เมื่อลูกค้ามีความพร้อมในการผลิต การประมวลผลเอกสารอัจฉริยะ (IDP) เรามักจะได้รับคำขอให้ตรวจสอบ Well-Architected ในการสร้างโซลูชันระดับองค์กร ทรัพยากรของนักพัฒนา ต้นทุน เวลา และประสบการณ์ผู้ใช้จะต้องสมดุลกันเพื่อให้บรรลุผลลัพธ์ทางธุรกิจที่ต้องการ ที่ กรอบงานที่มีสถาปัตยกรรมอย่างดีของ AWS มอบวิธีการที่เป็นระบบสำหรับองค์กรในการเรียนรู้แนวทางปฏิบัติที่ดีที่สุดในการปฏิบัติงานและสถาปัตยกรรมสำหรับการออกแบบและดำเนินการปริมาณงานที่เชื่อถือได้ ปลอดภัย มีประสิทธิภาพ คุ้มค่า และยั่งยืนในระบบคลาวด์
IDP Well-Architected Custom Lens เป็นไปตาม AWS Well-Architected Framework โดยตรวจสอบโซลูชันที่มีหกเสาหลักพร้อมรายละเอียดปลีกย่อยของกรณีการใช้งาน AI หรือ Machine Learning (ML) เฉพาะเจาะจง และให้คำแนะนำเพื่อรับมือกับความท้าทายทั่วไป เลนส์สั่งทำพิเศษ IDP Well-Architected ใน เครื่องมือที่ออกแบบมาอย่างดี มีคำถามเกี่ยวกับแต่ละเสาหลัก ด้วยการตอบคำถามเหล่านี้ คุณสามารถระบุความเสี่ยงที่อาจเกิดขึ้นและแก้ไขได้โดยปฏิบัติตามแผนการปรับปรุงของคุณ
โพสนี้เน้นที่ เสาหลักประสิทธิภาพ ของภาระงาน IDP เราเจาะลึกในการออกแบบและใช้งานโซลูชันเพื่อเพิ่มประสิทธิภาพการรับส่งข้อมูล เวลาแฝง และประสิทธิภาพโดยรวม เราเริ่มต้นด้วยการพูดคุยถึงตัวบ่งชี้ทั่วไปบางประการที่คุณควรดำเนินการทบทวน Well-Architected และแนะนำแนวทางพื้นฐานพร้อมหลักการออกแบบ จากนั้นเราจะเจาะลึกแต่ละประเด็นจากมุมมองทางเทคนิค
หากต้องการติดตามโพสต์นี้ คุณควรจะคุ้นเคยกับโพสต์ก่อนหน้าในชุดนี้ (1 หมายเลข และ 2 หมายเลข) และแนวปฏิบัติใน คำแนะนำสำหรับการประมวลผลเอกสารอัจฉริยะบน AWS. ทรัพยากรเหล่านี้แนะนำบริการ AWS ทั่วไปสำหรับปริมาณงาน IDP และขั้นตอนการทำงานที่แนะนำ ด้วยความรู้นี้ ตอนนี้คุณก็พร้อมที่จะเรียนรู้เพิ่มเติมเกี่ยวกับการผลิตปริมาณงานของคุณแล้ว
ตัวชี้วัดทั่วไป
ต่อไปนี้เป็นตัวบ่งชี้ทั่วไปที่คุณควรดำเนินการทบทวน Well-Architected Framework สำหรับเสาหลักด้านประสิทธิภาพด้านประสิทธิภาพ:
- เวลาแฝงสูง – เมื่อเวลาแฝงของการรู้จำอักขระด้วยแสง (OCR) การรู้จำเอนทิตี หรือเวิร์กโฟลว์จากต้นทางถึงปลายทางใช้เวลานานกว่าเกณฑ์มาตรฐานก่อนหน้าของคุณ นี่อาจเป็นตัวบ่งชี้ว่าการออกแบบสถาปัตยกรรมไม่ครอบคลุมการทดสอบโหลดหรือการจัดการข้อผิดพลาด
- การควบคุมปริมาณบ่อยครั้ง – คุณอาจประสบปัญหาการควบคุมปริมาณโดยบริการของ AWS เช่น Amazon Text เนื่องจากข้อจำกัดในการร้องขอ ซึ่งหมายความว่าจำเป็นต้องปรับสถาปัตยกรรมโดยการทบทวนเวิร์กโฟลว์สถาปัตยกรรม การใช้งานแบบซิงโครนัสและอะซิงโครนัส การคำนวณธุรกรรมต่อวินาที (TPS) และอื่นๆ
- การแก้ไขข้อบกพร่อง – เมื่อมีความล้มเหลวของกระบวนการเอกสาร คุณอาจไม่มีวิธีที่มีประสิทธิภาพในการระบุตำแหน่งของข้อผิดพลาดในเวิร์กโฟลว์ บริการใดที่เกี่ยวข้องกับข้อผิดพลาด และสาเหตุที่เกิดความล้มเหลว ซึ่งหมายความว่าระบบขาดการมองเห็นบันทึกและความล้มเหลว ลองทบทวนการออกแบบการบันทึกข้อมูลการวัดและส่งข้อมูลทางไกลอีกครั้ง และเพิ่มโครงสร้างพื้นฐานเป็นโค้ด (IaC) เช่น ไปป์ไลน์การประมวลผลเอกสาร ให้กับโซลูชัน
