วิธีที่ Searchmetrics ใช้ Amazon SageMaker เพื่อค้นหาคำหลักที่เกี่ยวข้องโดยอัตโนมัติและทำให้นักวิเคราะห์ที่เป็นมนุษย์เร็วขึ้น 20%

Searchmetrics เป็นผู้ให้บริการระดับโลกด้านข้อมูลการค้นหา ซอฟต์แวร์ และโซลูชันการให้คำปรึกษา ซึ่งช่วยให้ลูกค้าเปลี่ยนข้อมูลการค้นหาให้เป็นข้อมูลเชิงลึกทางธุรกิจที่ไม่เหมือนใคร จนถึงปัจจุบัน Searchmetrics ได้ช่วยเหลือบริษัทมากกว่า 1,000 แห่ง เช่น McKinsey & Company, Lowe's และ AXA ค้นพบข้อได้เปรียบในด้านการค้นหาที่มีการแข่งขันสูง

ในปี 2021 Searchmetrics หันมาใช้ AWS เพื่อช่วยในการใช้งานปัญญาประดิษฐ์ (AI) เพื่อปรับปรุงความสามารถด้านข้อมูลเชิงลึกในการค้นหาให้ดียิ่งขึ้น

ในโพสต์นี้ เราแบ่งปันวิธีที่ Searchmetrics สร้างโซลูชัน AI ที่เพิ่มประสิทธิภาพของพนักงานมนุษย์ได้ถึง 20% โดยการค้นหาคำค้นหาที่เกี่ยวข้องโดยอัตโนมัติสำหรับหัวข้อที่กำหนดโดยใช้ อเมซอน SageMaker และการผสานรวมเข้ากับ Hugging Face

การใช้ AI เพื่อระบุความเกี่ยวข้องจากรายการคำหลัก

ส่วนสำคัญของการนำเสนอข้อมูลเชิงลึกของ Searchmetrics คือความสามารถในการระบุคำค้นหาที่เกี่ยวข้องมากที่สุดสำหรับหัวข้อที่กำหนดหรือจุดประสงค์ในการค้นหา

ในการทำเช่นนี้ Searchmetrics มีทีมนักวิเคราะห์ที่ประเมินความเกี่ยวข้องที่เป็นไปได้ของคำหลักบางคำจากคำเริ่มต้นที่เฉพาะเจาะจง นักวิเคราะห์ใช้เครื่องมือภายในเพื่อตรวจสอบคำหลักภายในหัวข้อที่กำหนดและรายการคำหลักที่อาจเกี่ยวข้องที่สร้างขึ้น จากนั้นพวกเขาจะต้องเลือกคำหลักที่เกี่ยวข้องอย่างน้อยหนึ่งคำที่เกี่ยวข้องกับหัวข้อนั้น

กระบวนการกรองและเลือกด้วยตนเองนี้ใช้เวลานานและทำให้ความสามารถของ Searchmetrics ในการส่งมอบข้อมูลเชิงลึกแก่ลูกค้าช้าลง

เพื่อปรับปรุงกระบวนการนี้ Searchmetrics พยายามสร้างโซลูชัน AI ที่สามารถใช้การประมวลผลภาษาธรรมชาติ (NLP) เพื่อทำความเข้าใจจุดประสงค์ของหัวข้อการค้นหาที่กำหนด และจัดอันดับรายการคำหลักที่เป็นไปได้ที่มองไม่เห็นตามความเกี่ยวข้องโดยอัตโนมัติ

การใช้ SageMaker และ Hugging Face เพื่อสร้างความสามารถ NLP ขั้นสูงอย่างรวดเร็ว

เพื่อแก้ปัญหานี้ ทีมวิศวกรของ Searchmetrics หันมาใช้ SageMaker ซึ่งเป็นแพลตฟอร์มแมชชีนเลิร์นนิง (ML) แบบครบวงจรที่ช่วยให้นักพัฒนาและนักวิทยาศาสตร์ข้อมูลสร้าง ฝึกอบรม และปรับใช้โมเดล ML ได้อย่างรวดเร็วและง่ายดาย

