsežno bazo znanja LLM. Ta sinergija omogoča natančnejše modeliranje tem, priporočilo vsebine in zmožnosti semantičnega iskanja.
- Foundation Models Pharma Ad Generator – Specializirana aplikacija, prilagojena farmacevtski industriji. Z izkoriščanjem generativnih zmožnosti temeljnih modelov to orodje ustvarja prepričljive in skladne farmacevtske oglase ter zagotavlja, da je vsebina v skladu z industrijskimi standardi in predpisi.
Te predstavitve je mogoče brezhibno namestiti v vašem računu AWS, saj ponujajo temeljne vpoglede in navodila za uporabo storitev AWS za ustvarjanje najsodobnejšega LLM generativnega bota za vprašanja in odgovore ter ustvarjanje vsebine.
V tej objavi raziskujemo, kako lahko RAG v kombinaciji z Amazon Kendra ali vdelavami po meri premaga te izzive in zagotovi natančnejše odgovore na poizvedbe v naravnem jeziku.
Pregled rešitev
S sprejetjem te rešitve lahko pridobite naslednje prednosti:
- Izboljšan dostop do informacij – RAG omogoča modelom pridobivanje informacij iz obsežnih zunanjih virov, kar je lahko še posebej koristno, če je znanje vnaprej usposobljenega modela zastarelo ali nepopolno.
- Prilagodljivost – Namesto usposabljanja modela na vseh razpoložljivih podatkih RAG omogoča modelom, da sproti pridobivajo ustrezne informacije. To pomeni, da ko so na voljo novi podatki, jih je mogoče dodati v bazo podatkov za iskanje, ne da bi bilo treba ponovno usposobiti celoten model.
- Učinkovitost pomnilnika – LLM-ji potrebujejo veliko pomnilnika za shranjevanje parametrov. Z RAG je lahko model manjši, ker mu ni treba zapomniti vseh podrobnosti; po potrebi jih lahko pridobi.
- Dinamično posodabljanje znanja – Za razliko od običajnih modelov z nastavljeno končno točko znanja se lahko zunanja zbirka podatkov RAG redno posodablja, kar modelu omogoča dostop do posodobljenih informacij. Funkcijo priklica je mogoče natančno nastaviti za različne naloge. Na primer, medicinska diagnostična naloga lahko pridobiva podatke iz medicinskih revij, kar zagotavlja, da model pridobi strokovne in ustrezne vpoglede.
- Zmanjšanje pristranskosti – Zmožnost črpanja iz dobro urejene podatkovne baze ponuja potencial za zmanjšanje pristranskosti z zagotavljanjem uravnoteženih in nepristranskih zunanjih virov.
Preden se poglobite v integracijo Amazon Kendra s temeljnimi LLM-ji, je ključnega pomena, da se opremite s potrebnimi orodji in sistemskimi zahtevami. Pravilna nastavitev je prvi korak k brezhibni uvedbi predstavitev.
Predpogoji
Imeti morate naslednje predpogoje:
Čeprav je mogoče infrastrukturo, ki je podrobno opisana v tej vadnici, nastaviti in razmestiti iz vašega lokalnega računalnika, AWS Cloud9 ponuja priročno alternativo. Vnaprej opremljen z orodji, kot so AWS CLI, AWS CDK in Docker, lahko AWS Cloud9 deluje kot vaša delovna postaja za uvajanje. Za uporabo te storitve preprosto nastavite okolje preko Konzola AWS Cloud9.
Ker predpogojev ni več, se poglobimo v funkcije in zmožnosti Amazon Kendra s temeljnimi LLM-ji.
Amazon Kendra z osnovnim LLM
Amazon Kendra je napredna storitev iskanja v podjetjih, izboljšana s strojnim učenjem (ML), ki zagotavlja takojšnje semantične možnosti iskanja. Z uporabo obdelave naravnega jezika (NLP) Amazon Kendra razume tako vsebino dokumentov kot osnovne namene uporabniških poizvedb in jo postavlja kot orodje za iskanje vsebine za rešitve, ki temeljijo na RAG. Z uporabo visoko natančne iskalne vsebine iz Kendre kot tovora RAG lahko dobite boljše odzive LLM. Uporaba Amazon Kendra v tej rešitvi omogoča tudi prilagojeno iskanje s filtriranjem odgovorov glede na dovoljenja za dostop končnega uporabnika do vsebine.
Naslednji diagram prikazuje arhitekturo generativne aplikacije AI z uporabo pristopa RAG.