ตัวชี้วัด | รายละเอียด | ช่องว่างทางสถาปัตยกรรม |
ความล่าช้าสูง | OCR, การรับรู้เอนทิตี หรือเวลาแฝงของเวิร์กโฟลว์จากต้นทางถึงปลายทางเกินกว่าเกณฑ์มาตรฐานก่อนหน้า |
|
การควบคุมปริมาณบ่อยครั้ง | การควบคุมโดยบริการของ AWS เช่น Amazon Textract เนื่องจากข้อจำกัดของคำขอ |
|
ยากที่จะดีบัก | ไม่มีการเปิดเผยตำแหน่ง สาเหตุ และสาเหตุของความล้มเหลวในการประมวลผลเอกสาร |
|
หลักการออกแบบ
ในโพสต์นี้ เราจะพูดถึงหลักการออกแบบสามประการ: การมอบหมายงาน AI ที่ซับซ้อน สถาปัตยกรรม IaC และสถาปัตยกรรมแบบไร้เซิร์ฟเวอร์ เมื่อคุณพบกับข้อเสียระหว่างการใช้งานทั้งสอง คุณสามารถทบทวนหลักการออกแบบโดยคำนึงถึงลำดับความสำคัญทางธุรกิจขององค์กรของคุณ เพื่อให้คุณสามารถตัดสินใจได้อย่างมีประสิทธิภาพ
- การมอบหมายงาน AI ที่ซับซ้อน – คุณสามารถเปิดใช้งานการนำ AI มาใช้ได้เร็วขึ้นในองค์กรของคุณโดยการลดภาระวงจรการพัฒนาโมเดล ML ไปยังบริการที่ได้รับการจัดการ และใช้ประโยชน์จากการพัฒนาโมเดลและโครงสร้างพื้นฐานที่ AWS มอบให้ แทนที่จะต้องการให้ทีมวิทยาศาสตร์ข้อมูลและไอทีสร้างและบำรุงรักษาโมเดล AI คุณสามารถใช้บริการ AI ที่ได้รับการฝึกอบรมล่วงหน้าซึ่งสามารถทำงานอัตโนมัติให้กับคุณได้ สิ่งนี้ช่วยให้ทีมของคุณมุ่งเน้นไปที่งานที่มีมูลค่าสูงกว่าซึ่งสร้างความแตกต่างให้กับธุรกิจของคุณ ในขณะที่ผู้ให้บริการระบบคลาวด์จะจัดการกับความซับซ้อนของการฝึกอบรม การปรับใช้ และการปรับขนาดโมเดล AI
- สถาปัตยกรรม IaC – เมื่อใช้งานโซลูชัน IDP โซลูชันจะรวมบริการ AI หลายอย่างเพื่อดำเนินการเวิร์กโฟลว์แบบ end-to-end ตามลำดับเวลา คุณสามารถออกแบบโซลูชันโดยใช้ไปป์ไลน์เวิร์กโฟลว์ได้ ฟังก์ชันขั้นตอนของ AWS เพื่อเพิ่มความทนทานต่อข้อผิดพลาด การประมวลผลแบบขนาน การมองเห็น และความสามารถในการปรับขนาด ข้อดีเหล่านี้ช่วยให้คุณเพิ่มประสิทธิภาพการใช้งานและต้นทุนของบริการ AI พื้นฐานได้
- serverless สถาปัตยกรรม – IDP มักเป็นโซลูชันที่ขับเคลื่อนด้วยเหตุการณ์ ซึ่งเริ่มต้นโดยการอัพโหลดของผู้ใช้หรืองานที่กำหนดเวลาไว้ โซลูชันนี้สามารถขยายขนาดในแนวนอนได้โดยการเพิ่มอัตราการโทรสำหรับบริการ AI AWS แลมบ์ดาและบริการอื่นๆ ที่เกี่ยวข้อง แนวทางแบบไร้เซิร์ฟเวอร์ให้ความสามารถในการขยายขนาดโดยไม่ต้องจัดสรรทรัพยากรมากเกินไป ป้องกันค่าใช้จ่ายที่ไม่จำเป็น การตรวจสอบเบื้องหลังการออกแบบแบบไร้เซิร์ฟเวอร์ช่วยในการตรวจจับปัญหาด้านประสิทธิภาพ
ด้วยหลักการออกแบบทั้งสามข้อนี้ องค์กรต่างๆ จะสามารถสร้างรากฐานที่มีประสิทธิภาพสำหรับการนำ AI/ML มาใช้บนแพลตฟอร์มคลาวด์ได้ ด้วยการมอบหมายความซับซ้อน การใช้โครงสร้างพื้นฐานที่ยืดหยุ่น และการออกแบบตามขนาด องค์กรต่างๆ จึงสามารถเพิ่มประสิทธิภาพโซลูชัน AI/ML ของตนได้
ในส่วนต่อไปนี้ เราจะหารือถึงวิธีจัดการกับความท้าทายทั่วไปที่เกี่ยวข้องกับประเด็นที่เน้นทางเทคนิค
พื้นที่โฟกัส
