“ข้อมูลที่ล็อคอยู่ในข้อความ เสียง โซเชียลมีเดีย และแหล่งข้อมูลที่ไม่มีโครงสร้างอื่นๆ อาจเป็นข้อได้เปรียบทางการแข่งขันสำหรับบริษัทที่รู้วิธีใช้งาน”
มีเพียง 18% ขององค์กรใน แบบสำรวจปี 2019 โดย Deloitte รายงานว่าสามารถใช้ประโยชน์จากข้อมูลที่ไม่มีโครงสร้างได้ ข้อมูลส่วนใหญ่ระหว่าง 80% ถึง 90% เป็นข้อมูลที่ไม่มีโครงสร้าง นั่นเป็นทรัพยากรขนาดใหญ่ที่ยังไม่ได้ใช้ซึ่งมีศักยภาพในการทำให้ธุรกิจได้เปรียบในการแข่งขันหากพวกเขาสามารถหาวิธีใช้งานได้ การค้นหาข้อมูลเชิงลึกจากข้อมูลนี้อาจเป็นเรื่องยาก โดยเฉพาะอย่างยิ่งหากจำเป็นต้องพยายามจัดประเภท แท็ก หรือติดป้ายกำกับ เข้าใจ Amazon การจัดหมวดหมู่แบบกำหนดเองจะมีประโยชน์ในสถานการณ์นี้ เข้าใจ Amazon เป็นบริการประมวลผลภาษาธรรมชาติ (NLP) ที่ใช้การเรียนรู้ของเครื่องเพื่อเปิดเผยข้อมูลเชิงลึกอันมีค่าและการเชื่อมโยงในข้อความ
การจัดหมวดหมู่หรือการจำแนกประเภทเอกสารมีประโยชน์อย่างมากในโดเมนธุรกิจ –
- ปรับปรุงการค้นหาและการเรียกค้น – ด้วยการจัดหมวดหมู่เอกสารตามหัวข้อหรือหมวดหมู่ที่เกี่ยวข้อง ทำให้ผู้ใช้สามารถค้นหาและเรียกค้นเอกสารที่ต้องการได้ง่ายขึ้นมาก พวกเขาสามารถค้นหาภายในหมวดหมู่เฉพาะเพื่อจำกัดผลลัพธ์ให้แคบลง
- การจัดการความรู้ – การจัดหมวดหมู่เอกสารอย่างเป็นระบบช่วยจัดระเบียบฐานความรู้ขององค์กร ช่วยให้ค้นหาข้อมูลที่เกี่ยวข้องได้ง่ายขึ้นและดูการเชื่อมโยงระหว่างเนื้อหาที่เกี่ยวข้อง
- ขั้นตอนการทำงานคล่องตัว – การเรียงลำดับเอกสารอัตโนมัติสามารถช่วยปรับปรุงกระบวนการทางธุรกิจหลายอย่าง เช่น การประมวลผลใบแจ้งหนี้ การสนับสนุนลูกค้า หรือการปฏิบัติตามกฎระเบียบ เอกสารสามารถกำหนดเส้นทางไปยังบุคคลหรือขั้นตอนการทำงานที่เหมาะสมได้โดยอัตโนมัติ
- ประหยัดต้นทุนและเวลา – การจัดหมวดหมู่เอกสารด้วยตนเองนั้นน่าเบื่อ ใช้เวลานาน และมีราคาแพง เทคนิค AI สามารถเข้าควบคุมงานธรรมดานี้และจัดหมวดหมู่เอกสารหลายพันรายการในเวลาอันสั้นด้วยต้นทุนที่ต่ำกว่ามาก
- การสร้างความเข้าใจ – การวิเคราะห์แนวโน้มในหมวดหมู่เอกสารสามารถให้ข้อมูลเชิงลึกทางธุรกิจที่เป็นประโยชน์ ตัวอย่างเช่น การร้องเรียนของลูกค้าที่เพิ่มขึ้นในหมวดหมู่ผลิตภัณฑ์อาจบ่งบอกถึงปัญหาบางอย่างที่ต้องแก้ไข
- การกำกับดูแลและการบังคับใช้นโยบาย – การตั้งค่ากฎการจัดหมวดหมู่เอกสารช่วยให้แน่ใจว่าเอกสารได้รับการจัดประเภทอย่างถูกต้องตามนโยบายขององค์กรและมาตรฐานการกำกับดูแล ช่วยให้สามารถติดตามและตรวจสอบได้ดีขึ้น
- ประสบการณ์ส่วนบุคคล – ในบริบทเช่นเนื้อหาเว็บไซต์ การจัดหมวดหมู่เอกสารช่วยให้สามารถแสดงเนื้อหาที่ปรับแต่งให้ผู้ใช้เห็นตามความสนใจและความชอบของพวกเขาตามที่กำหนดจากพฤติกรรมการเรียกดูของพวกเขา สิ่งนี้สามารถเพิ่มการมีส่วนร่วมของผู้ใช้ได้
ความซับซ้อนของการพัฒนาโมเดลแมชชีนเลิร์นนิงแบบแยกประเภทตามความต้องการนั้นแตกต่างกันไปขึ้นอยู่กับแง่มุมต่างๆ เช่น คุณภาพข้อมูล อัลกอริทึม ความสามารถในการปรับขนาด และความรู้เกี่ยวกับโดเมน และอื่นๆ อีกมากมาย จำเป็นอย่างยิ่งที่จะต้องเริ่มต้นด้วยคำจำกัดความของปัญหาที่ชัดเจน ข้อมูลที่สะอาดและเกี่ยวข้อง และค่อยๆ ทำงานผ่านขั้นตอนต่างๆ ของการพัฒนาแบบจำลอง อย่างไรก็ตาม ธุรกิจสามารถสร้างโมเดล Machine Learning ที่เป็นเอกลักษณ์ของตนเองได้โดยใช้การจัดหมวดหมู่แบบกำหนดเองของ Amazon Comprehend เพื่อจัดประเภทเอกสารข้อความเป็นหมวดหมู่หรือแท็กโดยอัตโนมัติ เพื่อให้ตรงตามข้อกำหนดเฉพาะทางธุรกิจ และเชื่อมโยงกับเทคโนโลยีทางธุรกิจและหมวดหมู่เอกสาร เนื่องจากการติดแท็กหรือการจัดหมวดหมู่โดยมนุษย์ไม่จำเป็นอีกต่อไป จึงช่วยธุรกิจประหยัดเวลา เงิน และแรงงานได้มาก เราได้ทำให้กระบวนการนี้ง่ายขึ้นโดยทำให้ไปป์ไลน์การฝึกอบรมทั้งหมดเป็นแบบอัตโนมัติ
