Amazon Text เป็นบริการแมชชีนเลิร์นนิง (ML) ที่จะแยกข้อความ ลายมือ และข้อมูลจากเอกสารที่สแกนโดยอัตโนมัติ คำสั่ง เป็นคุณลักษณะที่ช่วยให้คุณสามารถดึงข้อมูลเฉพาะจากเอกสารที่ซับซ้อนและหลากหลายโดยใช้ภาษาธรรมชาติ แบบสอบถามที่กำหนดเอง มอบวิธีให้คุณปรับแต่งคุณสมบัติการค้นหาสำหรับเอกสารเฉพาะทางธุรกิจที่ไม่เป็นไปตามมาตรฐาน เช่น สัญญาการให้สินเชื่อรถยนต์ เช็ค และใบแจ้งยอดการชำระเงิน ในลักษณะบริการตนเอง ด้วยการปรับแต่งคุณสมบัติเพื่อให้จดจำคำศัพท์ โครงสร้าง และข้อมูลสำคัญเฉพาะสำหรับประเภทเอกสารเหล่านี้ คุณจึงสามารถตอบสนองความต้องการในการประมวลผลขั้นปลายได้อย่างแม่นยำยิ่งขึ้นและมีการแทรกแซงจากมนุษย์น้อยที่สุด การสืบค้นแบบกำหนดเองนั้นผสานรวมเข้ากับไปป์ไลน์ Textract ที่มีอยู่ของคุณได้อย่างง่ายดาย และคุณยังคงได้รับประโยชน์จากคุณสมบัติการประมวลผลเอกสารอัจฉริยะที่มีการจัดการเต็มรูปแบบของ Amazon Textract โดยไม่ต้องลงทุนในความเชี่ยวชาญ ML หรือการจัดการโครงสร้างพื้นฐาน
ในโพสต์นี้ เราจะแสดงให้เห็นว่า Custom Queries สามารถดึงข้อมูลจากเช็คที่ซับซ้อนและไม่ได้มาตรฐานได้อย่างไร นอกจากนี้ เรายังหารือถึงคุณประโยชน์ของคำค้นหาที่กำหนดเองและแบ่งปันแนวทางปฏิบัติที่ดีที่สุดในการใช้คุณลักษณะนี้อย่างมีประสิทธิภาพ
ภาพรวมโซลูชัน
เมื่อเริ่มต้นด้วยกรณีการใช้งานใหม่ คุณสามารถประเมินว่า Textract Queries ทำงานอย่างไรในเอกสารของคุณโดยไปที่ คอนโซลข้อความ และใช้การวิเคราะห์เอกสารสาธิตหรือเครื่องมืออัปโหลดเอกสารจำนวนมาก อ้างถึง แนวทางปฏิบัติที่ดีที่สุดสำหรับการค้นหา เพื่อร่างคำถามที่เกี่ยวข้องกับกรณีการใช้งานของคุณ หากคุณระบุข้อผิดพลาดในการตอบแบบสอบถามเนื่องจากลักษณะของเอกสารทางธุรกิจของคุณ คุณสามารถใช้การสืบค้นแบบกำหนดเองเพื่อปรับปรุงความแม่นยำได้ ภายในไม่กี่ชั่วโมง คุณสามารถใส่คำอธิบายประกอบเอกสารตัวอย่างของคุณได้โดยใช้ คอนโซลการจัดการ AWS และฝึกอบรม อะแดปเตอร์. อะแดปเตอร์เป็นส่วนประกอบที่เสียบเข้ากับโมเดลการเรียนรู้เชิงลึกที่ได้รับการฝึกล่วงหน้าของ Amazon Textract โดยปรับแต่งเอาต์พุตตามเอกสารที่มีคำอธิบายประกอบของคุณ คุณสามารถใช้อะแดปเตอร์สำหรับการอนุมานโดยส่งตัวระบุอะแดปเตอร์เป็นพารามิเตอร์เพิ่มเติมไปที่ วิเคราะห์แบบสอบถามเอกสาร คำขอ API
เรามาตรวจสอบวิธีการกัน แบบสอบถามที่กำหนดเอง สามารถปรับปรุงความแม่นยำในการดึงข้อมูลในสถานการณ์จริงที่ท้าทาย เช่น การดึงข้อมูลจากเช็ค ความท้าทายหลักในการประมวลผลเช็คเกิดขึ้นจากการเปลี่ยนแปลงในระดับสูงโดยขึ้นอยู่กับประเภท (เช่น เช็คส่วนตัวหรือแคชเชียร์) สถาบันการเงิน และประเทศ (เช่น รูปแบบบรรทัด MICR) . รูปแบบเหล่านี้อาจรวมถึงตำแหน่งของชื่อผู้รับเงิน จำนวนเงินและคำ วันที่ และลายเซ็น การรับรู้และปรับตัวให้เข้ากับรูปแบบเหล่านี้อาจเป็นงานที่ซับซ้อนในระหว่างการดึงข้อมูล เพื่อปรับปรุงการดึงข้อมูล องค์กรมักจะใช้กระบวนการตรวจสอบและยืนยันความถูกต้องด้วยตนเอง ซึ่งเพิ่มต้นทุนและเวลาของกระบวนการดึงข้อมูล