เมื่อตรวจสอบประสิทธิภาพของประสิทธิภาพ เราจะตรวจสอบโซลูชันจากห้าประเด็นหลัก ได้แก่ การออกแบบสถาปัตยกรรม การจัดการข้อมูล การจัดการข้อผิดพลาด การตรวจสอบระบบ และการตรวจสอบแบบจำลอง ด้วยพื้นที่โฟกัสเหล่านี้ คุณสามารถดำเนินการตรวจสอบสถาปัตยกรรมจากแง่มุมต่างๆ เพื่อเพิ่มประสิทธิผล ความสามารถในการสังเกต และความสามารถในการปรับขนาดขององค์ประกอบทั้งสามของโครงการ AI/ML ข้อมูล แบบจำลอง หรือเป้าหมายทางธุรกิจ
การออกแบบสถาปัตยกรรม
เมื่อตอบคำถามในพื้นที่โฟกัสนี้ คุณจะทบทวนขั้นตอนการทำงานที่มีอยู่เพื่อดูว่าเป็นไปตามแนวทางปฏิบัติที่ดีที่สุดหรือไม่ ขั้นตอนการทำงานที่แนะนำมีรูปแบบทั่วไปที่องค์กรสามารถปฏิบัติตามและป้องกันค่าใช้จ่ายในการลองผิดลองถูก
อยู่บนพื้นฐานของ สถาปัตยกรรมที่เสนอขั้นตอนการทำงานเป็นไปตามหกขั้นตอนของการเก็บข้อมูล การจำแนกประเภท การดึงข้อมูล การเพิ่มคุณค่า การทบทวนและการตรวจสอบ และการใช้ ในตัวบ่งชี้ทั่วไปที่เรากล่าวถึงก่อนหน้านี้ สองในสามมาจากปัญหาการออกแบบสถาปัตยกรรม เนื่องจากเมื่อคุณเริ่มโปรเจ็กต์ด้วยแนวทางชั่วคราว คุณอาจพบกับข้อจำกัดของโปรเจ็กต์เมื่อพยายามจัดโครงสร้างพื้นฐานให้เข้ากับโซลูชันของคุณ ด้วยการทบทวนการออกแบบสถาปัตยกรรม การออกแบบชั่วคราวสามารถแยกออกเป็นขั้นตอน และแต่ละขั้นตอนสามารถประเมินใหม่และจัดลำดับใหม่ได้
คุณสามารถประหยัดเวลา เงิน และแรงงานได้ด้วยการดำเนินการ การจำแนกประเภท ในขั้นตอนการทำงานของคุณ และเอกสารจะถูกส่งไปยังแอปพลิเคชันดาวน์สตรีมและ API ตามประเภทเอกสาร ซึ่งช่วยเพิ่มความสามารถในการสังเกตกระบวนการเอกสาร และทำให้โซลูชันง่ายต่อการรักษาเมื่อเพิ่มประเภทเอกสารใหม่
การจัดการข้อมูล
ประสิทธิภาพของโซลูชัน IDP รวมถึงเวลาแฝง ปริมาณการประมวลผล และประสบการณ์ผู้ใช้แบบ end-to-end วิธีจัดการเอกสารและข้อมูลที่แยกออกมาในโซลูชันคือกุญแจสำคัญในความสอดคล้องของข้อมูล ความปลอดภัย และความเป็นส่วนตัว นอกจากนี้ โซลูชันจะต้องจัดการกับปริมาณข้อมูลที่สูงโดยมีความหน่วงต่ำและมีปริมาณงานสูง
เมื่อพิจารณาคำถามในพื้นที่โฟกัสนี้ คุณจะต้องทบทวนขั้นตอนการทำงานของเอกสาร ซึ่งรวมถึงการนำเข้าข้อมูล การประมวลผลข้อมูลล่วงหน้า การแปลงเอกสารเป็นประเภทเอกสารที่ Amazon Textract ยอมรับ การจัดการสตรีมเอกสารขาเข้า การกำหนดเส้นทางเอกสารตามประเภท และการใช้นโยบายการควบคุมการเข้าถึงและการเก็บรักษา
ตัวอย่างเช่น โดยการจัดเก็บเอกสารในขั้นตอนการประมวลผลต่างๆ คุณสามารถย้อนกลับการประมวลผลไปยังขั้นตอนก่อนหน้าได้หากจำเป็น วงจรชีวิตของข้อมูลช่วยให้มั่นใจได้ถึงความน่าเชื่อถือและการปฏิบัติตามข้อกำหนดสำหรับปริมาณงาน โดยใช้ เครื่องคำนวณโควต้าบริการ Amazon Textract (ดูภาพหน้าจอต่อไปนี้) คุณสมบัติแบบอะซิงโครนัสบน Amazon Textract, Lambda, Step Functions, บริการ Amazon Simple Queue (Amazon SQS) และ บริการแจ้งเตือนแบบง่ายของ Amazon (Amazon SNS) องค์กรต่างๆ สามารถปรับและปรับขนาดงานการประมวลผลเอกสารให้เป็นอัตโนมัติเพื่อตอบสนองความต้องการปริมาณงานเฉพาะได้
การจัดการข้อผิดพลาด