Dokumente obdeluje in indeksira Amazon Kendra prek Preprosta storitev shranjevanja Amazon (Amazon S3) priključek. Zahteve strank in kontekstualni podatki Amazon Kendra so usmerjeni k Amazon Bedrock temeljni model. Predstavitev vam omogoča izbiro med modeli Amazon Titan, AI21 Jurassic in Anthropic Claude, ki jih podpira Amazon Bedrock. Zgodovina pogovorov je shranjena v Amazon DynamoDB, ki ponuja dodaten kontekst za LLM za ustvarjanje odgovorov.
To predstavitev smo zagotovili v GitHub repo. Glejte navodila za uvajanje v datoteki readme za uvajanje v svoj račun AWS.
Naslednji koraki opisujejo postopek, ko uporabnik komunicira z generativno aplikacijo AI:
- Uporabnik se prijavi v spletno aplikacijo, ki jo overi Amazon Cognito.
- Uporabnik naloži enega ali več dokumentov v Amazon S3.
- Uporabnik zažene opravilo sinhronizacije Amazon Kendra, da vnese dokumente S3 v indeks Amazon Kendra.
- Uporabnikovo vprašanje je usmerjeno prek varnega API-ja WebSocket, ki gostuje na Amazon API Gateway podpira a AWS Lambda Funkcija.
- Funkcija Lambda, ki jo podpira LangChain Framework – vsestransko orodje, zasnovano za ustvarjanje aplikacij, ki jih poganjajo jezikovni modeli AI – se poveže s končno točko Amazon Bedrock, da na podlagi zgodovine klepeta preoblikuje uporabnikovo vprašanje. Po preoblikovanju se vprašanje posreduje Amazon Kendra z uporabo API-ja Retrieve. Indeks Amazon Kendra kot odgovor prikazuje rezultate iskanja in zagotavlja izvlečke iz ustreznih dokumentov, pridobljenih iz podatkov, ki jih je podjetje zaužilo.
- Uporabnikovo vprašanje skupaj s podatki, pridobljenimi iz indeksa, se pošlje kot kontekst v poziv LLM. Odgovor LLM je shranjen kot zgodovina klepeta znotraj DynamoDB.
- Na koncu se odgovor LLM pošlje nazaj uporabniku.
Potek dela indeksiranja dokumentov
Sledi postopek obdelave in indeksiranja dokumentov:
- Uporabniki oddajo dokumente prek uporabniškega vmesnika (UI).
- Dokumenti se prenesejo v vedro S3 z uporabo Ojačaj AWS API.
- Amazon Kendra indeksira nove dokumente v vedru S3 prek priključka Amazon Kendra S3.
prednosti
Naslednji seznam poudarja prednosti te rešitve:
- Pridobivanje na ravni podjetja – Amazon Kendra je zasnovan za iskanje v podjetjih, zaradi česar je primeren za organizacije z ogromnimi količinami strukturiranih in nestrukturiranih podatkov.
- Semantično razumevanje – Zmogljivosti ML storitve Amazon Kendra zagotavljajo, da iskanje temelji na globokem semantičnem razumevanju in ne le na ujemanju ključnih besed.
- Prilagodljivost – Amazon Kendra lahko obdeluje obsežne vire podatkov in zagotavlja hitre in ustrezne rezultate iskanja.
- prilagodljivost – Temeljni model lahko ustvari odgovore na podlagi širokega nabora kontekstov, kar zagotavlja, da sistem ostane vsestranski.
- Integracijske zmogljivosti – Amazon Kendra je mogoče integrirati z različnimi storitvami AWS in viri podatkov, zaradi česar je prilagodljiv za različne organizacijske potrebe.
Model vdelave s temeljnim LLM
An vdelava je numerični vektor, ki predstavlja bistvo različnih vrst podatkov, vključno z besedilom, slikami, zvokom in dokumenti. Ta predstavitev ne zajame le bistvenega pomena podatkov, ampak jih tudi prilagodi širokemu spektru praktičnih aplikacij. Modeli vdelave, veja ML, pretvarjajo kompleksne podatke, kot so besede ali fraze, v neprekinjene vektorske prostore. Ti vektorji sami po sebi razumejo semantične povezave med podatki, kar omogoča globlje in bolj pronicljive primerjave.
RAG brezhibno združuje prednosti temeljnih modelov, kot so transformatorji, z natančnostjo vdelav za brskanje po obsežnih bazah podatkov za ustrezne informacije. Po prejemu poizvedbe sistem uporabi vdelave za identifikacijo in ekstrahiranje ustreznih razdelkov iz obsežne zbirke podatkov. Temeljni model nato oblikuje kontekstualno natančen odgovor na podlagi teh pridobljenih informacij. Ta popolna sinergija med iskanjem podatkov in generiranjem odgovorov omogoča sistemu, da zagotovi temeljite odgovore, ki črpajo iz obsežnega znanja, shranjenega v obsežnih zbirkah podatkov.