Custom Queries จัดการกับความท้าทายเหล่านี้โดยช่วยให้คุณสามารถปรับแต่งคุณสมบัติ Queries ที่ได้รับการฝึกอบรมล่วงหน้าสำหรับการตรวจสอบรูปแบบต่างๆ การปรับแต่งคุณสมบัติที่ได้รับการฝึกล่วงหน้าช่วยให้คุณได้รับความแม่นยำในการดึงข้อมูลสูงบนเค้าโครงที่หลากหลายที่คุณดำเนินการ
ในกรณีการใช้งานของเรา สถาบันการเงินต้องการแยกฟิลด์ต่อไปนี้ออกจากเช็ค: ชื่อผู้รับเงิน ชื่อผู้ชำระเงิน หมายเลขบัญชี หมายเลขเส้นทาง จำนวนเงินที่ชำระ (เป็นตัวเลข) จำนวนเงินที่ชำระ (เป็นคำ) หมายเลขเช็ค วันที่ และ บันทึก.
เรามาสำรวจกระบวนการสร้างอะแดปเตอร์ (ส่วนประกอบที่ปรับแต่งเอาต์พุต) สำหรับการประมวลผลเช็คกัน สามารถสร้างอะแดปเตอร์ผ่านคอนโซลหรือทางโปรแกรมผ่าน API ได้ โพสต์นี้ให้รายละเอียดเกี่ยวกับประสบการณ์คอนโซล อย่างไรก็ตาม หากคุณต้องการสร้างอะแดปเตอร์โดยทางโปรแกรม โปรดดูตัวอย่างโค้ดใน กำหนดเองแบบสอบถามตรวจสอบ-blog.ipynb สมุดบันทึก Jupyter (ตัวเลือก 2)
กระบวนการสร้างอะแดปเตอร์เกี่ยวข้องกับขั้นตอนระดับสูงห้าขั้นตอน: สร้างอะแดปเตอร์ อัปโหลดเอกสารตัวอย่าง ใส่คำอธิบายประกอบเอกสาร ฝึกอบรมอะแดปเตอร์ และประเมินการวัดประสิทธิภาพ
สร้างอะแดปเตอร์
บนคอนโซล Amazon Textract ให้สร้างอะแดปเตอร์ใหม่โดยระบุชื่อ คำอธิบาย และแท็กเสริมที่สามารถช่วยคุณระบุอะแดปเตอร์ได้ คุณมีตัวเลือกในการเปิดใช้งานการอัปเดตอัตโนมัติ ซึ่งช่วยให้ Amazon Textract อัปเดตอะแดปเตอร์ของคุณเมื่อมีการอัปเดตคุณสมบัติ Queries พื้นฐานด้วยความสามารถใหม่ๆ
หลังจากสร้างอะแดปเตอร์แล้ว คุณจะเห็นหน้ารายละเอียดอะแดปเตอร์พร้อมรายการขั้นตอนใน วิธีการทำงาน ส่วน. ส่วนนี้จะเปิดใช้งานขั้นตอนถัดไปของคุณเมื่อคุณดำเนินการตามลำดับ
อัพโหลดเอกสารตัวอย่าง
ระยะเริ่มต้นในการสร้างอะแดปเตอร์เกี่ยวข้องกับการเลือกชุดเอกสารตัวอย่างที่เหมาะสมสำหรับคำอธิบายประกอบ การฝึกอบรม และการทดสอบอย่างระมัดระวัง เรามีตัวเลือกในการแบ่งเอกสารออกเป็นชุดข้อมูลทดสอบและฝึกอบรมโดยอัตโนมัติ อย่างไรก็ตาม สำหรับกระบวนการนี้ เราจะแยกชุดข้อมูลด้วยตนเอง
สิ่งสำคัญที่ควรทราบก็คือ คุณสามารถสร้างอะแดปเตอร์ที่มีตัวอย่างการทดสอบห้ารายการและตัวอย่างการฝึกอบรมห้ารายการได้ แต่จำเป็นอย่างยิ่งที่จะต้องแน่ใจว่าชุดตัวอย่างนี้มีความหลากหลายและเป็นตัวแทนของปริมาณงานที่พบในสภาพแวดล้อมการใช้งานจริง