การจัดการข้อผิดพลาดที่มีประสิทธิภาพเป็นสิ่งสำคัญสำหรับการติดตามสถานะกระบวนการเอกสาร และช่วยให้ทีมงานมีเวลาตอบสนองต่อพฤติกรรมที่ผิดปกติ เช่น ปริมาณเอกสารที่ไม่คาดคิด ประเภทเอกสารใหม่ หรือปัญหาอื่นๆ ที่ไม่คาดคิดจากบริการของบุคคลที่สาม จากมุมมองขององค์กร การจัดการข้อผิดพลาดที่เหมาะสมสามารถปรับปรุงเวลาทำงานและประสิทธิภาพของระบบได้
คุณสามารถแบ่งการจัดการข้อผิดพลาดออกเป็นสองประเด็นสำคัญ:
- การกำหนดค่าบริการ AWS – คุณสามารถใช้ตรรกะการลองใหม่ด้วย Exponential Backoff เพื่อจัดการกับข้อผิดพลาดชั่วคราว เช่น การควบคุมปริมาณ เมื่อคุณเริ่มการประมวลผลโดยการเรียกใช้การดำเนินการ Start* แบบอะซิงโครนัส เช่น เริ่มการตรวจหาข้อความเอกสารคุณสามารถระบุได้ว่าสถานะความสมบูรณ์ของคำขอได้รับการเผยแพร่ไปยังหัวข้อ SNS ใน ช่องแจ้งเตือน การกำหนดค่า ซึ่งช่วยให้คุณหลีกเลี่ยงขีดจำกัดการควบคุมในการเรียก API เนื่องจากการโพล Get* API คุณยังสามารถใช้การเตือนได้ อเมซอน คลาวด์วอตช์ และทริกเกอร์ให้แจ้งเตือนเมื่อมีข้อผิดพลาดเกิดขึ้นอย่างผิดปกติ
- การปรับปรุงรายงานข้อผิดพลาด – ซึ่งรวมถึงข้อความโดยละเอียดพร้อมรายละเอียดในระดับที่เหมาะสมตามประเภทข้อผิดพลาดและคำอธิบายของการตอบกลับการจัดการข้อผิดพลาด ด้วยการตั้งค่าการจัดการข้อผิดพลาดที่เหมาะสม ระบบจะมีความยืดหยุ่นมากขึ้นโดยการใช้รูปแบบทั่วไป เช่น การลองข้อผิดพลาดเป็นระยะๆ โดยอัตโนมัติ การใช้เซอร์กิตเบรกเกอร์เพื่อจัดการกับความล้มเหลวแบบเรียงซ้อน และบริการตรวจสอบเพื่อรับข้อมูลเชิงลึกเกี่ยวกับข้อผิดพลาด ซึ่งช่วยให้โซลูชันสามารถปรับสมดุลระหว่างขีดจำกัดการลองใหม่ และป้องกันการวนซ้ำของวงจรที่ไม่มีวันสิ้นสุด
การตรวจสอบแบบจำลอง
ประสิทธิภาพของโมเดล ML ได้รับการตรวจสอบการเสื่อมสภาพเมื่อเวลาผ่านไป เมื่อข้อมูลและเงื่อนไขของระบบเปลี่ยนแปลงไป ระบบจะติดตามประสิทธิภาพของโมเดลและตัววัดประสิทธิภาพเพื่อให้แน่ใจว่ามีการฝึกอบรมซ้ำเมื่อจำเป็น
โมเดล ML ในเวิร์กโฟลว์ IDP อาจเป็นโมเดล OCR โมเดลการรับรู้เอนทิตี หรือโมเดลการจัดหมวดหมู่ โมเดลดังกล่าวสามารถมาจากบริการ AWS AI ซึ่งเป็นโมเดลโอเพ่นซอร์ส อเมซอน SageMaker, อเมซอน เบดร็อคหรือบริการของบุคคลที่สามอื่น ๆ คุณต้องเข้าใจข้อจำกัดและกรณีการใช้งานของแต่ละบริการ เพื่อระบุวิธีปรับปรุงโมเดลด้วยคำติชมของมนุษย์ และปรับปรุงประสิทธิภาพของบริการเมื่อเวลาผ่านไป
แนวทางทั่วไปคือการใช้บันทึกการบริการเพื่อทำความเข้าใจระดับความแม่นยำต่างๆ บันทึกเหล่านี้สามารถช่วยให้ทีมวิทยาศาสตร์ข้อมูลระบุและเข้าใจความจำเป็นในการฝึกโมเดลใหม่ได้ องค์กรของคุณสามารถเลือกกลไกการฝึกอบรมใหม่ได้ อาจเป็นรายไตรมาส รายเดือน หรือขึ้นอยู่กับการวัดทางวิทยาศาสตร์ เช่น เมื่อความแม่นยำลดลงต่ำกว่าเกณฑ์ที่กำหนด
เป้าหมายของการตรวจสอบไม่ใช่แค่การตรวจจับปัญหาเท่านั้น แต่ยังปิดลูปเพื่อปรับแต่งโมเดลอย่างต่อเนื่อง และรักษาโซลูชัน IDP ให้ทำงานต่อไปในขณะที่สภาพแวดล้อมภายนอกพัฒนาขึ้น
การตรวจสอบระบบ
