พื้นที่ สหประชาชาติ (UN) ก่อตั้งขึ้นในปี พ.ศ. 1945 โดยรัฐสมาชิกดั้งเดิม 51 ประเทศ ซึ่งมุ่งมั่นที่จะรักษาสันติภาพและความมั่นคงระหว่างประเทศ พัฒนาความสัมพันธ์ฉันมิตรระหว่างประเทศต่างๆ และส่งเสริมความก้าวหน้าทางสังคม มาตรฐานการครองชีพที่ดีขึ้น และสิทธิมนุษยชน ปัจจุบัน UN ประกอบด้วยรัฐสมาชิก 193 ประเทศ และมีการพัฒนาตลอดหลายปีที่ผ่านมาเพื่อให้ทันกับโลกที่เปลี่ยนแปลงอย่างรวดเร็ว เดอะ โครงการพัฒนาแห่งสหประชาชาติ (UNDP) เป็นหน่วยงานด้านการพัฒนาของ UN และดำเนินงานในกว่า 170 ประเทศและดินแดน มีบทบาทสำคัญในการช่วยให้ประเทศต่าง ๆ บรรลุเป้าหมายการพัฒนาที่ยั่งยืน (SDGs) ซึ่งเป็นการเรียกร้องให้ทั่วโลกดำเนินการเพื่อยุติความยากจน ปกป้องโลก และทำให้มั่นใจว่าทุกคนมีสันติภาพและความเจริญรุ่งเรือง
ในฐานะองค์กรแห่งการเรียนรู้ UNDP ให้ความสำคัญกับฟังก์ชันการประเมินเป็นอย่างมาก หน่วยโปรแกรม UNDP แต่ละหน่วยจะทำการประเมินค่าคอมมิชชันเพื่อเข้าถึงประสิทธิภาพของโครงการและโปรแกรมของตน เดอะ สำนักประเมินอิสระ (IEO) เป็นสำนักงานอิสระตามหน้าที่ภายใน UNDP ที่สนับสนุนหน้าที่กำกับดูแลและความรับผิดชอบของคณะกรรมการบริหารและฝ่ายบริหารของ UNDP, UNCDF และ UNV หน้าที่หลักของ IEO คือดำเนินการประเมินแบบเป็นโปรแกรมและตามหัวข้อที่เป็นอิสระซึ่งมีความสำคัญเชิงกลยุทธ์ต่อองค์กร เช่น การสนับสนุนสำหรับการฟื้นฟูการแพร่ระบาดของ COVID-19
ในโพสต์นี้ เราจะหารือเกี่ยวกับวิธีที่ IEO พัฒนาแพลตฟอร์มปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง (ML) ของ UNDP ซึ่งมีชื่อว่า Artificial Intelligence for Development Analytics (AIDA) โดยร่วมมือกับ AWS ทีมจัดการข้อมูลและเทคโนโลยีของ UNDP (UNDP ITM) และ United ศูนย์คอมพิวเตอร์นานาชาติแห่งสหประชาชาติ (UNICC) AIDA เป็นแพลตฟอร์มบนเว็บที่ช่วยให้ผู้จัดการโปรแกรมและผู้ประเมินสามารถขยายฐานหลักฐานของตนโดยการค้นหาข้อมูลที่มีอยู่ด้วยวิธีที่ชาญฉลาด มีประสิทธิภาพมากขึ้น และสร้างสรรค์ขึ้นเพื่อสร้างข้อมูลเชิงลึกและบทเรียนที่ได้รับ ด้วยการค้นหาในระดับย่อยของย่อหน้า AIDA จะค้นหาหลักฐานที่จะไม่พบเมื่อใช้การค้นหาทั่วไป การสร้าง AIDA สอดคล้องกับแผนยุทธศาสตร์ของ UNDP พ.ศ. 2022-2025 เพื่อใช้การแปลงเป็นดิจิทัลและนวัตกรรมเพื่อผลลัพธ์การพัฒนาที่มากขึ้น
ความท้าทาย
IEO เป็นผู้ดูแลของ UNDP Evaluation Resource Center (ERC) ERC เป็นที่เก็บรายงานการประเมินกว่า 6,000 ฉบับ ซึ่งครอบคลุมทุกแง่มุมของงานขององค์กร ทุกที่ที่องค์กรเคยทำงานมาตั้งแต่ปี 1997 การค้นพบและคำแนะนำของรายงานการประเมินจะแจ้งให้ผู้บริหาร ผู้บริจาค และเจ้าหน้าที่โครงการของ UNDP ทราบเพื่อออกแบบการแทรกแซงในอนาคตได้ดียิ่งขึ้น ใช้มาตรการแก้ไขหลักสูตรในโปรแกรมปัจจุบัน และตัดสินใจเรื่องเงินทุนและนโยบายในทุกระดับ