ในส่วนแรกของโพสต์บล็อกหลายซีรีส์นี้ คุณจะได้เรียนรู้วิธีสร้างไปป์ไลน์การฝึกอบรมที่ปรับขนาดได้ และเตรียมข้อมูลการฝึกอบรมสำหรับโมเดลการจัดหมวดหมู่ที่กำหนดเองของ Comprehend เราจะแนะนำไปป์ไลน์การฝึกอบรมตัวแยกประเภทแบบกำหนดเองที่สามารถปรับใช้ในบัญชี AWS ของคุณได้ด้วยการคลิกเพียงไม่กี่ครั้ง เรากำลังใช้ชุดข้อมูลข่าว BBC และจะฝึกอบรมตัวแยกประเภทเพื่อระบุชั้นเรียน (เช่น การเมือง กีฬา) ที่เป็นของเอกสาร ไปป์ไลน์จะช่วยให้องค์กรของคุณตอบสนองต่อการเปลี่ยนแปลงอย่างรวดเร็วและฝึกอบรมโมเดลใหม่ๆ โดยไม่ต้องเริ่มต้นใหม่ทุกครั้ง คุณสามารถขยายขนาดและฝึกโมเดลได้หลายแบบตามความต้องการของคุณได้อย่างง่ายดาย
เบื้องต้น
- บัญชี AWS ที่ใช้งานอยู่ (คลิก โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม เพื่อสร้างบัญชี AWS ใหม่)
- เข้าถึง Amazon Comprehend, Amazon S3, Amazon Lambda, Amazon Step Function, Amazon SNS และ Amazon CloudFormation
- ข้อมูลการฝึกอบรม (กึ่งโครงสร้างหรือข้อความ) จัดทำขึ้นในส่วนต่อไปนี้
- ความรู้พื้นฐานเกี่ยวกับ Python และ Machine Learning โดยทั่วไป
เตรียมข้อมูลการฝึก
โซลูชันนี้สามารถรับอินพุตเป็นอย่างใดอย่างหนึ่ง รูปแบบข้อความ (เช่น CSV) หรือ รูปแบบกึ่งโครงสร้าง (เช่น PDF)
ป้อนข้อความ
เข้าใจ Amazon การจำแนกประเภทแบบกำหนดเองรองรับสองโหมด: หลายคลาสและหลายป้ายกำกับ
ในโหมดหลายคลาส แต่ละเอกสารสามารถมีคลาสเดียวและคลาสเดียวเท่านั้นที่กำหนดให้กับมัน ข้อมูลการฝึกอบรมควรจัดทำเป็นไฟล์ CSV สองคอลัมน์ โดยแต่ละบรรทัดของไฟล์ประกอบด้วยคลาสเดียวและข้อความของเอกสารที่สาธิตชั้นเรียน
ตัวอย่างสำหรับ ชุดข้อมูลข่าวบีบีซี:
ในโหมดหลายป้ายกำกับ แต่ละเอกสารจะมีคลาสอย่างน้อยหนึ่งคลาสที่กำหนด แต่สามารถมีคลาสได้มากกว่านั้น ข้อมูลการฝึกอบรมควรเป็นไฟล์ CSV สองคอลัมน์ ซึ่งแต่ละบรรทัดของไฟล์ประกอบด้วยหนึ่งชั้นเรียนขึ้นไปและข้อความของเอกสารการฝึกอบรม ควรระบุมากกว่าหนึ่งคลาสโดยใช้ตัวคั่นระหว่างแต่ละคลาส
ไม่ควรรวมส่วนหัวไว้ในไฟล์ CSV สำหรับโหมดการฝึกโหมดใดโหมดหนึ่ง
อินพุตกึ่งโครงสร้าง
เริ่มต้นใน 2023 เข้าใจ Amazon ขณะนี้รองรับโมเดลการฝึกอบรมโดยใช้เอกสารกึ่งโครงสร้างแล้ว ข้อมูลการฝึกอบรมสำหรับการป้อนข้อมูลกึ่งโครงสร้างประกอบด้วยชุดเอกสารที่มีป้ายกำกับ ซึ่งสามารถระบุเอกสารล่วงหน้าได้จากที่เก็บเอกสารที่คุณมีสิทธิ์เข้าถึงอยู่แล้ว ต่อไปนี้เป็นตัวอย่างของข้อมูล CSV ในไฟล์คำอธิบายประกอบที่จำเป็นสำหรับการฝึก (ตัวอย่างข้อมูล):
ไฟล์ CSV คำอธิบายประกอบประกอบด้วยสามคอลัมน์: คอลัมน์แรกประกอบด้วยป้ายกำกับสำหรับเอกสาร คอลัมน์ที่สองคือชื่อเอกสาร (เช่น ชื่อไฟล์) และคอลัมน์สุดท้ายคือหมายเลขหน้าของเอกสารที่คุณต้องการรวมไว้ใน ชุดข้อมูลการฝึกอบรม ในกรณีส่วนใหญ่ หากไฟล์ CSV คำอธิบายประกอบอยู่ในโฟลเดอร์เดียวกันกับเอกสารอื่นๆ ทั้งหมด คุณเพียงแค่ต้องระบุชื่อเอกสารในคอลัมน์ที่สอง อย่างไรก็ตาม หากไฟล์ CSV อยู่ในตำแหน่งอื่น คุณจะต้องระบุเส้นทางไปยังตำแหน่งในคอลัมน์ที่สอง เช่น path/to/prefix/document1.pdf
.