หลังจากที่คุณปรับใช้โซลูชัน IDP ในการผลิตแล้ว สิ่งสำคัญคือต้องตรวจสอบตัววัดหลักและประสิทธิภาพการทำงานอัตโนมัติเพื่อระบุพื้นที่สำหรับการปรับปรุง ตัวชี้วัดควรรวมตัวชี้วัดทางธุรกิจและตัวชี้วัดทางเทคนิค สิ่งนี้ช่วยให้บริษัทสามารถประเมินประสิทธิภาพของระบบ ระบุปัญหา และปรับปรุงแบบจำลอง กฎ และขั้นตอนการทำงานเมื่อเวลาผ่านไป เพื่อเพิ่มอัตราอัตโนมัติเพื่อทำความเข้าใจผลกระทบในการดำเนินงาน
ในด้านธุรกิจ ตัวชี้วัด เช่น ความแม่นยำในการดึงข้อมูลสำหรับฟิลด์สำคัญ อัตราการทำงานอัตโนมัติโดยรวมที่ระบุเปอร์เซ็นต์ของเอกสารที่ได้รับการประมวลผลโดยปราศจากการแทรกแซงของมนุษย์ และเวลาประมวลผลเฉลี่ยต่อเอกสารเป็นสิ่งสำคัญยิ่ง ตัวชี้วัดทางธุรกิจเหล่านี้ช่วยวัดประสบการณ์ของผู้ใช้ปลายทางและประสิทธิภาพการดำเนินงานที่เพิ่มขึ้น
ตัวชี้วัดทางเทคนิค รวมถึงอัตราข้อผิดพลาดและอัตราข้อยกเว้นที่เกิดขึ้นตลอดขั้นตอนการทำงานถือเป็นสิ่งสำคัญในการติดตามจากมุมมองทางวิศวกรรม ตัวชี้วัดทางเทคนิคยังสามารถตรวจสอบในแต่ละระดับตั้งแต่ต้นจนจบและให้มุมมองที่ครอบคลุมของปริมาณงานที่ซับซ้อน คุณสามารถแบ่งหน่วยวัดออกเป็นระดับต่างๆ ได้ เช่น ระดับโซลูชัน ระดับเวิร์กโฟลว์ตั้งแต่ต้นทางถึงปลายทาง ระดับประเภทเอกสาร ระดับเอกสาร ระดับการรับรู้เอนทิตี และระดับ OCR
เมื่อคุณได้ทบทวนคำถามทั้งหมดในเสาหลักนี้แล้ว คุณสามารถประเมินเสาหลักอื่นๆ และพัฒนาแผนการปรับปรุงสำหรับภาระงาน IDP ของคุณได้
สรุป
ในโพสต์นี้ เราได้พูดคุยถึงตัวบ่งชี้ทั่วไปที่คุณอาจต้องดำเนินการตรวจสอบ Well-Architected Framework สำหรับเสาหลักด้านประสิทธิภาพด้านประสิทธิภาพสำหรับปริมาณงาน IDP ของคุณ จากนั้นเราเดินผ่านหลักการออกแบบเพื่อให้ภาพรวมระดับสูงและหารือเกี่ยวกับเป้าหมายการแก้ปัญหา เมื่อปฏิบัติตามคำแนะนำเหล่านี้โดยอ้างอิงถึงเลนส์สั่งทำพิเศษ IDP Well-Architected และโดยการทบทวนคำถามตามประเด็นที่มุ่งเน้น ตอนนี้คุณก็ควรมีแผนการปรับปรุงโครงการแล้ว
เกี่ยวกับผู้เขียน
มีอาช้าง เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญ ML สำหรับ Amazon Web Services เธอทำงานร่วมกับลูกค้าใน EMEA และแบ่งปันแนวทางปฏิบัติที่ดีที่สุดในการรันปริมาณงาน AI/ML บนคลาวด์พร้อมพื้นฐานด้านคณิตศาสตร์ประยุกต์ วิทยาการคอมพิวเตอร์ และ AI/ML เธอมุ่งเน้นไปที่ปริมาณงานเฉพาะของ NLP และแบ่งปันประสบการณ์ของเธอในฐานะวิทยากรในการประชุมและผู้แต่งหนังสือ ในเวลาว่าง เธอชอบเดินป่า เล่นบอร์ดเกม และชงกาแฟ
บริเจช ปาตี เป็นสถาปนิกโซลูชันระดับองค์กรที่ AWS เป้าหมายหลักของเขาคือการช่วยให้ลูกค้าองค์กรนำเทคโนโลยีคลาวด์มาใช้กับปริมาณงานของพวกเขา เขามีพื้นฐานในการพัฒนาแอปพลิเคชันและสถาปัตยกรรมองค์กร และได้ทำงานร่วมกับลูกค้าจากอุตสาหกรรมต่างๆ เช่น กีฬา การเงิน พลังงาน และบริการระดับมืออาชีพ ความสนใจของเขารวมถึงสถาปัตยกรรมแบบไร้เซิร์ฟเวอร์และ AI/ML
รุย คาร์โดโซ เป็นสถาปนิกโซลูชันคู่ค้าที่ Amazon Web Services (AWS) เขามุ่งเน้นไปที่ AI/ML และ IoT เขาทำงานร่วมกับคู่ค้า AWS และสนับสนุนพวกเขาในการพัฒนาโซลูชันใน AWS เมื่อไม่ได้ทำงาน เขาสนุกกับการปั่นจักรยาน เดินป่า และเรียนรู้สิ่งใหม่ๆ