ก่อน AIDA กระบวนการดึงหลักฐานเชิงประเมินและสร้างบทเรียนและข้อมูลเชิงลึกนั้นต้องใช้แรงงานคน ใช้ทรัพยากรมาก และใช้เวลานาน ยิ่งกว่านั้น วิธีการค้นหาแบบเดิมไม่ได้ผลดีกับข้อมูลที่ไม่มีโครงสร้าง ดังนั้น ฐานหลักฐานจึงมีจำกัด เพื่อจัดการกับความท้าทายนี้ IEO ตัดสินใจใช้ AI และ ML เพื่อขุดฐานข้อมูลการประเมินผลสำหรับบทเรียนและความรู้ให้ดียิ่งขึ้น
ทีม AIDA คำนึงถึงงานที่ท้าทายในการดึงหลักฐานจากข้อมูลที่ไม่มีโครงสร้าง เช่น รายงานการประเมิน โดยปกติแล้ว รายงานการประเมินจะมีขนาด 80-100 หน้า มีหลายภาษา และมีข้อค้นพบ ข้อสรุป และคำแนะนำ แม้ว่าการประเมินจะได้รับคำแนะนำจากแนวทางการประเมินของ UNDP แต่ไม่มีรูปแบบมาตรฐานที่เป็นลายลักษณ์อักษรสำหรับการประเมินเหล่านี้ และส่วนที่กล่าวมาข้างต้นอาจเกิดขึ้นที่ตำแหน่งต่างๆ ในเอกสาร หรืออาจมีไม่ทั้งหมด ดังนั้น การตรวจสอบหลักฐานการประเมินอย่างแม่นยำในระดับย่อหน้าและการใช้ฉลากที่เหมาะสมจึงเป็นความท้าทายที่สำคัญของ ML
ภาพรวมโซลูชัน
โซลูชันทางเทคนิคของ AIDA ได้รับการพัฒนาโดย บริการระดับมืออาชีพของ AWS และ UNICC แพลตฟอร์มเทคโนโลยีหลักได้รับการออกแบบและพัฒนาโดยทีม AWS ProServe UNICC รับผิดชอบในการพัฒนาพอร์ทัลเว็บ AIDA และส่วนต่อประสานระหว่างมนุษย์กับมนุษย์ แพลตฟอร์ม AIDA ได้รับการออกแบบเพื่อให้มีกลไกที่ง่ายและแม่นยำสูงในการค้นหารายงานการประเมิน UNDP ในหัวข้อต่างๆ และส่งออกเพื่อการวิเคราะห์เพิ่มเติม สถาปัตยกรรมของ AIDA จำเป็นต้องตอบสนองความต้องการหลายประการ:
- แยกและติดฉลากข้อมูลการประเมินโดยอัตโนมัติ
- ประมวลผลรายงานหลายพันรายการ
- อนุญาตให้ IEO เพิ่มป้ายกำกับใหม่โดยไม่ต้องใช้ความเชี่ยวชาญของนักวิทยาศาสตร์ข้อมูลและผู้เชี่ยวชาญด้าน ML
เพื่อให้เป็นไปตามข้อกำหนด ส่วนประกอบได้รับการออกแบบโดยคำนึงถึงหลักการเหล่านี้:
- ยั่งยืนทางเทคนิคและสิ่งแวดล้อม
- คำนึงถึงต้นทุน
- ขยายได้เพื่อรองรับการขยายตัวในอนาคต
โซลูชันที่เป็นผลลัพธ์สามารถแบ่งออกเป็นสามองค์ประกอบ ดังที่แสดงในไดอะแกรมสถาปัตยกรรมต่อไปนี้:
- การนำเข้าและสกัดข้อมูล
- การจัดประเภทข้อมูล
- การค้นหาอัจฉริยะ
ส่วนต่อไปนี้จะอธิบายส่วนประกอบเหล่านี้โดยละเอียด
การนำเข้าและสกัดข้อมูล
รายงานการประเมินจัดทำและส่งโดยหน่วยโปรแกรม UNDP ทั่วโลก—ไม่มีเทมเพลตหรือรูปแบบเค้าโครงรายงานมาตรฐาน ส่วนประกอบการนำเข้าและการแยกข้อมูลจะนำเข้าและแยกเนื้อหาจากเอกสารที่ไม่มีโครงสร้างเหล่านี้