สำหรับบทช่วยสอนนี้ เราได้รวบรวมชุดข้อมูลการตรวจสอบตัวอย่างที่คุณสามารถทำได้ ดาวน์โหลด. ชุดข้อมูลของเราประกอบด้วยรูปแบบต่างๆ เช่น เช็คส่วนบุคคล แคชเชียร์เช็ค เช็คกระตุ้นเศรษฐกิจ และเช็คที่ฝังอยู่ในต้นขั้วการจ่ายเงิน นอกจากนี้เรายังรวมเช็คที่เขียนด้วยลายมือและพิมพ์ด้วย พร้อมกับการเปลี่ยนแปลงในฟิลด์ต่างๆ เช่น บรรทัดบันทึกช่วยจำ
ใส่คำอธิบายประกอบเอกสารตัวอย่าง
ในขั้นตอนถัดไป คุณจะใส่คำอธิบายประกอบเอกสารตัวอย่างโดยการเชื่อมโยงข้อความค้นหากับคำตอบที่เกี่ยวข้องผ่านทางคอนโซล คุณสามารถเริ่มต้นคำอธิบายประกอบได้ด้วยการติดป้ายกำกับอัตโนมัติหรือการติดป้ายกำกับด้วยตนเอง การติดป้ายกำกับอัตโนมัติใช้ Amazon Textract Queries เพื่อติดป้ายกำกับชุดข้อมูลล่วงหน้า เราขอแนะนำให้ใช้การติดป้ายกำกับอัตโนมัติเพื่อเร่งกระบวนการบันทึกย่อ
สำหรับกรณีการใช้งานการประมวลผลเช็คนี้ เราใช้คำค้นหาต่อไปนี้ หากกรณีการใช้งานของคุณเกี่ยวข้องกับเอกสารประเภทอื่น โปรดดูที่ แนวทางปฏิบัติที่ดีที่สุดสำหรับการค้นหา เพื่อร่างคำถามที่เกี่ยวข้องกับกรณีการใช้งานของคุณ
- ใครคือผู้รับเงิน?
- เช็ค # คืออะไร?
- ที่อยู่ผู้รับเงินคืออะไร?
- วันที่อะไร?
- บัญชี # คืออะไร?
- จำนวนเงินในเช็คเป็นคำพูดคืออะไร?
- ชื่อบัญชี/ชื่อผู้ชำระเงิน/ชื่อลิ้นชัก คืออะไร?
- จำนวนเงินดอลลาร์คืออะไร?
- ชื่อธนาคาร/ชื่อผู้รับเงินคืออะไร?
- หมายเลขเส้นทางของธนาคารคืออะไร?
- สาย MICR คืออะไร?
- บันทึกช่วยจำคืออะไร?
เมื่อกระบวนการติดป้ายกำกับอัตโนมัติเสร็จสิ้น คุณจะมีตัวเลือกในการตรวจทานและแก้ไขคำตอบที่ให้ไว้สำหรับเอกสารแต่ละฉบับ เลือก เริ่มทบทวน เพื่อตรวจสอบคำอธิบายประกอบกับแต่ละภาพ
ถ้าการตอบกลับแบบสอบถามหายไปหรือผิด คุณสามารถเพิ่มหรือแก้ไขการตอบกลับได้โดยการวาดกรอบขอบหรือป้อนการตอบกลับด้วยตนเอง
เพื่อเร่งคำแนะนำของคุณ เราได้ใส่คำอธิบายประกอบตัวอย่างเช็คไว้ล่วงหน้าเพื่อให้คุณคัดลอกไปยังบัญชี AWS ของคุณ เรียกใช้ กำหนดเองแบบสอบถามตรวจสอบ-blog.ipynb สมุดบันทึก Jupyter ภายใน ตัวอย่างโค้ด Amazon Text ไลบรารีเพื่ออัปเดตคำอธิบายประกอบของคุณโดยอัตโนมัติ
ฝึกอะแดปเตอร์
หลังจากที่คุณตรวจสอบเอกสารตัวอย่างทั้งหมดเพื่อให้มั่นใจในความถูกต้องของคำอธิบายประกอบแล้ว คุณสามารถเริ่มกระบวนการฝึกอบรมอะแดปเตอร์ได้ ในระหว่างขั้นตอนนี้ คุณจะต้องกำหนดตำแหน่งพื้นที่เก็บข้อมูลที่ควรบันทึกอะแดปเตอร์ ระยะเวลาของกระบวนการฝึกอบรมจะแตกต่างกันไปขึ้นอยู่กับขนาดของชุดข้อมูลที่ใช้สำหรับการฝึกอบรม นอกจากนี้ API การฝึกอบรมยังสามารถเรียกใช้โดยทางโปรแกรมได้ หากคุณเลือกที่จะใช้เครื่องมือคำอธิบายประกอบที่คุณเลือก และส่งไฟล์อินพุตที่เกี่ยวข้องไปยัง API อ้างถึง แบบสอบถามที่กำหนดเอง .