สำหรับรายละเอียดวิธีการจัดเตรียมข้อมูลการฝึกอบรมของคุณ โปรดดูที่ โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม.
ภาพรวมโซลูชัน
- เข้าใจ Amazon ไปป์ไลน์การฝึกเริ่มต้นเมื่อข้อมูลการฝึก (ไฟล์ .csv สำหรับการป้อนข้อความ และไฟล์ .csv คำอธิบายประกอบ สำหรับการอินพุตแบบกึ่งโครงสร้าง) ถูกอัปโหลดไปยัง Amazon Simple Storage Service เฉพาะ (Amazon S3) ถัง
- An AWS แลมบ์ดา ฟังก์ชั่นถูกเรียกใช้โดย Amazon S3 ทริกเกอร์เพื่อให้ทุกครั้งที่อัปโหลดวัตถุไปยังที่ระบุ Amazon S3 ตำแหน่ง ฟังก์ชัน AWS Lambda จะดึงชื่อบัคเก็ตต้นทางและชื่อคีย์ของออบเจ็กต์ที่อัปโหลด แล้วส่งต่อไปยังการฝึก ฟังก์ชั่นขั้นตอน เวิร์กโฟลว์
- ในฟังก์ชันขั้นตอนการฝึก หลังจากได้รับชื่อบัคเก็ตข้อมูลการฝึกและชื่อคีย์ออบเจ็กต์เป็นพารามิเตอร์อินพุตแล้ว เวิร์กโฟลว์การฝึกโมเดลแบบกำหนดเองจะเริ่มต้นเป็นชุดของฟังก์ชัน lambda ตามที่อธิบายไว้:
StartComprehendTraining
: ฟังก์ชัน AWS Lambda นี้กำหนดComprehendClassifier
วัตถุขึ้นอยู่กับประเภทของไฟล์อินพุต (เช่น ข้อความหรือกึ่งโครงสร้าง) จากนั้นจึงเริ่มต้น เข้าใจ Amazon งานฝึกอบรมการจำแนกประเภทแบบกำหนดเองโดยการโทร create_document_ลักษณนาม Application Programming Interfact (API) ซึ่งส่งคืนงานการฝึกอบรม Amazon Resource Names (ARN) จากนั้น ฟังก์ชันนี้จะตรวจสอบสถานะของงานการฝึกโดยการเรียกใช้ อธิบาย_เอกสาร_ลักษณนาม เอพีไอ สุดท้ายจะส่งคืน ARN ของงานการฝึกอบรมและสถานะงาน เป็นเอาต์พุตไปยังขั้นตอนถัดไปของเวิร์กโฟลว์การฝึกอบรมGetTrainingJobStatus
: AWS Lambda นี้จะตรวจสอบสถานะงานของงานฝึกอบรมทุกๆ 15 นาทีโดยการโทร อธิบาย_เอกสาร_ลักษณนาม API จนกว่าสถานะงานการฝึกอบรมจะเปลี่ยนเป็นเสร็จสมบูรณ์หรือล้มเหลวGenerateMultiClass
orGenerateMultiLabel
: หากคุณเลือก ใช่ สำหรับรายงานประสิทธิภาพเมื่อเปิดใช้งานสแต็ก หนึ่งในสอง AWS Lambdas นี้จะเรียกใช้การวิเคราะห์ตามเอาต์พุตโมเดล Amazon Comprehend ของคุณ ซึ่งสร้างการวิเคราะห์ประสิทธิภาพต่อคลาสและบันทึกลงใน Amazon S3.GenerateMultiClass
: AWS Lambda นี้จะถูกเรียกหากอินพุตของคุณคือ มัลติคลาส และคุณเลือก ใช่ สำหรับรายงานผลการปฏิบัติงานGenerateMultiLabel
: AWS Lambda นี้จะถูกเรียกหากอินพุตของคุณคือ มัลติเลเบล และคุณเลือก ใช่ สำหรับรายงานผลการปฏิบัติงาน