Amazon Text ใช้เพื่อดึงข้อมูลจากเอกสาร PDF วิธีการแก้ปัญหานี้ใช้ StartDocumentTextDetection API แบบอะซิงโครนัส เพื่อสร้างเวิร์กโฟลว์การประมวลผลเอกสารที่จัดการการเรียกใช้แบบอะซิงโครนัสของ Amazon Text การดึงการตอบสนองแบบดิบ และความคงอยู่ใน บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (อเมซอน S3). โซลูชันนี้เพิ่มส่วนประกอบการประมวลผลภายหลังของ Amazon Text เพื่อจัดการการแยกข้อความตามย่อหน้า คอมโพเนนต์การประมวลผลภายหลังใช้ข้อมูลเมตาของกล่องขอบเขตจาก Amazon Textract สำหรับการดึงข้อมูลอัจฉริยะ คอมโพเนนต์การประมวลผลภายหลังสามารถแยกข้อมูลจากไฟล์ PDF หลายหน้าที่ซับซ้อน หลายรูปแบบ โดยมีส่วนหัว ส่วนท้าย เชิงอรรถ และข้อมูลหลายคอลัมน์ที่แตกต่างกัน ไลบรารี Python โอเพ่นซอร์ส Apache Tika ใช้สำหรับการดึงข้อมูลจากเอกสารคำ
ไดอะแกรมต่อไปนี้แสดงเวิร์กโฟลว์นี้ ซึ่งประสานกับ ฟังก์ชันขั้นตอนของ AWS.
ขั้นตอนการทำงานนี้มีขั้นตอนดังต่อไปนี้:
TextractCompleted
เป็นขั้นตอนแรกเพื่อให้แน่ใจว่าเอกสารจะไม่ถูกประมวลผลหลายครั้งด้วย Amazon Texttract ขั้นตอนนี้เป็นการหลีกเลี่ยงเวลาและค่าใช้จ่ายในการประมวลผลที่ไม่จำเป็นโดยป้องกันการประมวลผลซ้ำTextractAsyncCallTask
ส่งเอกสารเพื่อดำเนินการโดย Amazon Textract โดยใช้ StartDocumentTextDetection API แบบอะซิงโครนัส API นี้ประมวลผลเอกสารและจัดเก็บไฟล์เอาต์พุต JSON ใน Amazon S3 สำหรับการประมวลผลภายหลังTextractAsyncSNSListener
เป็น AWS แลมบ์ดา ฟังก์ชันที่จัดการเหตุการณ์การเสร็จสิ้นงานของ Amazon Textract และส่งคืนข้อมูลเมตากลับไปยังเวิร์กโฟลว์สำหรับการประมวลผลเพิ่มเติมTextractPostProcessorTask
เป็นฟังก์ชัน AWS Lambda ที่ใช้ข้อมูลเมตาและประมวลผลไฟล์เอาต์พุต JSON ที่สร้างโดย Amazon Textract เพื่อแยกย่อหน้าที่มีความหมายTextractQAValidationTask
เป็นฟังก์ชัน AWS Lambda ที่ดำเนินการตรวจสอบความถูกต้องของข้อความอย่างง่ายในย่อหน้าที่แยกออกมา และรวบรวมเมตริกต่างๆ เช่น จำนวนย่อหน้าที่สมบูรณ์หรือไม่สมบูรณ์ เมตริกเหล่านี้ใช้เพื่อวัดคุณภาพของการแยกข้อความ
โปรดดูที่ TextAsyncซึ่งเป็นโครงสร้าง IDP CDK ที่สรุปการเรียกใช้ Amazon Textract Async API การจัดการ บริการแจ้งเตือนแบบง่ายของ Amazon ข้อความ (Amazon SNS) และการประมวลผลเวิร์กโฟลว์เพื่อเร่งการพัฒนาของคุณ
การจัดประเภทข้อมูล
องค์ประกอบการจัดประเภทข้อมูลจะระบุส่วนที่สำคัญของรายงานการประเมิน และจัดประเภทเพิ่มเติมเป็นอนุกรมวิธานของหมวดหมู่ที่จัดตามหัวข้อต่างๆ ของเป้าหมายการพัฒนาที่ยั่งยืน เราได้สร้างแบบจำลองการจัดประเภทแบบหลายชั้นและแบบหลายฉลากสองแบบด้วย เข้าใจ Amazon.