V arhitekturni postavitvi so uporabniki na podlagi izbire uporabniškega vmesnika vodeni do Amazonove temeljne skale ali Amazon SageMaker JumpStart modeli temeljev. Dokumenti so podvrženi obdelavi, model vdelav pa ustvari vektorske vdelave. Te vdelave se nato indeksirajo z uporabo FAISS omogočiti učinkovito pomensko iskanje. Zgodovine pogovorov so ohranjene v DynamoDB, kar obogati kontekst za LLM za oblikovanje odgovorov.
Naslednji diagram ponazarja arhitekturo rešitve in potek dela.
To predstavitev smo zagotovili v GitHub repo. Glejte navodila za uvajanje v datoteki readme za uvajanje v svoj račun AWS.
Model vdelav
Odgovornosti modela vdelav so naslednje:
- Ta model je odgovoren za pretvorbo besedila (kot so dokumenti ali odlomki) v goste vektorske predstavitve, splošno znane kot vdelave.
- Te vdelave zajamejo semantični pomen besedila, kar omogoča učinkovite in pomensko pomembne primerjave med različnimi deli besedila.
- Model vdelav je mogoče učiti na istem obsežnem korpusu kot temeljni model ali pa ga je mogoče specializirati za določena področja.
Potek dela z vprašanji in odgovori
Naslednji koraki opisujejo potek dela odgovorov na vprašanja v dokumentih:
- Uporabnik se prijavi v spletno aplikacijo, ki jo overja Amazon Cognito.
- Uporabnik naloži enega ali več dokumentov v Amazon S3.
- Ob prenosu dokumenta obvestilo o dogodku S3 sproži funkcijo Lambda, ki nato pokliče končno točko modela vdelave SageMaker za ustvarjanje vdelav za nov dokument. Model vdelave pretvori vprašanje v gosto vektorsko predstavitev (vdelava). Nastala vektorska datoteka je varno shranjena v vedru S3.
- FAISS retriever primerja to vdelavo vprašanja z vdelavami vseh dokumentov ali odlomkov v zbirki podatkov, da najde najbolj ustrezne odlomke.
- Odlomki, skupaj z uporabnikovim vprašanjem, so podani kot kontekst temeljnega modela. Funkcija Lambda uporablja knjižnico LangChain in se poveže s končno točko Amazon Bedrock ali SageMaker JumpStart s poizvedbo, polnjeno s kontekstom.
- Odgovor LLM je shranjen v DynamoDB skupaj z uporabnikovo poizvedbo, časovnim žigom, edinstvenim identifikatorjem in drugimi poljubnimi identifikatorji za element, kot je kategorija vprašanja. Shranjevanje vprašanja in odgovora kot ločenih postavk omogoča funkciji Lambda enostavno poustvaritev uporabnikove zgodovine pogovorov na podlagi časa, ko so bila postavljena vprašanja.
- Nazadnje se odgovor pošlje nazaj uporabniku prek zahteve HTTPs prek odziva integracije API-ja Gateway WebSocket.
prednosti
Naslednji seznam opisuje prednosti te rešitve:
- Semantično razumevanje – Model vdelav zagotavlja, da iskalec izbere odlomke na podlagi globokega semantičnega razumevanja, ne le na podlagi ujemanja ključnih besed.
- Prilagodljivost – Vdelave omogočajo učinkovite primerjave podobnosti, kar omogoča hitro iskanje po obsežnih bazah podatkov dokumentov.
- prilagodljivost – Temeljni model lahko ustvari odgovore na podlagi širokega nabora kontekstov, kar zagotavlja, da sistem ostane vsestranski.
- Prilagodljivost domene – Model vdelav je mogoče usposobiti ali natančno nastaviti za specifične domene, kar omogoča prilagoditev sistema za različne aplikacije.