- เมื่อการฝึกอบรมเสร็จสิ้นแล้ว โซลูชันจะสร้างผลลัพธ์ต่อไปนี้:
- โมเดลการจำแนกประเภทแบบกำหนดเอง: โมเดล ARN ที่ผ่านการฝึกอบรมจะพร้อมใช้งานในบัญชีของคุณสำหรับงานอนุมานในอนาคต
- เมทริกซ์ความสับสน [ตัวเลือกl]: เมทริกซ์ความสับสน (
confusion_matrix
.json) จะพร้อมใช้งานในเอาต์พุตที่ผู้ใช้กำหนด Amazon S3 เส้นทางขึ้นอยู่กับการเลือกของผู้ใช้ - บริการแจ้งเตือนแบบง่ายของ Amazon การแจ้งเตือน [ตัวเลือกl]: จะมีการส่งอีเมลแจ้งเตือนเกี่ยวกับสถานะงานการฝึกอบรมไปยังสมาชิก ขึ้นอยู่กับการเลือกผู้ใช้ครั้งแรก
คำแนะนำแบบ
เปิดตัวโซลูชัน
ในการปรับใช้ไปป์ไลน์ของคุณ ให้ทำตามขั้นตอนต่อไปนี้:
- Choose เรียกใช้ Stack ปุ่ม:
- เลือกถัดไป
- ระบุรายละเอียดไปป์ไลน์พร้อมตัวเลือกที่เหมาะกับกรณีการใช้งานของคุณ:
ข้อมูลสำหรับรายละเอียดแต่ละสแต็ก:
- ชื่อสแต็ก (จำเป็น) – ชื่อที่คุณระบุไว้สำหรับสิ่งนี้ การก่อตัวของ AWS Cloud ซ้อนกัน. ชื่อต้องไม่ซ้ำกันในภูมิภาคที่คุณกำลังสร้าง
- Q01ClassifierInputBucketName (จำเป็น) – ชื่อบัคเก็ต Amazon S3 เพื่อจัดเก็บข้อมูลอินพุตของคุณ ควรเป็นชื่อที่ไม่ซ้ำกันทั่วโลกและสแต็ก AWS CloudFormation จะช่วยคุณสร้างบัคเก็ตในขณะที่กำลังเปิดตัว
- Q02ClassifierOutputBucketName (จำเป็น) – ชื่อบัคเก็ต Amazon S3 เพื่อจัดเก็บเอาต์พุตจาก Amazon Comprehend และไปป์ไลน์ และควรเป็นชื่อที่ไม่ซ้ำกันทั่วโลกด้วย
- Q03รูปแบบอินพุต – การเลือกแบบเลื่อนลงคุณสามารถเลือกได้ ข้อความ (หากข้อมูลการฝึกอบรมของคุณเป็นไฟล์ CSV) หรือ กึ่งโครงสร้าง (หากข้อมูลการฝึกอบรมของคุณเป็นแบบกึ่งโครงสร้าง [เช่น ไฟล์ PDF]) ตามรูปแบบการป้อนข้อมูลของคุณ
- Q04ภาษา – การเลือกแบบเลื่อนลง เลือกภาษาของเอกสารจากรายการที่รองรับ โปรดทราบว่าขณะนี้รองรับเฉพาะภาษาอังกฤษเท่านั้นหากรูปแบบอินพุตของคุณเป็นแบบกึ่งโครงสร้าง
- Q05มัลติคลาส – การเลือกแบบเลื่อนลง เลือก ใช่ หากอินพุตของคุณเป็นโหมด MultiClass มิฉะนั้น ให้เลือก ไม่.
- Q06ตัวคั่นฉลาก – จำเป็นเฉพาะในกรณีที่คำตอบ Q05MultiClass ของคุณคือ ไม่. ตัวคั่นนี้ใช้ในข้อมูลการฝึกอบรมของคุณเพื่อแยกแต่ละชั้นเรียน
- Q07ชุดข้อมูลการตรวจสอบ – ตัวเลือกแบบเลื่อนลงให้เปลี่ยนคำตอบเป็น ใช่ หากคุณต้องการทดสอบประสิทธิภาพของลักษณนามที่ผ่านการฝึกอบรมด้วยข้อมูลการทดสอบของคุณเอง
- Q08S3เส้นทางการตรวจสอบ – จำเป็นเฉพาะในกรณีที่คำตอบ Q07ValidationDataset ของคุณคือ ใช่.