ย่อหน้าที่แยกออกมาจะได้รับการประมวลผลโดยใช้ Step Functions ซึ่งผสานรวมกับ Amazon Comprehend เพื่อดำเนินการจัดประเภทในโหมดแบทช์ ย่อหน้าถูกจัดประเภทเป็นข้อค้นพบ คำแนะนำ และข้อสรุป (FRC) โดยใช้โมเดลหลายคลาสแบบกำหนดเอง ซึ่งช่วยระบุส่วนที่สำคัญของรายงานการประเมิน สำหรับส่วนที่สำคัญที่ระบุ เราจะระบุหมวดหมู่ (หัวข้อและไม่ใช่หัวข้อ) โดยใช้แบบจำลองการจัดประเภทหลายป้ายกำกับที่กำหนดเอง การจำแนกตามหัวข้อและไม่ใช่หัวข้อใช้เพื่อระบุและจัดแนวรายงานการประเมินให้สอดคล้องกับเป้าหมายการพัฒนาที่ยั่งยืน เช่น การไม่มีความยากจน (SDG-1) ความเท่าเทียมทางเพศ (SDG-5) น้ำสะอาดและสุขอนามัย (SDG-6) และราคาไม่แพงและสะอาด พลังงาน (SDG-7)
รูปภาพต่อไปนี้แสดงเวิร์กโฟลว์ของ Step Functions เพื่อประมวลผลการจัดประเภทข้อความ
เพื่อลดต้นทุนในกระบวนการจำแนกประเภท เราได้สร้างเวิร์กโฟลว์เพื่อส่งงาน Amazon Comprehend ในโหมดแบทช์ เวิร์กโฟลว์รอให้งาน Amazon Comprehend ทั้งหมดเสร็จสิ้นและดำเนินการปรับแต่งข้อมูลโดยการรวมการดึงข้อความและผลลัพธ์ของ Amazon Comprehend เพื่อกรองย่อหน้าที่ไม่ได้ระบุว่าเป็น FRC และรวมหมวดหมู่การจำแนกตามหัวข้อและไม่ใช่ตามหัวข้อตามย่อหน้า
ย่อหน้าที่แยกออกมาพร้อมหมวดหมู่การจัดประเภทจะถูกจัดเก็บไว้ใน Amazon RDS สำหรับ PostgreSQL. นี่คือฐานข้อมูลการจัดเตรียมเพื่อเก็บรักษาผลการแยกและการจำแนกทั้งหมด นอกจากนี้ เรายังใช้ฐานข้อมูลนี้เพื่อเพิ่มความสมบูรณ์ให้กับผลลัพธ์เพื่อรวมธีมของย่อหน้า และกรองย่อหน้าที่ไม่ใช่ FRC เนื้อหาที่สมบูรณ์ถูกป้อนเข้า อเมซอน เคนดรา.
สำหรับการเปิดตัวครั้งแรก เราได้แยกและจำแนกย่อหน้ามากกว่า 2 ล้านย่อหน้า ด้วยความช่วยเหลือของการจัดประเภทแบบกำหนดเองของ FRC เราสามารถจำกัดย่อหน้าให้แคบลงเหลือ 700,000 จาก 2 ล้านย่อหน้าได้อย่างแม่นยำ โมเดลการจัดหมวดหมู่แบบกำหนดเองของ Amazon Comprehend ช่วยนำเสนอเนื้อหาที่เกี่ยวข้องได้อย่างถูกต้องและลดต้นทุนอย่างมากในดัชนี Amazon Kendra
อเมซอน ไดนาโมดีบี ใช้สำหรับจัดเก็บข้อมูลเมตาของเอกสารและติดตามสถานะการประมวลผลเอกสารในส่วนประกอบหลักทั้งหมด การติดตามข้อมูลเมตามีประโยชน์อย่างยิ่งในการจัดการกับข้อผิดพลาดและการลองใหม่
การค้นหาอัจฉริยะ
ความสามารถในการค้นหาอัจฉริยะช่วยให้ผู้ใช้แพลตฟอร์ม AIDA สามารถค้นหาหลักฐานการประเมินเกี่ยวกับการแทรกแซงของโปรแกรม UNDP ที่มีอยู่ในรายงานการประเมินทั้งหมดได้อย่างเป็นธรรมชาติ แผนภาพต่อไปนี้แสดงสถาปัตยกรรมนี้