ทิม คอนเดลโล เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่องจักร (ML) อาวุโสที่ Amazon Web Services (AWS) ความสนใจของเขาคือการประมวลผลภาษาธรรมชาติและการมองเห็นคอมพิวเตอร์ Tim สนุกกับการนำแนวคิดของลูกค้ามาเปลี่ยนให้เป็นโซลูชันที่ปรับขนาดได้
เชอรี่ ดิง เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่องจักร (ML) อาวุโสที่ Amazon Web Services (AWS) เธอมีประสบการณ์มากมายในด้านการเรียนรู้ของเครื่องโดยสำเร็จการศึกษาระดับปริญญาเอกสาขาวิทยาการคอมพิวเตอร์ เธอทำงานร่วมกับลูกค้าภาครัฐเป็นหลักเกี่ยวกับความท้าทายทางธุรกิจต่างๆ ที่เกี่ยวข้องกับ AI/ML ช่วยให้พวกเขาเร่งการเดินทางการเรียนรู้ของเครื่องบน AWS Cloud เมื่อไม่ช่วยเหลือลูกค้าเธอก็ชอบกิจกรรมกลางแจ้ง
ซู่หยินหวาง เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญ AI/ML ที่ AWS เธอมีพื้นฐานการศึกษาแบบสหวิทยาการในด้านการเรียนรู้ของเครื่อง การบริการข้อมูลทางการเงิน และเศรษฐศาสตร์ พร้อมด้วยประสบการณ์หลายปีในการสร้างแอปพลิเคชันวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่องที่ช่วยแก้ไขปัญหาทางธุรกิจในโลกแห่งความเป็นจริง เธอสนุกกับการช่วยลูกค้าระบุคำถามทางธุรกิจที่เหมาะสมและสร้างโซลูชัน AI/ML ที่เหมาะสม ในเวลาว่าง เธอชอบร้องเพลงและทำอาหาร
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/build-well-architected-idp-solutions-with-a-custom-lens-part-4-performance-efficiency/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- 1
- 10
- 100
- 32
- 7
- 8
- a
- เกี่ยวกับเรา
- เร่งความเร็ว
- ได้รับการยอมรับ
- เข้า
- ความถูกต้อง
- บรรลุ
- กิจกรรม
- เพิ่ม
- นอกจากนี้
- ที่อยู่
- ปรับ
- นำมาใช้
- การนำมาใช้
- ความได้เปรียบ
- ข้อได้เปรียบ
- AI
- โมเดล AI
- บริการ AI
- AI / ML
- เตือนภัย
- จัดแนว
- ทั้งหมด
- ช่วยให้
- ตาม
- ด้วย
- อเมซอน
- Amazon Text
- Amazon Web Services
- Amazon Web Services (AWS)
- an
- และ
- และโครงสร้างพื้นฐาน
- ใด
- API
- APIs
- การใช้งาน
- การพัฒนาโปรแกรมประยุกต์
- การใช้งาน
- ประยุกต์
- การประยุกต์ใช้
- เข้าใกล้
- วิธีการ
- เหมาะสม
- ในเชิงสถาปัตยกรรม
- สถาปัตยกรรม
- เป็น
- AREA
- พื้นที่
- เทียม
- ปัญญาประดิษฐ์
- ปัญญาประดิษฐ์ (AI)
- AS
- ด้าน
- ประเมินผล
- ช่วย
- At
- ผู้เขียน
- โดยอัตโนมัติ
- อัตโนมัติ
- อัตโนมัติ
- เฉลี่ย
- หลีกเลี่ยง
- AWS
- พื้นหลัง
- ยอดคงเหลือ
- สมดุลย์
- ตาม
- BE
- เพราะ
- พฤติกรรม
- หลัง
- ด้านล่าง
- มาตรฐาน
- ประโยชน์
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- ระหว่าง
- คณะกรรมการ
- เกมกระดาน
- หนังสือ
- ทำลาย
- สร้าง
- การก่อสร้าง
- ธุรกิจ
- แต่
- by
- การคำนวณ
- โทรศัพท์
- โทร
- โทร
- CAN
- จับ
- กรณี
- กรณี
- ก่อให้เกิด
- ความท้าทาย
- เปลี่ยนแปลง
- ตัวอักษร
- การรู้จำอักขระ
- Choose
- การจัดหมวดหมู่
- ปิด
- เมฆ
- รหัส
- กาแฟ
- อย่างไร