ประเมินตัวชี้วัดประสิทธิภาพ
หลังจากที่อแด็ปเตอร์เสร็จสิ้นการฝึกอบรมแล้ว คุณสามารถประเมินประสิทธิภาพได้โดยการตรวจสอบเมทริกการประเมินผล เช่น คะแนน F1, ความแม่นยำและการจดจำ. คุณสามารถวิเคราะห์ตัวชี้วัดเหล่านี้โดยรวมหรือแยกตามเอกสารได้ เมื่อใช้ชุดข้อมูลการตรวจสอบตัวอย่างของเรา คุณจะเห็นตัวชี้วัดความแม่นยำ (คะแนน F1) เพิ่มขึ้นจาก 68% เป็น 92% ด้วยอะแดปเตอร์ที่ผ่านการฝึกอบรม
นอกจากนี้ คุณยังสามารถทดสอบเอาต์พุตของอะแดปเตอร์กับเอกสารใหม่ได้ด้วยการเลือก ลองใช้อะแดปเตอร์.
หลังจากการประเมิน คุณสามารถเลือกที่จะเพิ่มประสิทธิภาพของอะแดปเตอร์ได้โดยการรวมเอกสารตัวอย่างเพิ่มเติมลงในชุดข้อมูลการฝึก หรือโดยการใส่คำอธิบายประกอบเอกสารอีกครั้งด้วยคะแนนที่ต่ำกว่าเกณฑ์ของคุณ หากต้องการใส่คำอธิบายประกอบเอกสารอีกครั้ง ให้เลือก ตรวจสอบเอกสาร บนหน้ารายละเอียดอแด็ปเตอร์ เลือกเอกสาร และเลือก ตรวจสอบคำอธิบายประกอบ.
ทดสอบอะแดปเตอร์โดยทางโปรแกรม
เมื่อการฝึกอบรมเสร็จสมบูรณ์แล้ว ตอนนี้คุณสามารถใช้อะแดปเตอร์ในตัวคุณได้ วิเคราะห์เอกสาร การเรียก API คำขอ API นั้นคล้ายคลึงกับคำขอ Amazon Textract Queries API โดยมีการเพิ่ม AdaptersConfig
วัตถุ.
คุณสามารถเรียกใช้โค้ดตัวอย่างต่อไปนี้ หรือเรียกใช้โดยตรงภายใน กำหนดเองแบบสอบถามตรวจสอบ-blog.ipynb สมุดบันทึกจูปีเตอร์ สมุดบันทึกตัวอย่างยังมีโค้ดเพื่อเปรียบเทียบผลลัพธ์ระหว่าง Amazon Textract Queries และ Amazon Textract Custom Queries
สร้าง อะแดปเตอร์Config อ็อบเจ็กต์ที่มี ID ของอะแด็ปเตอร์และเวอร์ชันของอะแด็ปเตอร์ และรวมเพจที่คุณต้องการให้อะแด็ปเตอร์นำไปใช้กับ:
สร้าง QueriesConfig
วัตถุที่มีการสืบค้นที่คุณฝึกอะแดปเตอร์ด้วยและเรียกใช้ Amazon Textract API โปรดทราบว่าคุณยังสามารถรวมคำถามเพิ่มเติมที่อะแดปเตอร์ยังไม่ได้รับการฝึกอบรมได้อีกด้วย Amazon Textract จะใช้คุณสมบัติการสืบค้นสำหรับคำถามเหล่านี้โดยอัตโนมัติ ไม่ใช่การสืบค้นแบบกำหนดเอง ดังนั้นจึงให้ความยืดหยุ่นในการใช้การสืบค้นแบบกำหนดเองเฉพาะเมื่อจำเป็นเท่านั้น
สุดท้ายนี้ เราจัดตารางผลลัพธ์เพื่อให้อ่านง่ายขึ้น:
ทำความสะอาด
ในการทำความสะอาดทรัพยากรของคุณ ให้ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล Amazon Textract ให้เลือก แบบสอบถามที่กำหนดเอง ในบานหน้าต่างนำทาง
- เลือกอะแดปเตอร์ที่คุณต้องการลบ
- Choose ลบ.