Amazon Kendra ใช้สำหรับการค้นหาอัจฉริยะ เนื้อหาที่สมบูรณ์จาก Amazon RDS สำหรับ PostgreSQL จะถูกนำเข้าไปยัง Amazon Kendra เพื่อทำดัชนี เว็บพอร์ทัลเลเยอร์ใช้ความสามารถในการค้นหาอัจฉริยะของ Amazon Kendra เพื่อค้นหาเนื้อหาที่จัดทำดัชนีโดยสังหรณ์ใจ ผู้ติดป้ายกำกับใช้ส่วนติดต่อผู้ใช้แบบมนุษย์ในลูปเพื่ออัปเดตการจัดประเภทข้อความที่สร้างโดย Amazon Comprehend สำหรับย่อหน้าที่คัดแยกใดๆ การเปลี่ยนแปลงการจัดประเภทจะมีผลทันทีในเว็บพอร์ทัล และความคิดเห็นที่อัปเดตโดยมนุษย์จะถูกดึงออกมาและใช้สำหรับการฝึกอบรมโมเดลของ Amazon Comprehend เพื่อปรับปรุงโมเดลการจัดประเภทแบบกำหนดเองอย่างต่อเนื่อง
AIDA รวมเอาฟังก์ชันการทำงานแบบมนุษย์เข้าไว้ด้วยกัน ซึ่งเพิ่มขีดความสามารถของ AIDA ในการแก้ไขข้อผิดพลาดในการจำแนกประเภท (FRC, เฉพาะเรื่อง, ไม่ใช่เฉพาะเรื่อง) และข้อผิดพลาดในการดึงข้อมูล ป้ายกำกับซึ่งอัปเดตโดยเจ้าหน้าที่ที่ดำเนินการฟังก์ชัน Human-in-the-loop จะถูกเพิ่มเข้ากับชุดข้อมูลการฝึกอบรมและใช้เพื่อฝึกโมเดล Amazon Comprehend ใหม่เพื่อปรับปรุงความแม่นยำในการจำแนกประเภทอย่างต่อเนื่อง
สรุป
ในโพสต์นี้ เราได้กล่าวถึงวิธีการที่ผู้ประเมินผ่านแพลตฟอร์ม AIDA ของ IEO ใช้บริการ Amazon AI และ ML เช่น Amazon Textract, Amazon Comprehend และ Amazon Kendra เพื่อสร้างระบบประมวลผลเอกสารแบบกำหนดเองที่ระบุ แยก และจัดประเภทข้อมูลจากเอกสารที่ไม่มีโครงสร้าง . การใช้ Amazon Textract สำหรับการแยกข้อความ PDF ปรับปรุงการคัดแยกหลักฐานระดับย่อหน้าจากความแม่นยำต่ำกว่า 60% เป็นมากกว่า 80% นอกจากนี้ การจำแนกประเภทหลายป้ายกำกับได้รับการปรับปรุงจากความแม่นยำต่ำกว่า 30% เป็น 90% โดยการฝึกโมเดลใหม่ใน Amazon Comprehend ด้วยชุดข้อมูลการฝึกที่ได้รับการปรับปรุง
แพลตฟอร์มนี้ช่วยให้ผู้ประเมินสามารถค้นหาเนื้อหาที่เกี่ยวข้องได้อย่างรวดเร็วและแม่นยำ การแปลงข้อมูลที่ไม่มีโครงสร้างเป็นข้อมูลกึ่งโครงสร้างช่วยให้ UNDP และหน่วยงานอื่นๆ ของ UN สามารถตัดสินใจโดยใช้ข้อมูลจากข้อมูลหลายร้อยหรือหลายพันจุดเกี่ยวกับสิ่งที่ได้ผล อะไรไม่ได้ผล และวิธีปรับปรุงผลกระทบของการดำเนินงานของ UNDP สำหรับ ผู้คนที่ให้บริการ
สำหรับข้อมูลเพิ่มเติมเกี่ยวกับสถาปัตยกรรมอ้างอิงการประมวลผลเอกสารอัจฉริยะ โปรดดูที่ การประมวลผลเอกสารอัจฉริยะ. กรุณาแบ่งปันความคิดของคุณกับเราในส่วนความคิดเห็น
เกี่ยวกับผู้เขียน
ออสการ์ เอ. การ์เซีย เป็นผู้อำนวยการสำนักประเมินอิสระ (IEO) ของโครงการพัฒนาแห่งสหประชาชาติ (UNDP) ในฐานะผู้อำนวยการ เขาได้กำหนดทิศทางเชิงกลยุทธ์ ความเป็นผู้นำทางความคิด และการประเมินผลที่น่าเชื่อถือเพื่อพัฒนางานของ UNDP ในการช่วยเหลือประเทศต่างๆ ให้ก้าวหน้าไปสู่ผลสัมฤทธิ์ SDG ระดับชาติ ปัจจุบันออสการ์ยังทำหน้าที่เป็นประธานของ United Nations Evaluation