Generator farmacevtskih oglasov Foundation Models
V današnji hitro razvijajoči se farmacevtski industriji je učinkovito in lokalizirano oglaševanje ključnega pomena kot kdaj koli prej. Tu nastopi inovativna rešitev, ki uporablja moč generativne umetne inteligence za izdelavo lokaliziranih farmacevtskih oglasov iz izvornih slik in datotek PDF. Poleg tega, da zgolj pospešuje proces ustvarjanja oglasov, ta pristop poenostavlja postopek medicinskega pravnega pregleda (MLR). MLR je strog pregledovalni mehanizem, v katerem medicinske, pravne in regulativne ekipe natančno ocenjujejo promocijska gradiva, da zagotovijo njihovo točnost, znanstveno podporo in skladnost z zakonodajo. Tradicionalne metode ustvarjanja vsebine so lahko okorne, pogosto zahtevajo ročne prilagoditve in obsežne preglede, da se zagotovi usklajenost z regionalno skladnostjo in ustreznostjo. Vendar pa lahko s prihodom generativne umetne inteligence zdaj avtomatiziramo ustvarjanje oglasov, ki resnično odmevajo pri lokalnem občinstvu, pri tem pa upoštevamo stroge standarde in smernice.
Naslednji diagram prikazuje arhitekturo rešitev.
V arhitekturni postavitvi so uporabniki na podlagi izbranega modela in oglasnih preferenc brezhibno vodeni do modelov temeljev Amazon Bedrock. Ta racionaliziran pristop zagotavlja, da se novi oglasi ustvarijo natančno glede na želeno konfiguracijo. Kot del procesa dokumente učinkovito obravnava Amazonovo besedilo, pri čemer je nastalo besedilo varno shranjeno v DynamoDB. Izstopajoča lastnost je modularna zasnova za generiranje slik in besedila, ki vam omogoča prilagodljivost, da po potrebi neodvisno regenerirate katero koli komponento.
To predstavitev smo zagotovili v GitHub repo. Glejte navodila za uvajanje v datoteki readme za uvajanje v svoj račun AWS.
Potek dela za ustvarjanje vsebine
Naslednji koraki opisujejo postopek ustvarjanja vsebine:
- Uporabnik izbere svoj dokument, izvorno sliko, umestitev oglasa, jezik in slog slike.
- Varen dostop do spletne aplikacije je zagotovljen preko avtentikacije Amazon Cognito.
- Sprednji del spletne aplikacije gostuje prek Amplify.
- WebSocket API, ki ga upravlja API Gateway, olajša zahteve uporabnikov. Te zahteve so overjene prek AWS upravljanje identitete in dostopa (JAZ SEM).
- Integracija z Amazon Bedrock vključuje naslednje korake:
- Funkcija Lambda uporablja knjižnico LangChain za povezavo s končno točko Amazon Bedrock z uporabo kontekstno bogate poizvedbe.
- Temeljni model pretvorbe besedila v besedilo oblikuje kontekstualno primeren oglas na podlagi danega konteksta in nastavitev.
- Osnovni model besedila v sliko ustvari prilagojeno sliko, na katero vplivajo izvorna slika, izbrani slog in lokacija.
- Uporabnik prejme odgovor prek zahteve HTTPS prek integriranega API Gateway WebSocket.
Potek dela za obdelavo dokumentov in slik
Sledi postopek obdelave dokumentov in slik:
- Uporabnik naloži sredstva prek podanega uporabniškega vmesnika.
- API Amplify prenese dokumente v vedro S3.
- Ko je sredstvo preneseno na Amazon S3, se izvede eno od naslednjih dejanj:
- Če gre za dokument, funkcija Lambda uporablja Amazon Texttract za obdelavo in ekstrahiranje besedila za ustvarjanje oglasov.
- Če gre za sliko, jo funkcija Lambda pretvori v format base64, ki je primeren za model Stable Diffusion za ustvarjanje nove slike iz vira.
- Ekstrahirano besedilo ali slikovni niz base64 je varno shranjen v DynamoDB.
prednosti
Naslednji seznam opisuje prednosti te rešitve:
- Učinkovitost – Uporaba generativne umetne inteligence občutno pospeši proces ustvarjanja oglasov in odpravlja potrebo po ročnih prilagoditvah.
- Upoštevanje skladnosti – Rešitev zagotavlja, da so ustvarjeni oglasi v skladu s posebnimi smernicami in predpisi, kot so smernice FDA za trženje.
- Stroškovno učinkovito – Z avtomatizacijo ustvarjanja prilagojenih oglasov lahko podjetja znatno zmanjšajo stroške, povezane s proizvodnjo in popravki oglasov.
- Poenostavljen postopek MLR – Rešitev poenostavlja postopek MLR, zmanjšuje točke trenja in zagotavlja bolj gladke preglede.
- Lokalizirana resonanca – Generative AI ustvarja oglase, ki odmevajo pri lokalnem občinstvu, kar zagotavlja ustreznost in vpliv v različnih regijah.