การจัดการอะแดปเตอร์
คุณสามารถปรับปรุงอะแดปเตอร์ของคุณเป็นประจำโดยสร้างเวอร์ชันใหม่ของอะแดปเตอร์ที่สร้างขึ้นก่อนหน้านี้ หากต้องการสร้างอะแดปเตอร์เวอร์ชันใหม่ คุณต้องเพิ่มเอกสารตัวอย่างใหม่ให้กับอะแดปเตอร์ที่มีอยู่ ติดป้ายกำกับเอกสาร และดำเนินการฝึกอบรม คุณสามารถดูแลรักษาอะแดปเตอร์หลายเวอร์ชันพร้อมกันเพื่อใช้ในไปป์ไลน์การพัฒนาของคุณได้ หากต้องการอัปเดตอะแดปเตอร์ของคุณอย่างราบรื่น อย่าทำการเปลี่ยนแปลงหรือลบของคุณ บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) บัคเก็ตที่บันทึกไฟล์ที่จำเป็นสำหรับการสร้างอะแดปเตอร์
ปฏิบัติที่ดีที่สุด
เมื่อใช้การสืบค้นแบบกำหนดเองกับเอกสารของคุณ โปรดดูที่ แนวทางปฏิบัติที่ดีที่สุดสำหรับการสืบค้นแบบกำหนดเองของ Amazon Textract เพื่อการพิจารณาเพิ่มเติมและแนวปฏิบัติที่ดีที่สุด
ประโยชน์ของการสืบค้นแบบกำหนดเอง
Custom Queries ให้ประโยชน์ดังต่อไปนี้:
- ความเข้าใจเอกสารที่เพิ่มขึ้น – ด้วยความสามารถในการแยกและทำให้ข้อมูลเป็นมาตรฐานด้วยความแม่นยำสูง การสืบค้นแบบกำหนดเองจึงลดการพึ่งพาการตรวจทานและการตรวจสอบโดยเจ้าหน้าที่ และช่วยให้คุณสร้างระบบอัตโนมัติที่เชื่อถือได้มากขึ้นสำหรับเวิร์กโฟลว์การประมวลผลเอกสารอัจฉริยะของคุณ
- ใช้เวลาสร้างมูลค่าได้เร็วขึ้น – เมื่อคุณพบเอกสารประเภทใหม่ที่คุณต้องการความแม่นยำที่สูงขึ้น คุณสามารถใช้การสืบค้นแบบกำหนดเองเพื่อสร้างอะแดปเตอร์ในลักษณะบริการตนเองได้ภายในไม่กี่ชั่วโมง คุณไม่จำเป็นต้องรอการอัปเดตโมเดลที่ได้รับการฝึกอบรมล่วงหน้า เมื่อคุณพบประเภทเอกสารใหม่หรือรูปแบบใหม่ของเอกสารที่มีอยู่ในเวิร์กโฟลว์ของคุณ คุณสามารถควบคุมไปป์ไลน์ของคุณได้อย่างสมบูรณ์ และไม่จำเป็นต้องพึ่งพา Amazon Textract เพื่อรองรับเอกสารประเภทใหม่ของคุณ
- ข้อมูลส่วนบุคคล – การสืบค้นแบบกำหนดเองจะไม่เก็บหรือใช้ข้อมูลที่ใช้ในการสร้างอะแดปเตอร์เพื่อปรับปรุงโมเดลที่ได้รับการฝึกอบรมทั่วไปของเราที่ลูกค้าทุกคนสามารถใช้ได้ อะแดปเตอร์นี้จำกัดเฉพาะบัญชีของลูกค้าหรือบัญชีอื่นๆ ที่ลูกค้ากำหนดอย่างชัดเจน เพื่อให้มั่นใจว่าเฉพาะบัญชีดังกล่าวเท่านั้นที่สามารถเข้าถึงการปรับปรุงที่ทำโดยใช้ข้อมูลของลูกค้า
- ความสะดวกสบาย –การสืบค้นแบบกำหนดเองมอบประสบการณ์การอนุมานที่มีการจัดการเต็มรูปแบบคล้ายกับการสืบค้น การฝึกอบรมอะแดปเตอร์นั้นฟรี และคุณจะจ่ายเฉพาะค่าอนุมานเท่านั้น Custom Queries ช่วยให้คุณประหยัดค่าใช้จ่ายและค่าใช้จ่ายในการฝึกอบรมและใช้งานโมเดลแบบกำหนดเอง
สรุป