Group (UNEG) เขามีประสบการณ์มากกว่า 25 ปีในด้านการวางแผนกลยุทธ์ การประเมินผล และการจัดการตามผลลัพธ์เพื่อการพัฒนาที่ยั่งยืน ก่อนเข้าร่วม IEO ในตำแหน่งผู้อำนวยการในปี 2020 เขาเคยดำรงตำแหน่งผู้อำนวยการสำนักงานประเมินผลอิสระ (IOE) ของ IFAD และหัวหน้าฝ่ายบริการที่ปรึกษาสำหรับเศรษฐกิจสีเขียว UNEP ออสการ์ได้เขียนหนังสือและบทความเกี่ยวกับการประเมินการพัฒนา รวมถึงบทความเกี่ยวกับเทคโนโลยีสารสนเทศและการสื่อสารเพื่อการประเมิน เขาเป็นนักเศรษฐศาสตร์ที่สำเร็จการศึกษาระดับปริญญาโทด้านการจัดการการเปลี่ยนแปลงในองค์กร New School University (NY) และ MBA จาก Bolivian Catholic University ร่วมกับ Harvard Institute for International Development
สัตยา บาลากฤษณะ เป็น Sr. Customer Delivery Architect ในทีม Professional Services ที่ AWS ซึ่งเชี่ยวชาญด้านโซลูชันข้อมูลและ ML เขาทำงานกับลูกค้าการเงินของรัฐบาลกลางสหรัฐ เขาหลงใหลในการสร้างโซลูชันเชิงปฏิบัติเพื่อแก้ปัญหาทางธุรกิจของลูกค้า ในเวลาว่าง เขาชอบดูหนังและเดินป่ากับครอบครัว
ทวนทราน เป็นสถาปนิกโซลูชันอาวุโสในภาครัฐทั่วโลกที่สนับสนุนสหประชาชาติ เขามีความกระตือรือร้นในการใช้เทคโนโลยี AWS เพื่อช่วยให้ลูกค้ากำหนดแนวคิดของศิลปะที่เป็นไปได้ ในเวลาว่างนี้ เขาชอบเล่นกระดานโต้คลื่น ปั่นจักรยานเสือภูเขา ขว้างขวาน และใช้เวลากับครอบครัวและเพื่อนฝูง
เจ้าชายมัลลารี เป็นนักวิทยาศาสตร์ข้อมูล NLP ในทีมบริการระดับมืออาชีพที่ AWS ซึ่งเชี่ยวชาญด้านแอปพลิเคชัน NLP สำหรับลูกค้าภาครัฐ เขาหลงใหลเกี่ยวกับการใช้ ML เป็นเครื่องมือที่ช่วยให้ลูกค้าทำงานได้อย่างมีประสิทธิภาพมากขึ้น ในเวลาว่าง เขาชอบเล่นวิดีโอเกมและพัฒนาเกมกับเพื่อนๆ
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/how-the-undp-independent-evaluation-office-is-using-aws-ai-ml-services-to-enhance-the-use-of-evaluation-to-support-progress-toward-the-sustainable-development-goals/
- :เป็น
- $ ขึ้น
- 000
- 100
- 2020
- 7
- a
- สามารถ
- เกี่ยวกับเรา
- บทคัดย่อ
- เร่งความเร็ว
- เข้า
- ความรับผิดชอบ
- ความถูกต้อง
- ถูกต้อง
- แม่นยำ
- บรรลุ
- ผลสัมฤทธิ์
- ข้าม
- การกระทำ
- นอกจากนี้
- ที่อยู่
- เพิ่ม
- ความก้าวหน้า
- ที่ปรึกษา
- บริการให้คำปรึกษา
- ราคาไม่แพง
- บริษัท ตัวแทน
- มวลรวม
- การรวม
- AI
- AI / ML
- จัดแนว
- ทั้งหมด
- ช่วยให้
- อเมซอน
- เข้าใจ Amazon
- อเมซอน เคนดรา
- อเมซอน RDS
- Amazon Text
- ในหมู่
- การวิเคราะห์
- การวิเคราะห์
- และ
- อาปาเช่
- API
- การใช้งาน
- การประยุกต์ใช้ NLP
- การประยุกต์ใช้
- เหมาะสม
- สถาปัตยกรรม
- เป็น