- Standardizacija – Rešitev vzdržuje potrebne standarde in smernice ter zagotavlja doslednost v vseh ustvarjenih oglasih.
- Prilagodljivost – Pristop, ki ga poganja umetna inteligenca, lahko obravnava obsežne podatkovne zbirke izvornih slik in PDF-jev, zaradi česar je izvedljiv za ustvarjanje obsežnih oglasov.
- Zmanjšano ročno posredovanje – Avtomatizacija zmanjšuje potrebo po človeškem posredovanju, zmanjšuje napake in zagotavlja doslednost.
Infrastrukturo v tej vadnici lahko uvedete iz lokalnega računalnika ali pa uporabite AWS Cloud9 kot delovno postajo za uvajanje. AWS Cloud9 je vnaprej naložen z AWS CLI, AWS CDK in Docker. Če se odločite za AWS Cloud9, ustvarite okolje Iz Konzola AWS Cloud9.
Čiščenje
Da se izognete nepotrebnim stroškom, počistite vso infrastrukturo, ustvarjeno prek konzole AWS CloudFormation ali z izvajanjem naslednjega ukaza na vaši delovni postaji:
Poleg tega ne pozabite ustaviti vseh končnih točk SageMaker, ki ste jih zagnali prek konzole SageMaker. Ne pozabite, da brisanje indeksa Amazon Kendra ne odstrani izvirnih dokumentov iz vašega prostora za shranjevanje.
zaključek
Generativna umetna inteligenca, ki jo poosebljajo LLM-ji, naznanja spremembo paradigme v tem, kako dostopamo do informacij in jih ustvarjamo. Čeprav so ti modeli močni, so pogosto omejeni z mejami svojih podatkov o usposabljanju. RAG obravnava ta izziv in zagotavlja, da je obsežno znanje znotraj teh modelov dosledno prepojeno z ustreznimi, trenutnimi spoznanji.
Naše predstavitve, ki temeljijo na RAG, so oprijemljiv dokaz za to. Predstavljajo brezhibno sinergijo med Amazon Kendro, vektorskimi vdelavami in LLM-ji, s čimer ustvarjajo sistem, v katerem informacije niso samo obsežne, temveč tudi natančne in pravočasne. Ko se boste poglobili v te predstavitve, boste iz prve roke raziskali transformacijski potencial združevanja vnaprej usposobljenega znanja z dinamičnimi zmožnostmi RAG, kar ima za posledico rezultate, ki so tako vredni zaupanja kot prilagojeni vsebini podjetja.
Čeprav generativna umetna inteligenca, ki jo poganjajo LLM, odpira nov način pridobivanja vpogledov v informacije, morajo biti ti vpogledi vredni zaupanja in omejeni na vsebino podjetja z uporabo pristopa RAG. Te predstavitve, ki temeljijo na RAG, vam omogočajo, da se opremite z natančnimi in posodobljenimi vpogledi. Kakovost teh vpogledov je odvisna od semantične ustreznosti, ki jo omogoča uporaba Amazon Kendra in vektorskih vdelav.
Če ste pripravljeni na nadaljnje raziskovanje in izkoriščanje moči generativne umetne inteligence, so naslednji koraki:
- Sodelujte z našimi predstavitvami – Praktične izkušnje so neprecenljive. Raziščite funkcionalnosti, razumejte integracije in se seznanite z vmesnikom.
- Poglobite svoje znanje – Izkoristite razpoložljiva sredstva. AWS ponuja poglobljeno dokumentacijo, vadnice in podporo skupnosti za pomoč pri vašem potovanju z umetno inteligenco.
- Začetek pilotnega projekta – Razmislite o začetku uvedbe generativne umetne inteligence v majhnem obsegu v vašem podjetju. To bo zagotovilo vpogled v praktičnost in prilagodljivost sistema v vašem specifičnem kontekstu.
Za več informacij o generativnih aplikacijah AI na AWS glejte naslednje:
Ne pozabite, pokrajina AI se nenehno razvija. Bodite na tekočem, ostanite radovedni in bodite vedno pripravljeni na prilagajanje in inovacije.
O avtorjih
Jin Tan Ruan je razvijalec prototipov v skupini AWS Industries Prototyping and Customer Engineering (PACE), specializiran za NLP in generativno umetno inteligenco. Z ozadjem v razvoju programske opreme in devetimi certifikati AWS prinaša Jin bogate izkušnje za pomoč strankam AWS pri materializaciji njihovih AI/ML in generativnih vizij AI z uporabo platforme AWS. Ima magisterij iz računalništva in programskega inženiringa na Univerzi Syracuse. Zunaj službe Jin uživa v igranju video iger in se potopi v vznemirljivi svet grozljivk.