ในโพสต์นี้ เราได้พูดคุยถึงคุณประโยชน์ของการสืบค้นแบบกำหนดเอง แสดงให้เห็นว่าการสืบค้นแบบกำหนดเองสามารถดึงข้อมูลจากการตรวจสอบได้อย่างแม่นยำได้อย่างไร และแบ่งปันแนวทางปฏิบัติที่ดีที่สุดในการใช้คุณลักษณะนี้อย่างมีประสิทธิภาพ ในเวลาเพียงไม่กี่ชั่วโมง คุณสามารถสร้างอะแดปเตอร์โดยใช้คอนโซลและใช้ใน AnalyzeDocument API สำหรับความต้องการในการดึงข้อมูลของคุณ สำหรับข้อมูลเพิ่มเติม โปรดดูที่ แบบสอบถามที่กำหนดเอง.
เกี่ยวกับผู้แต่ง
ชิบิน มิเชลราจ เป็นผู้จัดการผลิตภัณฑ์อาวุโสในทีม Amazon Textract เขามุ่งเน้นไปที่การสร้างผลิตภัณฑ์ที่ใช้ AI/ML สำหรับลูกค้า AWS เขารู้สึกตื่นเต้นที่ได้ช่วยเหลือลูกค้าแก้ปัญหาความท้าทายทางธุรกิจที่ซับซ้อนโดยใช้ประโยชน์จากเทคโนโลยี AI และ ML ในเวลาว่าง เขาสนุกกับการวิ่ง ฟังพอดแคสต์ และพัฒนาทักษะเทนนิสสมัครเล่น
คีธ มาสคาเรนฮาส เป็นสถาปนิกโซลูชันอาวุโสในทีมบริการ Amazon Textract เขามีความหลงใหลในการแก้ปัญหาทางธุรกิจในวงกว้างโดยใช้การเรียนรู้ของเครื่อง และปัจจุบันช่วยให้ลูกค้าทั่วโลกของเราดำเนินการประมวลผลเอกสารโดยอัตโนมัติเพื่อให้นำสินค้าออกสู่ตลาดได้เร็วขึ้นพร้อมต้นทุนการดำเนินงานที่ลดลง
- 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/customize-amazon-textract-with-business-specific-documents-using-custom-queries/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 1
- 10
- 100
- 17
- 36
- 7
- a
- ความสามารถ
- เกี่ยวกับเรา
- เร่งความเร็ว
- เข้า
- ลงชื่อเข้าใช้
- บัญชี
- ความถูกต้อง
- แม่นยำ
- บรรลุ
- การปรับตัว
- เพิ่ม
- นอกจากนี้
- เพิ่มเติม
- ที่อยู่
- ที่อยู่
- กับ
- AI
- ทั้งหมด
- ช่วยให้
- ตาม
- ด้วย
- มือสมัครเล่น
- อเมซอน
- Amazon Text
- Amazon Web Services
- จำนวน
- an
- วิเคราะห์
- และ
- คำตอบ
- API
- เหมาะสม
- ประยุกต์
- เหมาะสม
- เป็น
- AS
- ประเมินผล
- At
- การตรวจสอบ
- รถยนต์
- โดยอัตโนมัติ
- อัตโนมัติ
- อัตโนมัติ
- อัตโนมัติ
- ใช้ได้
- AWS
- ธนาคาร
- ตาม
- รากฐาน
- BE
- รับ
- เริ่ม
- ประโยชน์
- ประโยชน์ที่ได้รับ
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- ดีกว่า
- ระหว่าง
- กล่อง
- สร้าง
- การก่อสร้าง
- ธุรกิจ
- แต่
- by
- โทรศัพท์
- โทร
- CAN
- ความสามารถในการ
- ระมัดระวัง
- กรณี
- ท้าทาย
- ความท้าทาย
- ท้าทาย
- การเปลี่ยนแปลง
- ตรวจสอบ
- การตรวจสอบ
- ทางเลือก
- Choose
- เลือก
- ปลาเดยส์
- รหัส
- รวม
- เปรียบเทียบ
- สมบูรณ์