- ร่วมกัน
- บริษัท
- เสร็จสิ้น
- ซับซ้อน
- ความซับซ้อน
- การปฏิบัติตาม
- ส่วนประกอบ
- ครอบคลุม
- คอมพิวเตอร์
- วิทยาการคอมพิวเตอร์
- วิสัยทัศน์คอมพิวเตอร์
- เงื่อนไข
- ความประพฤติ
- การประชุม
- องค์ประกอบ
- พิจารณา
- การบริโภค
- มี
- อย่างต่อเนื่อง
- ควบคุม
- การแปลง
- ราคา
- ค่าใช้จ่ายที่มีประสิทธิภาพ
- ค่าใช้จ่าย
- หน้าปก
- วิกฤติ
- ประเพณี
- ลูกค้า
- ลูกค้า
- ข้อมูล
- การจัดการข้อมูล
- วิทยาศาสตร์ข้อมูล
- การตัดสินใจ
- หลุดพ้น
- ลึก
- องศา
- ปรับใช้
- ปรับใช้
- ออกแบบ
- หลักการออกแบบ
- การออกแบบ
- ที่ต้องการ
- รายละเอียด
- รายละเอียด
- พัฒนา
- ผู้พัฒนา
- ที่กำลังพัฒนา
- พัฒนาการ
- ต่าง
- ความยากลำบาก
- สนทนา
- กล่าวถึง
- พูดคุย
- การดำน้ำ
- เอกสาร
- ขั้นตอนการทำเอกสาร
- เอกสาร
- ไม่
- ลง
- หยด
- สอง
- แต่ละ
- ก่อน
- เศรษฐศาสตร์
- การศึกษา
- มีประสิทธิภาพ
- มีประสิทธิภาพ
- อย่างมีประสิทธิภาพ
- ที่มีประสิทธิภาพ
- EMEA
- ทำให้สามารถ
- ปลาย
- จบสิ้น
- พลังงาน
- ชั้นเยี่ยม
- เสริม
- ช่วย
- การตกแต่ง
- ทำให้มั่นใจ
- เพื่อให้แน่ใจ
- Enterprise
- เอกลักษณ์
- สิ่งแวดล้อม
- ความผิดพลาด
- ข้อผิดพลาด
- จำเป็น
- สร้าง
- ประเมินค่า
- วิวัฒนาการ
- ตัวอย่าง
- เกินกว่า
- ข้อยกเว้น
- ที่มีอยู่
- รายจ่าย
- ประสบการณ์
- ที่ชี้แจง
- กว้างขวาง
- ประสบการณ์ที่กว้างขวาง
- ภายนอก
- การสกัด
- ความล้มเหลว
- ความล้มเหลว
- คุ้นเคย
- เร็วขึ้น
- คุณสมบัติ
- ข้อเสนอแนะ
- สาขา
- รูป
- เงินทุน
- ทางการเงิน
- ข้อมูลทางการเงิน
- ห้า
- โฟกัส
- มุ่งเน้นไปที่
- โดยมุ่งเน้น
- ปฏิบัติตาม
- ดังต่อไปนี้
- ดังต่อไปนี้
- สำหรับ
- รากฐาน
- กรอบ
- ฟรี
- ราคาเริ่มต้นที่
- ฟังก์ชั่น
- พื้นฐาน
- ได้รับ
- กําไร
- เกม
- กำหนด
- Go
- เป้าหมาย
- ไป
- คำแนะนำ
- แนวทาง
- จัดการ
- จัดการ
- การจัดการ
- มี
- he
- ช่วย
- การช่วยเหลือ
- จะช่วยให้
- เธอ
- จุดสูง
- ระดับสูง
- ของเขา
- แนวนอน
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- ที่ http
- HTTPS
- เป็นมนุษย์
- ความคิด
- แยกแยะ
- if
- ส่งผลกระทบ
- การดำเนินการ
- การดำเนินงาน
- การใช้งาน
- การดำเนินการ
- สำคัญ
- ปรับปรุง
- การปรับปรุง
- การปรับปรุง
- in
- ประกอบด้วย
- รวมถึง
- รวมทั้ง
- ขาเข้า
- เพิ่ม
- ที่เพิ่มขึ้น
- ตัวบ่งชี้
- ตัวชี้วัด
- อุตสาหกรรม
- ข้อมูล
- โครงสร้างพื้นฐาน
- ที่ริเริ่ม
- ความเข้าใจ
- Intelligence
- ฉลาด
- การประมวลผลเอกสารอัจฉริยะ
- ผลประโยชน์
- การแทรกแซง
- เข้าไป
- แนะนำ
- ร่วมมือ
- IOT
- ปัญหา
- IT
- ITS
- งาน
- การเดินทาง
- jpg
- เพียงแค่
- เก็บ
- คีย์
- ความรู้
- แรงงาน
- ภาษา
- ความแอบแฝง
- เรียนรู้
- การเรียนรู้
- ชั้น
- ระดับ
- วงจรชีวิต
- กดไลก์
- ข้อ จำกัด
- ขีด จำกัด
- โหลด
- ที่ตั้งอยู่
- ที่ตั้ง
- การเข้าสู่ระบบ
- ตรรกะ
- อีกต่อไป
- รัก
- ต่ำ
- เครื่อง
- เรียนรู้เครื่อง
- ส่วนใหญ่
- เก็บรักษา
- ทำ
- ทำให้
- จัดการ
- การจัดการ
- การจัดการ
- คณิตศาสตร์
- อาจ..