SageMaker เร่งการปรับใช้ปริมาณงาน ML โดยทำให้กระบวนการสร้าง ML ง่ายขึ้น โดยมอบชุดความสามารถ ML ที่หลากหลายนอกเหนือจากโครงสร้างพื้นฐานที่มีการจัดการเต็มรูปแบบ สิ่งนี้จะช่วยขจัดการยกของหนักที่ไม่แตกต่างซึ่งมักเป็นอุปสรรคต่อการพัฒนา ML มากเกินไป

Searchmetrics เลือก SageMaker เนื่องจากมีความสามารถครบถ้วนในทุกขั้นตอนของกระบวนการพัฒนา ML:

• SageMaker โน๊ตบุ๊ค ช่วยให้ทีม Searchmetrics สามารถสร้างสภาพแวดล้อมการพัฒนา ML ที่มีการจัดการเต็มรูปแบบ ดำเนินการประมวลผลข้อมูลล่วงหน้า และทดสอบด้วยแนวทางต่างๆ ได้อย่างรวดเร็ว
• พื้นที่ การแปลงแบทช์ ความสามารถใน SageMaker ช่วยให้ Searchmetrics สามารถประมวลผลเพย์โหลดการอนุมานจำนวนมากได้อย่างมีประสิทธิภาพ รวมทั้งรวมเข้ากับบริการเว็บที่มีอยู่ในการผลิตได้อย่างง่ายดาย

Searchmetrics ยังสนใจเป็นพิเศษในการผสานรวม SageMaker ด้วย กอดหน้าซึ่งเป็นสตาร์ทอัพ NLP ที่น่าตื่นเต้นที่ให้การเข้าถึงโมเดลภาษาที่ผ่านการฝึกอบรมล่วงหน้ามากกว่า 7,000 โมเดลผ่านไลบรารี Tranformers ยอดนิยมได้อย่างง่ายดาย

SageMaker นำเสนอการผสานรวมโดยตรงกับ Hugging Face ผ่านเครื่องมือประมาณค่า Hugging Face โดยเฉพาะใน SDK ของ SageMaker- ทำให้ง่ายต่อการรันโมเดล Hugging Face บนโครงสร้างพื้นฐาน SageMaker ที่มีการจัดการเต็มรูปแบบ

ด้วยการผสานรวมนี้ Searchmetrics สามารถทดสอบและทดลองใช้โมเดลและวิธีการต่างๆ มากมายเพื่อค้นหาแนวทางที่มีประสิทธิภาพดีที่สุดในกรณีการใช้งานของพวกเขา

โซลูชันขั้นสุดท้ายใช้ไปป์ไลน์การจัดหมวดหมู่แบบ Zero-shot เพื่อระบุคำหลักที่เกี่ยวข้องมากที่สุด มีการประเมินโมเดลที่ได้รับการฝึกอบรมล่วงหน้าและกลยุทธ์การสืบค้นที่แตกต่างกัน facebook/bart-ขนาดใหญ่-mnli ให้ผลลัพธ์ที่มีแนวโน้มมากที่สุด

การใช้ AWS เพื่อปรับปรุงประสิทธิภาพการดำเนินงานและค้นหาโอกาสด้านนวัตกรรมใหม่ๆ

ด้วย SageMaker และการผสานรวมแบบเนทีฟกับ Hugging Face ทำให้ Searchmetrics สามารถสร้าง ฝึกฝน และปรับใช้โซลูชัน NLP ที่สามารถเข้าใจหัวข้อที่กำหนด และจัดอันดับรายการคำหลักที่มองไม่เห็นตามความเกี่ยวข้องได้อย่างแม่นยำ ชุดเครื่องมือที่ SageMaker นำเสนอทำให้การทดลองและปรับใช้ง่ายขึ้น