- เสร็จ
- ซับซ้อน
- ส่วนประกอบ
- ส่วนประกอบ
- การพิจารณา
- ปลอบใจ
- สร้าง
- ต่อ
- สัญญา
- ควบคุม
- ตรงกัน
- ราคา
- ค่าใช้จ่าย
- ประเทศ
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- curated
- ขณะนี้
- ประเพณี
- ลูกค้า
- ลูกค้า
- การปรับแต่ง
- ปรับแต่ง
- ข้อมูล
- ชุดข้อมูล
- วันที่
- ลึก
- การเรียนรู้ลึก ๆ
- องศา
- สาธิต
- ทั้งนี้ขึ้นอยู่กับ
- ลักษณะ
- กำหนด
- รายละเอียด
- พัฒนาการ
- ต่าง
- โดยตรง
- สนทนา
- กล่าวถึง
- หลาย
- do
- เอกสาร
- เอกสาร
- ทำ
- ดอลลาร์
- Dont
- ร่าง
- การวาดภาพ
- สอง
- ระยะเวลา
- ในระหว่าง
- e
- แต่ละ
- ง่าย
- มีประสิทธิภาพ
- ทั้ง
- ที่ฝัง
- การจ้างงาน
- ทำให้สามารถ
- ช่วยให้
- การเปิดใช้งาน
- เสริม
- ทำให้มั่นใจ
- การสร้างความมั่นใจ
- การป้อน
- สิ่งแวดล้อม
- ข้อผิดพลาด
- จำเป็น
- ประเมินค่า
- การประเมินผล
- ตรวจสอบ
- การตรวจสอบ
- ตื่นเต้น
- ที่มีอยู่
- รายจ่าย
- ประสบการณ์
- ความชำนาญ
- อย่างชัดเจน
- สำรวจ
- สารสกัด
- การสกัด
- สารสกัดจาก
- f1
- เร็วขึ้น
- ลักษณะ
- คุณสมบัติ
- สองสาม
- สาขา
- ไฟล์
- ทางการเงิน
- สถาบันการเงิน
- ห้า
- ความยืดหยุ่น
- มุ่งเน้น
- ดังต่อไปนี้
- สำหรับ
- รูป
- ฟรี
- ราคาเริ่มต้นที่
- อย่างเต็มที่
- General
- สร้าง
- สร้าง
- การสร้าง
- รุ่น
- GitHub
- มากขึ้น
- มี
- มี
- he
- ช่วย
- การช่วยเหลือ
- จะช่วยให้
- จุดสูง
- ระดับสูง
- สูงกว่า
- ของเขา
- ชั่วโมง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- อย่างไรก็ตาม
- HTML
- ที่ http
- HTTPS
- เป็นมนุษย์
- ID
- ระบุ
- แยกแยะ
- if
- ภาพ
- นำเข้า
- สำคัญ
- ปรับปรุง
- การปรับปรุง
- in
- ประกอบด้วย
- รวม
- รวมถึง
- ผสมผสาน
- เพิ่มขึ้น
- ข้อมูล
- โครงสร้างพื้นฐาน
- แรกเริ่ม
- เริ่มต้น
- อินพุต
- ติดตั้ง
- สถาบัน
- รวบรวม
- ฉลาด
- การประมวลผลเอกสารอัจฉริยะ
- การแทรกแซง
- เข้าไป
- ลงทุน
- เรียก
- IT
- ITS
- jpg
- เพียงแค่
- คีย์
- ฉลาก
- การติดฉลาก
- ภาษา
- การเรียนรู้
- การให้กู้ยืมเงิน
- การใช้ประโยชน์
- ห้องสมุด
- กดไลก์
- ถูก จำกัด
- Line
- รายการ
- ที่ตั้ง
- ลด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- เก็บรักษา
- ทำ
- การจัดการ
- การจัดการ
- ผู้จัดการ
- ลักษณะ
- คู่มือ
- ด้วยมือ
- ตลาด
- พบ
- บันทึก
- เมตริก
- ตัวชี้วัด
- ต่ำสุด
- หายไป
- ML
- แบบ
- โมเดล
- ข้อมูลเพิ่มเติม
- หลาย
- ชื่อ
- โดยธรรมชาติ
- ธรรมชาติ
- การนำทาง
- การเดินเรือ
- จำเป็นต้อง