- วิธี
- พบ
- ข้อความ
- ตัวชี้วัด
- ใจ
- ML
- แบบ
- โมเดล
- เงิน
- การตรวจสอบ
- การตรวจสอบ
- การตรวจสอบ
- รายเดือน
- ข้อมูลเพิ่มเติม
- หลาย
- ต้อง
- โดยธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- จำเป็นต้อง
- จำเป็น
- ความต้องการ
- ใหม่
- การประกาศ
- ตอนนี้
- ที่เกิดขึ้น
- ที่เกิดขึ้น
- OCR
- of
- มักจะ
- on
- เปิด
- โอเพนซอร์ส
- การดำเนินงาน
- การดำเนินการ
- การดำเนินงาน
- การรู้จำอักขระด้วยแสง
- เพิ่มประสิทธิภาพ
- or
- ใบสั่ง
- organizacja
- องค์กร
- อื่นๆ
- ออก
- ผล
- เกิน
- ทั้งหมด
- ภาพรวม
- Parallel
- สำคัญยิ่ง
- ส่วนหนึ่ง
- หุ้นส่วน
- พาร์ทเนอร์
- แบบแผน
- รูปแบบ
- ต่อ
- เปอร์เซ็นต์
- ดำเนินการ
- การปฏิบัติ
- ดำเนินการ
- ที่มีประสิทธิภาพ
- มุมมอง
- phd
- เสา
- เสา
- แผนการ
- แพลตฟอร์ม
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- นโยบาย
- โพสต์
- โพสต์
- ที่มีศักยภาพ
- การปฏิบัติ
- การป้องกัน
- ป้องกัน
- ก่อน
- ประถม
- หลักการ
- ความเป็นส่วนตัว
- ปัญหาที่เกิดขึ้น
- กระบวนการ
- แปรรูปแล้ว
- การประมวลผล
- การผลิต
- มืออาชีพ
- โครงการ
- เหมาะสม
- ให้
- ให้
- ผู้จัดหา
- ให้
- การให้
- สาธารณะ
- การตีพิมพ์
- คำถาม
- คะแนน
- ราคา
- ค่อนข้าง
- เกิดปฏิกิริยา
- พร้อม
- โลกแห่งความจริง
- เหตุผล
- รับ
- การรับรู้
- การอ้างอิง
- ปรับแต่ง
- เกี่ยวกับ
- ความนับถือ
- ที่เกี่ยวข้อง
- ความเชื่อถือได้
- น่าเชื่อถือ
- รายงาน
- ขอ
- การร้องขอ
- ยืดหยุ่น
- แก้ไข
- แหล่งข้อมูล
- การตอบสนอง
- ความจำ
- ย้อนกลับ
- ทบทวน
- สุดท้าย
- การตรวจสอบ
- ขวา
- ความเสี่ยง
- การกำหนดเส้นทาง
- กฎระเบียบ
- วิ่ง
- ลด
- scalability
- ที่ปรับขนาดได้
- ขนาด
- ปรับ
- ที่กำหนดไว้
- กำหนดการงาน
- วิทยาศาสตร์
- ที่สอง
- ส่วน
- ภาค
- ปลอดภัย
- ความปลอดภัย
- เห็น
- ระดับอาวุโส
- ชุด
- serverless
- บริการ
- บริการ
- การติดตั้ง
- หุ้น
- เธอ
- น่า
- ด้าน
- ง่าย
- หก
- So
- ทางออก
- โซลูชัน
- บาง
- แหล่ง
- ลำโพง
- ผู้เชี่ยวชาญ
- โดยเฉพาะ
- แหลม
- กีฬา
- ขั้นตอน
- เริ่มต้น
- Status
- ขั้นตอน
- การเก็บรักษา
- ซื่อตรง
- ลำธาร
- อย่างเช่น
- สนับสนุน
- ที่ยั่งยืน
- ระบบ
- ระบบ
- ต่อสู้
- ใช้เวลา
- การ
- งาน
- ทีม
- ทีม
- วิชาการ
- เทคโนโลยี
- การทดสอบ
- กว่า
- ที่
- พื้นที่
- ของพวกเขา
- พวกเขา
- แล้วก็
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- สิ่ง
- ของบุคคลที่สาม
- นี้
- สาม
- ธรณีประตู
- ตลอด
- ตลอด
- ปริมาณงาน
- ทิม
- เวลา
- ไปยัง
- ความอดทน
- หัวข้อ
- TPS
- ลู่
- การติดตาม
- การฝึกอบรม
- การทำธุรกรรม
- พยายาม
- การหมุน
- สอง
- ชนิด
- ชนิด
- พื้นฐาน
- เข้าใจ
- ไม่คาดฝัน
- ไม่จำเป็น
- uptime
- การใช้
- ใช้
- ใช้กรณี
- ผู้ใช้งาน
- ประสบการณ์ของผู้ใช้
- การใช้
- การตรวจสอบ
- ต่างๆ
- รายละเอียด
- ความชัดเจน
- วิสัยทัศน์
- ไดรฟ์
- vs
- เดิน
- ทาง..
- วิธี
- we
- เว็บ
- บริการเว็บ
- เมื่อ
- ที่
- ในขณะที่
- ทำไม
- จะ
- กับ
- ไม่มี
- งาน
- ทำงาน
- เวิร์กโฟลว์
- ขั้นตอนการทำงาน
- การทำงาน
- โรงงาน
- ปี
- คุณ
- ของคุณ
- ลมทะเล