เมื่อผสานรวมกับเครื่องมือภายในที่มีอยู่ของ Searchmetrics ความสามารถ AI นี้ช่วยลดเวลาเฉลี่ยที่นักวิเคราะห์ที่เป็นมนุษย์ใช้เพื่อทำงานให้เสร็จโดยเฉลี่ย 20% ส่งผลให้ปริมาณงานสูงขึ้น ประสบการณ์ผู้ใช้ที่ดีขึ้น และการเริ่มต้นใช้งานผู้ใช้ใหม่เร็วขึ้น

ความสำเร็จในช่วงแรกนี้ไม่เพียงปรับปรุงประสิทธิภาพการดำเนินงานของนักวิเคราะห์การค้นหาของ Searchmetrics เท่านั้น แต่ยังช่วยให้ Searchmetrics กำหนดเส้นทางที่ชัดเจนยิ่งขึ้นในการปรับใช้โซลูชันอัตโนมัติที่ครอบคลุมมากขึ้นโดยใช้ AI ในธุรกิจของตน

โอกาสด้านนวัตกรรมใหม่ที่น่าตื่นเต้นเหล่านี้ช่วยให้ Searchmetrics ปรับปรุงความสามารถด้านข้อมูลเชิงลึกอย่างต่อเนื่อง และยังช่วยให้พวกเขามั่นใจได้ว่าลูกค้าจะยังคงเป็นผู้นำในภาพรวมการค้นหาที่มีการแข่งขันสูง

นอกจากนี้ Hugging Face และ AWS ได้ประกาศความร่วมมือเมื่อต้นปี 2022 ซึ่งทำให้การฝึกโมเดล Hugging Face บน SageMaker ง่ายยิ่งขึ้น ฟังก์ชันนี้ใช้งานได้ผ่านการพัฒนา Hugging Face คอนเทนเนอร์การเรียนรู้เชิงลึกของ AWS (เนื้อหาดาวน์โหลด) คอนเทนเนอร์เหล่านี้ประกอบด้วย Hugging Face Transformers, Tokenizers และไลบรารีชุดข้อมูล ซึ่งช่วยให้เราใช้ทรัพยากรเหล่านี้สำหรับการฝึกอบรมและการอนุมาน

สำหรับรายการอิมเมจ DLC ที่ใช้ได้ โปรดดูที่มีอยู่ รูปภาพคอนเทนเนอร์การเรียนรู้เชิงลึกซึ่งได้รับการดูแลรักษาและอัพเดทเป็นประจำด้วยแพตช์รักษาความปลอดภัย คุณจะพบตัวอย่างมากมายเกี่ยวกับวิธีฝึกโมเดล Hugging Face ด้วย DLC เหล่านี้และ กอดใบหน้า Python SDK ในต่อไปนี้ repo GitHub.

เรียนรู้เพิ่มเติมเกี่ยวกับวิธีที่คุณสามารถเร่งความสามารถในการสร้างสรรค์นวัตกรรมด้วย AI/ML โดยไปที่ เริ่มต้นใช้งาน Amazon SageMakerการรับเนื้อหาการเรียนรู้แบบลงมือปฏิบัติโดยการทบทวน ทรัพยากรสำหรับนักพัฒนา Amazon SageMakerหรือเยี่ยมชม กอดใบหน้าบน Amazon SageMaker.

---

เกี่ยวกับผู้เขียน

แดเนียล เบิร์ก เป็นผู้นำในยุโรปด้าน AI และ ML ในกลุ่ม Private Equity ที่ AWS Daniel ทำงานโดยตรงกับกองทุนไพรเวทอิควิตี้และบริษัทพอร์ตโฟลิโอ ช่วยเร่งการนำ AI และ ML ไปใช้เพื่อปรับปรุงนวัตกรรมและเพิ่มมูลค่าองค์กร

• คอยน์สมาร์ท การแลกเปลี่ยน Bitcoin และ Crypto ที่ดีที่สุดในยุโรป
• เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าฟรี
• คริปโตฮอว์ก เรดาร์ Altcoin ทดลองฟรี.
• Source: https://aws.amazon.com/blogs/machine-learning/how-searchmetrics-uses-amazon-sagemaker-to-automatically-find-relevant-keywords-and-make-their-human-analysts-20-faster/