- Q09รายงานประสิทธิภาพ – การเลือกแบบเลื่อนลง เลือก ใช่ หากคุณต้องการสร้างรายงานประสิทธิภาพระดับชั้นเรียนหลังการฝึกอบรมโมเดล รายงานจะถูกบันทึกไว้ในที่เก็บข้อมูลเอาต์พุตที่คุณระบุใน Q02ClassifierOutputBucketName
- Q10การแจ้งเตือนทางอีเมล – การเลือกแบบเลื่อนลง เลือก ใช่ หากคุณต้องการรับการแจ้งเตือนหลังจากโมเดลได้รับการฝึกฝนแล้ว
- Q11รหัสอีเมล – ป้อนที่อยู่อีเมลที่ถูกต้องเพื่อรับการแจ้งเตือนรายงานประสิทธิภาพ โปรดทราบว่าคุณต้องยืนยันการสมัครรับข้อมูลจากอีเมลของคุณหลังจากเปิดตัวสแต็ก AWS CloudFormation ก่อนที่คุณจะสามารถรับการแจ้งเตือนเมื่อการฝึกอบรมเสร็จสิ้น
- ในส่วน Amazon กำหนดค่าตัวเลือกสแต็ก ให้เพิ่มแท็กเสริม สิทธิ์ และการตั้งค่าขั้นสูงอื่นๆ
- Choose ถัดไป
- ตรวจสอบรายละเอียดสแตกแล้วเลือกฉันรับทราบ การก่อตัวของ AWS Cloud อาจสร้าง AWS AMI ทรัพยากร
- Choose ส่ง. สิ่งนี้จะเริ่มต้นการปรับใช้ไปป์ไลน์ในบัญชี AWS ของคุณ
- หลังจากที่ปรับใช้สแต็กสำเร็จแล้ว คุณก็สามารถเริ่มใช้ไปป์ไลน์ได้ สร้างก
/training-data
โฟลเดอร์ภายใต้ตำแหน่ง Amazon S3 ที่คุณระบุเพื่อป้อนข้อมูล บันทึก: Amazon S3 ใช้การเข้ารหัสฝั่งเซิร์ฟเวอร์ (SSE-S3) โดยอัตโนมัติกับออบเจ็กต์ใหม่แต่ละรายการ เว้นแต่คุณจะระบุตัวเลือกการเข้ารหัสอื่น กรุณาอ้างอิง การปกป้องข้อมูลใน Amazon S3 สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับการปกป้องข้อมูลและการเข้ารหัสใน Amazon S3.
- อัปโหลดข้อมูลการฝึกอบรมของคุณไปยังโฟลเดอร์ (หากข้อมูลการฝึกอบรมเป็นแบบกึ่งโครงสร้าง ให้อัปโหลดไฟล์ PDF ทั้งหมดก่อนที่จะอัปโหลดข้อมูลป้ายกำกับรูปแบบ .csv)
คุณทำเสร็จแล้ว! คุณปรับใช้ไปป์ไลน์ของคุณสำเร็จแล้ว และคุณสามารถตรวจสอบสถานะไปป์ไลน์ได้ในฟังก์ชันขั้นตอนการปรับใช้ (คุณจะมีโมเดลที่ผ่านการฝึกอบรมในแผงการจัดหมวดหมู่แบบกำหนดเองของ Amazon Comprehend)
หากเลือกรุ่นและเวอร์ชันภายใน เข้าใจ Amazon Console คุณจะดูรายละเอียดเพิ่มเติมเกี่ยวกับโมเดลที่คุณเพิ่งฝึกได้แล้ว ประกอบด้วยโหมดที่คุณเลือก ซึ่งสอดคล้องกับตัวเลือก Q05MultiClass จำนวนป้ายกำกับ และจำนวนเอกสารการฝึกอบรมและการทดสอบภายในข้อมูลการฝึกอบรมของคุณ คุณสามารถตรวจสอบประสิทธิภาพโดยรวมได้ที่ด้านล่างนี้ อย่างไรก็ตาม หากคุณต้องการตรวจสอบประสิทธิภาพโดยละเอียดสำหรับแต่ละคลาส โปรดดูรายงานประสิทธิภาพที่สร้างโดยไปป์ไลน์ที่ใช้งาน
โควต้าการบริการ
บัญชี AWS ของคุณมีโควต้าเริ่มต้นสำหรับ เข้าใจ Amazon และ อเมซอนข้อความหากอินพุตอยู่ในรูปแบบกึ่งโครงสร้าง หากต้องการดูโควต้าบริการ โปรดดู โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม for เข้าใจ Amazon และ โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม for อเมซอนข้อความ.
ทำความสะอาด
เพื่อหลีกเลี่ยงค่าใช้จ่ายต่อเนื่อง ให้ลบทรัพยากรที่คุณสร้างเป็นส่วนหนึ่งของโซลูชันนี้เมื่อดำเนินการเสร็จแล้ว
- เกี่ยวกับ Amazon S3 console ให้ลบเนื้อหาภายในบัคเก็ตที่คุณสร้างขึ้นสำหรับข้อมูลอินพุตและเอาต์พุตด้วยตนเอง
- เกี่ยวกับ การก่อตัวของ AWS Cloud คอนโซล เลือก สแต็ค ในบานหน้าต่างนำทาง
- เลือกกองหลักแล้วเลือก ลบ.