- พื้นที่
- รอบ
- ศิลปะ
- บทความ
- เทียม
- ปัญญาประดิษฐ์
- ปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่อง
- AS
- แง่มุม
- สมาคม
- At
- เติม
- AWS
- AWS แลมบ์ดา
- กลับ
- ฐาน
- ตาม
- BE
- ดีกว่า
- คณะกรรมการ
- ร้านหนังสือเกาหลี
- กล่อง
- แตก
- สร้าง
- การก่อสร้าง
- สร้าง
- ธุรกิจ
- by
- โทรศัพท์
- โทร
- CAN
- สามารถ
- ความจุ
- หมวดหมู่
- ศูนย์
- ศูนย์
- ท้าทาย
- ท้าทาย
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- เปลี่ยนแปลง
- การจัดหมวดหมู่
- จัด
- พลังงานสะอาด
- ลูกค้า
- การทำงานร่วมกัน
- ความคิดเห็น
- ค่าคอมมิชชั่น
- มุ่งมั่น
- การสื่อสาร
- สมบูรณ์
- เสร็จสิ้น
- ซับซ้อน
- ส่วนประกอบ
- ส่วนประกอบ
- เข้าใจ
- การคำนวณ
- ความประพฤติ
- สร้าง
- บรรจุ
- เนื้อหา
- อย่างต่อเนื่อง
- ตามธรรมเนียม
- แกน
- ราคา
- ประเทศ
- หน้าปก
- Covid-19
- COVID-19 การระบาดใหญ่
- ที่สร้างขึ้น
- การสร้าง
- น่าเชื่อถือ
- วิกฤติ
- ปัจจุบัน
- ขณะนี้
- ผู้ปกครอง
- ประเพณี
- ลูกค้า
- ลูกค้า
- ข้อมูล
- จุดข้อมูล
- นักวิทยาศาสตร์ข้อมูล
- ฐานข้อมูล
- ชุดข้อมูล
- ตัดสินใจ
- การตัดสินใจ
- องศา
- ส่งมอบ
- การจัดส่ง
- บรรยาย
- ออกแบบ
- ได้รับการออกแบบ
- รายละเอียด
- พัฒนา
- ที่กำลังพัฒนา
- พัฒนาการ
- ต่าง
- แปลง
- ทิศทาง
- ผู้อำนวยการ
- สนทนา
- กล่าวถึง
- เอกสาร
- เอกสาร
- ไม่
- ลง
- แต่ละ
- นักเศรษฐศาสตร์
- เศรษฐกิจ
- ที่มีประสิทธิภาพ
- ให้อำนาจ
- เปิดการใช้งาน
- พลังงาน
- เพลิดเพลิน
- ประเทือง
- อุดม
- ทำให้มั่นใจ
- หน่วยงาน
- สิ่งแวดล้อม
- ความเสมอภาค
- ข้อผิดพลาด
- การประเมินผล
- การประเมินผล
- แม้
- เหตุการณ์
- ทุกๆ
- หลักฐาน
- วิวัฒน์
- เข้มงวด
- ผู้บริหารงาน
- ที่มีอยู่
- แสดง
- ประสบการณ์
- ความชำนาญ
- ส่งออก
- สารสกัด
- สารสกัดจาก
- ครอบครัว
- เฟด
- รัฐบาลกลาง
- ข้อเสนอแนะ
- รูป
- ไฟล์
- กรอง
- ทางการเงิน
- พบ
- ชื่อจริง
- ดังต่อไปนี้
- สำหรับ
- รูป
- พบ
- ก่อตั้งขึ้นเมื่อ
- เป็นมิตร
- เพื่อน
- ราคาเริ่มต้นที่
- ฟังก์ชัน
- ฟังก์ชั่น
- ฟังก์ชั่น
- การระดมทุน
- ต่อไป
- อนาคต
- เกม
- เพศ
- เท่าเทียมกันทางเพศ
- สร้าง
- สร้าง
- เหตุการณ์ที่
- เป้าหมาย
- มากขึ้น
- สีเขียว
- บัญชีกลุ่ม
- จัดการ
- จัดการ
- การจัดการ
- ฮาร์วาร์
- มี
- หัว
- ส่วนหัว
- ช่วย
- ช่วย
- การช่วยเหลือ
- จะช่วยให้
- อย่างสูง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- ที่ http
- HTTPS
- เป็นมนุษย์
- สิทธิมนุษยชน
- มนุษย์
- ร้อย
- ระบุ
- ระบุ
- แยกแยะ
- IEO
- ทันที
- ส่งผลกระทบ
- ความสำคัญ
- ปรับปรุง
- การปรับปรุง
- in
- รวมทั้ง
- อิสระ
- ดัชนี