Aravind Kodandaramaiah je višji izdelovalec rešitev celotnega sklada za prototipiranje v skupini za izdelavo prototipov in inženiring strank (PACE) AWS Industries. Osredotoča se na pomoč strankam AWS, da spremenijo inovativne ideje v rešitve z merljivimi in čudovitimi rezultati. Navdušen je nad vrsto tem, vključno z varnostjo v oblaku, DevOps in AI/ML, in običajno se ga najde, da se ukvarja s temi tehnologijami.
Arjun Shakdher je razvijalec v ekipi AWS Industries Prototyping (PACE), ki je navdušen nad mešanjem tehnologije v tkivo življenja. Arjunova trenutna vloga, ki je magistriral na Univerzi Purdue, se vrti okoli arhitektiranja in izdelave najsodobnejših prototipov, ki zajemajo vrsto področij, trenutno pa vidno predstavljajo področja AI/ML in IoT. Ko se ne boste potopili v kodo in digitalno pokrajino, boste našli Arjuna, kako se prepušča svetu kave, raziskuje zapleteno mehaniko urarstva ali uživa v umetnosti avtomobilov.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
- PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
- PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
- PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
- vir: https://aws.amazon.com/blogs/machine-learning/harnessing-the-power-of-enterprise-data-with-generative-ai-insights-from-amazon-kendra-langchain-and-large-language-models/
- : je
- :ne
- :kje
- $GOR
- 100
- 150
- 7
- a
- sposobnost
- O meni
- pospeši
- dostop
- Po
- Račun
- natančnost
- natančna
- čez
- dejavnosti
- Ad
- prilagodijo
- prilagaja
- dodano
- naslovi
- držijo
- Popravki
- Sprejem
- oglasi
- napredno
- Prednost
- Prednosti
- prihod
- Oglaševanje
- po
- AI
- AI / ML
- Pomoč
- poravnava
- vsi
- omogočajo
- Dovoli
- omogoča
- skoraj
- skupaj
- Prav tako
- alternativa
- vedno
- Amazon
- Amazon Cognito
- Amazonska Kendra
- Amazonovo besedilo
- Amazon Web Services
- zneski
- okrepiti
- an
- in
- odgovor
- odgovori
- kaj
- API
- aplikacija
- uporaba
- aplikacije
- pristop
- primerno
- architectural
- Arhitektura
- SE
- okoli
- Array
- umetnost
- AS
- sredstvo
- Sredstva
- pomoč
- povezan
- občinstva
- audio
- overjena
- Preverjanje pristnosti
- avtomatizirati
- avtomatizacija
- Avtomatizacija
- Na voljo
- izogniti
- izogibanje
- AWS
- AWS Cloud9
- Oblikovanje oblaka AWS
- nazaj
- Backed
- ozadje
- podloga
- baza
- temeljijo
- BE
- ker
- postanejo
- postane
- Prednosti
- Boljše
- med
- Poleg
- pristranskosti
- mešanje
- telo
- Bot
- tako
- Branch
- Prinaša
- široka
- builder
- Building
- vendar
- by
- poziva
- CAN
- Lahko dobiš
- Zmogljivosti
- zajemanje
- ujame
- primeru
- Kategorija
- certifikati
- izziv
- izzivi
- Izberite
- izbran
- čiščenje
- Cloud
- Varnost v oblaku
- Cloud9
- Koda
- Kava
- kombinirani
- združuje
- prihaja
- pogosto
- skupnost
- Podjetja
- primerjave
- kompleksna
- skladnost
- skladno
- komponenta
- razume
- računalnik
- Računalništvo
- konfiguracija
- Connect
- povezave
- povezuje
- Razmislite
- dosledno
- Konzole
- nenehno
- vsebina
- Ustvarjanje vsebine
- ustvarjanje vsebine
- ozadje
- kontekstih
- kontekstualno
- naprej
- neprekinjeno
- Priročen
- konvencionalne
- Pogovor
- pretvorbo
- Core
- strošek
- stroški
- obrti
- ustvarjajo
- ustvaril
- ustvari
- Ustvarjanje
- Oblikovanje
- ključnega pomena
- okoren
- radovedna
- Trenutna
- po meri
- stranka
- Stranke, ki so
- vrhunsko
- datum
- Baze podatkov