การดำเนินการนี้จะลบสแต็กที่ปรับใช้โดยอัตโนมัติ
- คุณผ่านการฝึกอบรม เข้าใจ Amazon รูปแบบการจัดหมวดหมู่ที่กำหนดเองจะยังคงอยู่ในบัญชีของคุณ หากคุณไม่ต้องการมันอีกต่อไป เข้ามา เข้าใจ Amazon คอนโซล ลบโมเดลที่สร้างขึ้น
สรุป
ในโพสต์นี้ เราได้แสดงให้คุณเห็นแนวคิดของไปป์ไลน์การฝึกอบรมที่ปรับขนาดได้ เข้าใจ Amazon โมเดลการจำแนกประเภทแบบกำหนดเองและมอบโซลูชันอัตโนมัติเพื่อฝึกอบรมโมเดลใหม่อย่างมีประสิทธิภาพ ที่ การก่อตัวของ AWS Cloud เทมเพลตที่มีให้ช่วยให้คุณสร้างโมเดลการจัดหมวดหมู่ข้อความของคุณเองได้อย่างง่ายดาย เพื่อรองรับระดับความต้องการ โซลูชันนี้ใช้ฟีเจอร์ Euclid ที่ประกาศล่าสุด และยอมรับอินพุตในรูปแบบข้อความหรือรูปแบบกึ่งโครงสร้าง
ตอนนี้เราขอแนะนำให้คุณผู้อ่านของเราทดสอบเครื่องมือเหล่านี้ คุณสามารถค้นหารายละเอียดเพิ่มเติมเกี่ยวกับ การเตรียมข้อมูลการฝึกอบรม และเข้าใจ เมตริกลักษณนามที่กำหนดเอง. ลองใช้และดูโดยตรงว่าจะสามารถปรับปรุงกระบวนการฝึกโมเดลของคุณและเพิ่มประสิทธิภาพได้อย่างไร กรุณาแบ่งปันความคิดเห็นของคุณกับเรา!
เกี่ยวกับผู้เขียน
Sandeep Singh เป็นนักวิทยาศาสตร์ข้อมูลอาวุโสที่มี AWS Professional Services เขามีความกระตือรือร้นในการช่วยให้ลูกค้าคิดค้นและบรรลุวัตถุประสงค์ทางธุรกิจโดยการพัฒนาโซลูชันที่ขับเคลื่อนด้วย AI/ML ที่ล้ำสมัย ปัจจุบันเขามุ่งเน้นไปที่ Generative AI, LLM, วิศวกรรมที่รวดเร็ว และการปรับขนาด Machine Learning ทั่วทั้งองค์กร เขานำความก้าวหน้าด้าน AI ล่าสุดมาสร้างมูลค่าให้กับลูกค้า
หยานหยาน จาง เป็นนักวิทยาศาสตร์ข้อมูลอาวุโสในทีมจัดส่งพลังงานที่มี AWS Professional Services เธอมีความกระตือรือร้นในการช่วยให้ลูกค้าแก้ไขปัญหาที่แท้จริงด้วยความรู้ด้าน AI/ML เมื่อเร็วๆ นี้ เธอมุ่งเน้นไปที่การสำรวจศักยภาพของ Generative AI และ LLM นอกเหนือจากการทำงาน เธอชอบการเดินทาง ออกกำลังกาย และสำรวจสิ่งใหม่ๆ
Wrick ตะลักดาร์ เป็นสถาปนิกอาวุโสกับทีม Amazon Comprehend Service เขาทำงานร่วมกับลูกค้า AWS เพื่อช่วยให้พวกเขานำการเรียนรู้ของเครื่องไปใช้ในวงกว้าง นอกเวลางาน เขาชอบอ่านหนังสือและถ่ายรูป
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ChartPrime. ยกระดับเกมการซื้อขายของคุณด้วย ChartPrime เข้าถึงได้ที่นี่.
- BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/build-a-classification-pipeline-with-amazon-comprehend-custom-classification-part-i/
- :มี
- :เป็น
- $ ขึ้น
- 1
- 100
- 11
- 15%
- 2023
- 24
- 26%
- 7
- 9
- a
- สามารถ
- เกี่ยวกับเรา
- ยอมรับ
- เข้า
- ตาม
- ลงชื่อเข้าใช้
- บรรลุ
- รับทราบ
- ข้าม
- คล่องแคล่ว
- เพิ่ม
- ที่อยู่
- จ่าหน้า
- นำมาใช้
- สูง
- ความก้าวหน้า
- ความได้เปรียบ
- หลังจาก
- AI
- AI / ML
- ขั้นตอนวิธี
- ทั้งหมด
- ช่วยให้
- แล้ว
- ด้วย
- อเมซอน
- เข้าใจ Amazon
- Amazon Web Services
- an
- การวิเคราะห์
- วิเคราะห์
- และ
- ประกาศ
- คำตอบ
- อีกต่อไป
- API
- การใช้งาน
- มีผลบังคับใช้
- เป็น
- AS
- ด้าน
- ที่ได้รับมอบหมาย
- At
- เสียง
- การตรวจสอบบัญชี
- อัตโนมัติ
- อัตโนมัติ
- อัตโนมัติ