- จำเป็น
- ความต้องการ
- ใหม่
- ถัดไป
- สมุดบันทึก
- ตอนนี้
- จำนวน
- ตัวเลข
- วัตถุ
- of
- เสนอ
- มักจะ
- on
- คน
- เพียง
- การดำเนินงาน
- การดำเนินงาน
- ตัวเลือกเสริม (Option)
- or
- องค์กร
- อื่นๆ
- ของเรา
- เอาท์พุต
- เกิน
- ของตนเอง
- หน้า
- หน้า
- บานหน้าต่าง
- พารามิเตอร์
- ส่ง
- ที่ผ่านไป
- หลงใหล
- ชำระ
- การชำระเงิน
- ดำเนินการ
- การปฏิบัติ
- ดำเนินการ
- ส่วนบุคคล
- ระยะ
- ชิ้น
- ท่อ
- การวาง
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- ปลั๊ก
- พอดคาสต์
- โพสต์
- การปฏิบัติ
- ความแม่นยำ
- ก่อนหน้านี้
- ประถม
- ปัญหาที่เกิดขึ้น
- กระบวนการ
- กระบวนการ
- การประมวลผล
- ผลิตภัณฑ์
- ผู้จัดการผลิตภัณฑ์
- การผลิต
- ผลิตภัณฑ์
- ให้
- ให้
- การให้
- คำสั่ง
- คำถาม
- โลกแห่งความจริง
- รับรู้
- ตระหนักถึง
- แนะนำ
- ลดลง
- ลด
- อ้างอิง
- การฟอก
- สม่ำเสมอ
- ตรงประเด็น
- น่าเชื่อถือ
- ความเชื่อมั่น
- ตัวแทน
- ขอ
- แหล่งข้อมูล
- คำตอบ
- การตอบสนอง
- ผลสอบ
- รักษา
- ทบทวน
- สุดท้าย
- รีวิว
- การกำหนดเส้นทาง
- วิ่ง
- วิ่ง
- ที่บันทึกไว้
- ขนาด
- สถานการณ์
- คะแนน
- ได้อย่างลงตัว
- Section
- เห็น
- การเลือก
- บริการตัวเอง
- บริการ
- บริการ
- ชุด
- Share
- ที่ใช้ร่วมกัน
- น่า
- โชว์
- แสดงให้เห็นว่า
- ลายเซ็น
- คล้ายคลึงกัน
- ง่าย
- พร้อมกัน
- ขนาด
- ทักษะ
- โซลูชัน
- แก้
- การแก้
- โดยเฉพาะ
- แยก
- ที่เริ่มต้น
- งบ
- ขั้นตอน
- ขั้นตอน
- แรงบันดาลใจ
- ตรวจสอบการกระตุ้น
- การเก็บรักษา
- โครงสร้าง
- ประสบความสำเร็จ
- อย่างเช่น
- สนับสนุน
- งาน
- ทีม
- เทคโนโลยี
- เงื่อนไขการใช้บริการ
- ทดสอบ
- การทดสอบ
- ข้อความ
- กว่า
- ที่
- พื้นที่
- ของพวกเขา
- พวกเขา
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- นี้
- ธรณีประตู
- ตลอด
- เวลา
- ไปยัง
- เครื่องมือ
- รถไฟ
- ผ่านการฝึกอบรม
- การฝึกอบรม
- ทภก
- จูน
- เกี่ยวกับการสอน
- ชนิด
- ชนิด
- พื้นฐาน
- เป็นเอกลักษณ์
- บันทึก
- ให้กับคุณ
- การปรับปรุง
- ใช้
- ใช้กรณี
- ใช้
- การใช้
- ใช้
- การใช้ประโยชน์
- การตรวจสอบ
- ความหลากหลาย
- แตกต่างกัน
- การตรวจสอบ
- รุ่น
- รุ่น
- ผ่านทาง
- รอ
- คำแนะนำ
- ต้องการ
- ต้องการ
- ทาง..
- we
- เว็บ
- บริการเว็บ
- อะไร
- ความหมายของ
- เมื่อ
- ที่
- WHO
- วิกิพีเดีย
- จะ
- กับ
- ภายใน
- ไม่มี
- คำ
- เวิร์กโฟลว์
- ขั้นตอนการทำงาน
- ทั่วโลก
- ผิด
- คุณ
- ของคุณ
- ลมทะเล
- รหัสไปรษณีย์