- baze podatkov
- nabor podatkov
- Datum
- globoko
- globlje
- Stopnja
- čudovito
- demo
- Predstavitve
- odvisno
- razporedi
- razporejeni
- uvajanja
- uvajanje
- opisati
- Oblikovanje
- zasnovan
- želeno
- uniči
- podrobno
- Podrobnosti
- Razvojni
- Razvoj
- diagnostiko
- drugačen
- Difuzija
- digitalni
- usmerjen
- prikazovalniki
- izrazit
- potop
- razne
- potapljanje
- Lučki delavec
- dokument
- Dokumentacija
- Dokumenti
- Ne
- domen
- pripravi
- risanje
- vozi
- dinamično
- enostavno
- učinkovitosti
- učinkovite
- učinkovito
- bodisi
- odstranjevanje
- vdelava
- pojavljajo
- zaposluje
- pooblaščena
- pooblašča
- omogočajo
- omogočena
- omogoča
- omogočanje
- konec
- Končna točka
- Inženiring
- okrepljeno
- bogatenje
- zagotovitev
- zagotovljeno
- zagotavlja
- zagotoviti
- Podjetje
- Celotna
- opremljena
- napake
- zlasti
- Bistvo
- oceniti
- Event
- VEDNO
- razvijajo
- razvija
- Primer
- razburjen
- ekspanziven
- izkušnje
- strokovnjak
- Strokovnjaki
- raziskuje
- Raziskovati
- obsežen
- zunanja
- ekstrakt
- tkanina
- olajša
- seznaniti
- hitro tempu
- FB
- izvedljivo
- Feature
- Lastnosti
- Featuring
- file
- filtriranje
- Najdi
- prva
- prilagodljivost
- Osredotoča
- po
- sledi
- za
- format
- je pokazala,
- Fundacija
- trenja
- iz
- spredaj
- Prednji del
- polno
- Celoten sklad
- funkcija
- funkcionalnosti
- nadalje
- Poleg tega
- Gain
- pridobivanje
- Games
- Prehod
- ustvarjajo
- ustvarila
- generacija
- generativno
- Generativna AI
- generator
- dobili
- dana
- Giving
- Odobritev
- prijem
- raste
- Garancija
- Navodila
- voden
- Smernice
- ročaj
- hands-on
- plezalni pas
- Dovoljenje
- Imajo
- ob
- he
- pomoč
- glasniki
- tukaj
- Poudarki
- sam
- zgodovine
- zgodovina
- gospodarstvo
- drži
- horror
- gostila
- Kako
- Vendar
- HTML
- http
- HTTPS
- človeškega
- Ideje
- identifikator
- identifikatorji
- identificirati
- identiteta
- if
- ponazarja
- slika
- slike
- potopljen
- vpliv
- Izvajanje
- in
- Poglobljena
- netočne
- vključuje
- Vključno
- vključi
- neodvisno
- Indeks
- indeksirane
- indekse
- industrij
- Industrija
- industrijski standardi
- vplivali
- Podatki
- obvestila
- Infrastruktura
- inherentno
- začetna
- začeti
- inovacije
- inovativne
- pronicljiv
- vpogledi
- Namesto
- Navodila
- integrirana
- Integrira
- integracija
- integracije
- namen
- interaktivni
- vmesnik
- intervencije
- v
- intrinzično
- neprecenljivo
- Internet stvari
- IT
- Izdelkov
- ITS
- Job
- Potovanje
- jpg
- samo
- znanje
- znano
- Pokrajina
- jezik
- velika
- obsežne
- postavitev
- učenje
- Pravne informacije
- Lets
- Knjižnica
- Licencirano
- življenje
- kot
- verjetnost
- Limited
- Meje
- Seznam
- LLM
- lokalna
- kraj aktivnosti
- stroj
- strojno učenje
- vzdržuje
- Izdelava
- upravlja
- Navodilo
- več
- Trženje
- ogromen
- poveljnika
- tekme
- materiali
- kar pomeni,
- smiselna
- pomene
- pomeni
- mehanika
- Mehanizem
- medicinski
- Spomin
- zgolj
- združi
- združitev
- Metode
- natančno
- minimiziranje
- ublažitev
- ML
- Model
- modeliranje
- modeli
- Modularna
- več
- Najbolj
- filmi
- morajo
- naravna
- Obdelava Natural Language
- potrebno
- Nimate
- potrebna
- potrebujejo
- potrebe
- Novo
- Naslednja
- devet
- nlp
- Obvestilo
- zdaj
- of
- ponujanje
- Ponudbe
- pogosto
- on
- ONE
- samo
- Odpre
- or
- organizacijsko
- organizacije
- izvirno
- Ostalo
- naši
- ven
- rezultatov