- โดยอัตโนมัติ
- ใช้ได้
- หลีกเลี่ยง
- ไป
- AWS
- การก่อตัวของ AWS Cloud
- AWS แลมบ์ดา
- บริการระดับมืออาชีพของ AWS
- ฐาน
- ตาม
- บีบีซี
- BE
- รับ
- ก่อน
- พฤติกรรม
- กำลัง
- เป็น
- ด้านล่าง
- ประโยชน์ที่ได้รับ
- bespoke
- ดีกว่า
- ระหว่าง
- ใหญ่
- บล็อก
- นำ
- Browsing
- สร้าง
- ธุรกิจ
- ธุรกิจ
- แต่
- ปุ่ม
- by
- ที่เรียกว่า
- โทร
- CAN
- กรณี
- กรณี
- หมวดหมู่
- การจัดหมวดหมู่
- หมวดหมู่
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- โหลด
- ตรวจสอบ
- การตรวจสอบ
- Choose
- เลือก
- ชั้น
- ชั้นเรียน
- การจัดหมวดหมู่
- จัด
- แยกประเภท
- ชัดเจน
- คลิก
- รวบรวม
- คอลัมน์
- คอลัมน์
- การแข่งขัน
- ร้องเรียน
- สมบูรณ์
- เสร็จ
- ความซับซ้อน
- การปฏิบัติตาม
- เข้าใจ
- ประกอบด้วย
- แนวคิด
- ยืนยัน
- ความสับสน
- การเชื่อมต่อ
- ปลอบใจ
- มี
- เนื้อหา
- เนื้อหา
- บริบท
- สอดคล้อง
- ราคา
- ได้
- สร้าง
- สร้างมูลค่า
- ที่สร้างขึ้น
- การสร้าง
- ขณะนี้
- ประเพณี
- ลูกค้า
- Customer Support
- ลูกค้า
- ข้อมูล
- การป้องกันข้อมูล
- นักวิทยาศาสตร์ข้อมูล
- ทุ่มเท
- ค่าเริ่มต้น
- กำหนด
- กำหนด
- คำนิยาม
- การจัดส่ง
- ดีลอยท์
- ความต้องการ
- แสดงให้เห็นถึง
- ทั้งนี้ขึ้นอยู่กับ
- ปรับใช้
- นำไปใช้
- การใช้งาน
- อธิบาย
- รายละเอียด
- รายละเอียด
- รายละเอียด
- แน่นอน
- ที่กำลังพัฒนา
- พัฒนาการ
- ต่าง
- ยาก
- เอกสาร
- เอกสาร
- ดอลลาร์
- โดเมน
- โดเมน
- ทำ
- Dont
- ลง
- e
- แต่ละ
- ง่ายดาย
- อย่างง่ายดาย
- ขอบ
- อย่างมีประสิทธิภาพ
- อย่างมีประสิทธิภาพ
- ง่าย
- ความพยายาม
- ทั้ง
- อีเมล
- ทำให้สามารถ
- ส่งเสริม
- การเข้ารหัสลับ
- พลังงาน
- มีส่วนร่วม
- ชั้นเยี่ยม
- ภาษาอังกฤษ
- เสริม
- ทำให้มั่นใจ
- เข้าสู่
- ผู้ประกอบการ
- จำเป็น
- ยุโรป
- ทุกๆ
- ตัวอย่าง
- แพง
- สำรวจ
- ล้มเหลว
- ลักษณะ
- ข้อเสนอแนะ
- สองสาม
- รูป
- เนื้อไม่มีมัน
- ไฟล์
- ในที่สุด
- หา
- บริษัท
- ชื่อจริง
- เหมาะสม
- โฟกัส
- มุ่งเน้น
- ดังต่อไปนี้
- สำหรับ
- รูป
- ราคาเริ่มต้นที่
- ฟังก์ชัน
- ฟังก์ชั่น
- อนาคต
- สร้าง
- สร้าง
- สร้าง
- กำเนิด
- กำเนิด AI
- ให้
- ทั่วโลก
- การกำกับดูแล
- ค่อยๆ
- มี
- มี
- he
- ช่วย
- การช่วยเหลือ
- จะช่วยให้
- เธอ
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- อย่างไรก็ตาม
- HTML
- HTTPS
- เป็นมนุษย์
- i
- แยกแยะ
- if
- in
- ประกอบด้วย
- รวม
- รวมถึง
- เพิ่ม
- แสดงว่า
- ข้อมูล
- แรกเริ่ม
- ประทับจิต
- เราสร้างสรรค์สิ่งใหม่ ๆ
- อินพุต
- ปัจจัยการผลิต
- ภายใน
- ข้อมูลเชิงลึก
- ผลประโยชน์
- เข้าไป
- แนะนำ
- เรียก
- ปัญหา
- IT
- ITS
- การสัมภาษณ์
- jpg
- JSON
- เพียงแค่
- คีย์
- ความรู้
- ฉลาก
- ป้ายกำกับ
- แรงงาน
- ภาษา
- ใหญ่
- ชื่อสกุล
- เปิดตัว
- การเปิดตัว
- เรียนรู้
- การเรียนรู้
- น้อยที่สุด
- กดไลก์
- Line
- รายการ
- LLM
- ที่ตั้งอยู่
- ที่ตั้ง
- ล็อค
- อีกต่อไป
- Lot
- รัก
- ลด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- หลัก
- ส่วนใหญ่
- ทำให้
- คู่มือ
- ด้วยมือ
- หลาย
- แผนที่
- มดลูก
- อาจ..