- oris
- izhodi
- zunaj
- več
- Premagajte
- Pace
- paradigma
- parametri
- del
- strastno
- popolna
- Dovoljenja
- Prilagojene
- Pharma
- Farmacevtska
- stavki
- kosov
- pilot
- pilotni projekt
- Kraj
- umestitve
- platforma
- platon
- Platonova podatkovna inteligenca
- PlatoData
- Predvajaj
- igranje
- točke
- pozicioniranje
- mogoče
- Prispevek
- potencial
- moč
- poganja
- močan
- Praktično
- natančna
- Ravno
- Precision
- nastavitve
- predpogoji
- trenutno
- postopek
- Postopek
- Predelano
- obravnavati
- Proizvedeno
- proizvaja
- proizvodnja
- Projekt
- promocijsko
- prototipi
- prototipov
- Dokaži
- zagotavljajo
- če
- zagotavlja
- zagotavljanje
- kakovost
- poizvedbe
- vprašanje
- vprašanja
- Hitri
- hitro
- območje
- pripravljen
- področja
- prejme
- prejema
- Priporočilo
- zmanjša
- zmanjšuje
- zmanjšanje
- glejte
- rafinirano
- regionalni
- regije
- redni
- predpisi
- regulatorni
- Skladnost z zakonodajo
- ustreznost
- pomembno
- zanašanje
- ostajajo
- ostanki
- ne pozabite
- odstrani
- preoblikovanje
- zastopanje
- predstavlja
- zahteva
- zahteva
- zahteva
- obvezna
- Zahteve
- resonator
- viri
- Odgovor
- odgovorov
- odgovornosti
- odgovorna
- Nastalo
- rezultat
- Rezultati
- pregleda
- Mnenja
- popravki
- vrti
- Pravica
- strog
- vloga
- tek
- deluje
- sagemaker
- Enako
- shranjena
- Znanost
- znanstveno
- brezšivne
- brez težav
- Iskalnik
- oddelki
- zavarovanje
- Varno
- varnost
- izbran
- izbor
- višji
- poslan
- Storitev
- Storitve
- nastavite
- nastavitve
- nastavitev
- premik
- predstavitev
- Razstave
- Presejati
- pomemben
- bistveno
- Enostavno
- preprosto
- manj
- bolj gladko
- Software
- Razvoj programske opreme
- inženiring programske opreme
- Izključno
- Rešitev
- rešitve
- vir
- vir
- Viri
- Sourcing
- prostori
- span
- specializirani
- specializacijo
- specifična
- določeno
- stabilna
- sveženj
- standardi
- Začetek
- state-of-the-art
- bivanje
- Korak
- Koraki
- stop
- shranjevanje
- trgovina
- shranjeni
- shranjevanje
- racionaliziran
- prednosti
- String
- stroga
- strukturirano
- slog
- predloži
- taka
- primerna
- podpora
- Podprti
- sinergija
- sistem
- prilagojene
- Bodite
- meni
- opredmetena
- Naloga
- Naloge
- skupina
- Skupine
- tehnika
- Tehnologije
- Tehnologija
- testament
- besedilo
- kot
- da
- O
- Pokrajina
- Vir
- svet
- njihove
- Njih
- POTEM
- s tem
- te
- jih
- ta
- 3
- razburljivo
- skozi
- čas
- pravočasno
- Časovni žig
- titan
- do
- današnje
- orodje
- orodja
- temo
- Teme
- proti
- tradicionalna
- Vlak
- usposobljeni
- usposabljanje
- prenos
- prenese
- transferji
- Transform
- transformacijski
- transformatorji
- Trends
- resnično
- zaupanja
- OBRAT
- Navodila
- vaje
- Vrste
- ui
- opravi
- osnovni
- razumeli
- razumevanje
- edinstven
- univerza
- za razliko od
- nepotrebna
- razkrije
- up-to-date
- Nadgradnja
- posodobljeno
- posodobitve
- podpiranje
- naprej
- uporaba
- primeru uporabe
- uporabnik
- Uporabniški vmesnik
- Uporabniki
- uporablja
- uporabo
- navadno
- izkorišča
- Uporaben
- različnih
- Popravljeno
- vsestranski
- preko
- Video
- video igre
- vizije
- način..
- we
- Wealth
- web
- Spletna aplikacija
- spletne storitve
- spletna vtičnica
- so bili
- kdaj
- ki
- medtem
- WHO
- široka
- Širok spekter
- bo
- z
- v
- brez
- besede
- delo
- potek dela
- delovno mesto
- svet
- Vi
- Vaša rutina za
- sami
- zefirnet