- ภาพบรรยากาศ
- พบ
- อาจ
- นาที
- โหมด
- แบบ
- โมเดล
- โหมด
- เงิน
- การตรวจสอบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- ภูเขา
- มาก
- หลาย
- ต้อง
- ชื่อ
- ชื่อ
- แคบ
- การเดินเรือ
- จำเป็น
- จำเป็นต้อง
- จำเป็น
- ใหม่
- ข่าว
- ถัดไป
- NLP
- ไม่
- การประกาศ
- ตอนนี้
- จำนวน
- วัตถุ
- วัตถุประสงค์
- of
- on
- ONE
- ต่อเนื่อง
- เพียง
- ตัวเลือกเสริม (Option)
- Options
- or
- organizacja
- องค์กร
- อื่นๆ
- มิฉะนั้น
- ของเรา
- ออก
- เอาท์พุต
- ด้านนอก
- เกิน
- ทั้งหมด
- ของตนเอง
- หน้า
- บานหน้าต่าง
- แผง
- พารามิเตอร์
- ส่วนหนึ่ง
- โดยเฉพาะ
- ส่ง
- หลงใหล
- เส้นทาง
- รูปแบบไฟล์ PDF
- คน
- ต่อ
- การปฏิบัติ
- สิทธิ์
- การถ่ายภาพ
- ท่อ
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- กรุณา
- นโยบาย
- นโยบาย
- การเมือง
- เป็นไปได้
- โพสต์
- ที่มีศักยภาพ
- ขับเคลื่อน
- การตั้งค่า
- เตรียมการ
- เตรียม
- ปัญหา
- ปัญหาที่เกิดขึ้น
- กระบวนการ
- กระบวนการ
- การประมวลผล
- ผลิตภัณฑ์
- มืออาชีพ
- การเขียนโปรแกรม
- การป้องกัน
- ให้
- ให้
- การให้
- หลาม
- คุณภาพ
- อย่างรวดเร็ว
- ผู้อ่าน
- การอ่าน
- จริง
- รับ
- การได้รับ
- เมื่อเร็ว ๆ นี้
- เมื่อเร็ว ๆ นี้
- อ้างอิง
- ภูมิภาค
- หน่วยงานกำกับดูแล
- ปฏิบัติตามกฎระเบียบ
- ที่เกี่ยวข้อง
- ตรงประเด็น
- ยังคง
- รายงาน
- รายงาน
- กรุ
- จำเป็นต้องใช้
- ความต้องการ
- ทรัพยากร
- แหล่งข้อมูล
- ตอบสนอง
- ผลสอบ
- รับคืน
- ขวา
- กฎระเบียบ
- วิ่ง
- เดียวกัน
- ลด
- ที่บันทึกไว้
- scalability
- ที่ปรับขนาดได้
- ขนาด
- ตาชั่ง
- ปรับ
- นักวิทยาศาสตร์
- รอยขีดข่วน
- ค้นหา
- ที่สอง
- Section
- เห็น
- การเลือก
- ระดับอาวุโส
- ส่ง
- แยก
- ชุด
- บริการ
- บริการ
- ชุด
- การตั้งค่า
- การตั้งค่า
- Share
- เธอ
- สั้น
- น่า
- แสดงให้เห็นว่า
- แสดง
- สำคัญ
- มีความหมายว่า
- ง่าย
- เดียว
- สถานการณ์
- สังคม
- โซเชียลมีเดีย
- ทางออก
- โซลูชัน
- แก้
- บาง
- แหล่ง
- แหล่งที่มา
- โดยเฉพาะ
- ที่ระบุไว้
- กีฬา
- กอง
- ระยะ
- ขั้นตอน
- มาตรฐาน
- เริ่มต้น
- เริ่มต้น
- รัฐของศิลปะ
- Status
- ขั้นตอน
- ขั้นตอน
- การเก็บรักษา
- จัดเก็บ
- เพรียวลม
- สมาชิก
- การสมัครสมาชิก
- ต่อจากนั้น
- ประสบความสำเร็จ
- อย่างเช่น
- สนับสนุน
- ที่สนับสนุน
- รองรับ
- การสำรวจ
- TAG
- ปรับปรุง
- เอา
- งาน
- ทีม
- เทคโนโลยี
- เทคนิค
- เทคโนโลยี
- เทมเพลต
- ทดสอบ
- ข้อความ
- การจัดประเภทข้อความ
- กว่า
- ที่
- พื้นที่
- ที่มา
- ของพวกเขา
- พวกเขา
- แล้วก็
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- สิ่ง
- นี้
- พัน
- สาม
- ตลอด
- เวลา
- ต้องใช้เวลามาก
- ไปยัง
- เครื่องมือ
- หัวข้อ
- รถไฟ
- ผ่านการฝึกอบรม
- การฝึกอบรม
- การเดินทาง
- แนวโน้ม
- เรียก
- ลอง
- สอง
- ชนิด
- เปิดเผย
- ภายใต้
- เข้าใจ
- เป็นเอกลักษณ์
- ไม่ได้ใช้
- จนกระทั่ง
- อัปโหลด
- อัปโหลด
- us
- ใช้
- ใช้กรณี
- มือสอง
- ผู้ใช้งาน
- ผู้ใช้
- ใช้
- การใช้
- มีคุณค่า
- ความคุ้มค่า
- ความหลากหลาย
- รุ่น
- รายละเอียด
- ต้องการ
- ทาง..
- we
- เว็บ
- บริการเว็บ
- Website
- เมื่อ
- ที่
- ในขณะที่
- ทั้งหมด
- จะ
- กับ
- ภายใน
- ไม่มี
- งาน
- เวิร์กโฟลว์
- ขั้นตอนการทำงาน
- การทำงาน
- ออกกำลังกาย
- โรงงาน
- คุณ
- ของคุณ
- ลมทะเล
- รหัสไปรษณีย์