- แจ้ง
- ข้อมูล
- แจ้ง
- นักวิเคราะห์ส่วนบุคคลที่หาโอกาสให้เป็นไปได้มากที่สุด
- นวัตกรรม
- ข้อมูลเชิงลึก
- สถาบัน
- รวม
- Intelligence
- ฉลาด
- การประมวลผลเอกสารอัจฉริยะ
- อินเตอร์เฟซ
- International
- IT
- ITS
- การสัมภาษณ์
- งาน
- การร่วม
- JSON
- เก็บ
- การเก็บรักษา
- คีย์
- ความรู้
- การติดฉลาก
- ป้ายกำกับ
- ภาษา
- ชั้น
- แบบ
- ความเป็นผู้นำ
- ได้เรียนรู้
- การเรียนรู้
- บทเรียน
- บทเรียนที่ได้รับ
- ชั้น
- ห้องสมุด
- กดไลก์
- ถูก จำกัด
- ที่อาศัยอยู่
- วันหยุด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- การบำรุงรักษา
- ทำ
- การจัดการ
- คณะบริหาร
- ผู้จัดการ
- คู่มือ
- ปริญญาโท
- มีความหมาย
- วัด
- มาตรการ
- กลไก
- สมาชิก
- ข้อความ
- เมตาดาต้า
- วิธีการ
- ตัวชี้วัด
- ล้าน
- ใจ
- ML
- โหมด
- แบบ
- โมเดล
- ข้อมูลเพิ่มเติม
- มีประสิทธิภาพมากขึ้น
- ยิ่งไปกว่านั้น
- ภูเขา
- Movies
- หลาย
- แห่งชาติ
- เนชั่น
- ใหม่
- NLP
- การประกาศ
- จำนวน
- NY
- of
- Office
- on
- ONE
- โอเพนซอร์ส
- ดำเนินการ
- การดำเนินการ
- บงการ
- organizacja
- องค์กร
- Organized
- เป็นต้นฉบับ
- อื่นๆ
- เอาท์พุต
- การควบคุม
- ก้าว
- การระบาดกระจายทั่ว
- โดยเฉพาะ
- ส่วน
- หลงใหล
- รูปแบบไฟล์ PDF
- คน
- ดำเนินการ
- การปฏิบัติ
- ที่มีประสิทธิภาพ
- ดำเนินการ
- วิริยะ
- ชิ้น
- แผนการ
- ดาวเคราะห์
- การวางแผน
- เวที
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- กรุณา
- จุด
- นโยบาย
- พอร์ทัล
- เป็นไปได้
- โพสต์
- postgresql
- ความยากจน
- ในทางปฏิบัติ
- เตรียม
- นำเสนอ
- การป้องกัน
- ก่อน
- ปัญหาที่เกิดขึ้น
- กระบวนการ
- แปรรูปแล้ว
- กระบวนการ
- การประมวลผล
- ก่อ
- ผลิต
- ประสิทธิผล
- มืออาชีพ
- โครงการ
- การเขียนโปรแกรม
- โปรแกรม
- ความคืบหน้า
- โครงการ
- การส่งเสริม
- ความเจริญ
- ป้องกัน
- ให้
- ให้
- สาธารณะ
- หลาม
- คุณภาพ
- อย่างรวดเร็ว
- อย่างรวดเร็ว
- ดิบ
- แนะนำ
- การฟื้นตัว
- ลด
- ลดลง
- สะท้อนให้เห็นถึง
- ความสัมพันธ์
- ปล่อย
- ตรงประเด็น
- รายงาน
- รายงาน
- กรุ
- ความต้องการ
- ทรัพยากร
- ใช้ทรัพยากรมาก
- คำตอบ
- รับผิดชอบ
- ส่งผลให้
- ผลสอบ
- รับคืน
- สิทธิ
- บทบาท
- โรงเรียน
- นักวิทยาศาสตร์
- นักวิทยาศาสตร์
- SDGs
- ค้นหา
- ค้นหา
- Section
- ส่วน
- ภาค
- ความปลอดภัย
- ระดับอาวุโส
- ให้บริการอาหาร
- บริการ
- หลาย
- Share
- แสดง
- สำคัญ
- ง่าย
- ตั้งแต่
- อย่างชาญฉลาด
- สังคม
- ทางออก
- โซลูชัน
- แก้
- บาง
- ความเชี่ยวชาญ
- การใช้จ่าย
- ทักษะ
- การแสดงละคร
- มาตรฐาน
- มาตรฐาน
- สหรัฐอเมริกา
- Status
- ขั้นตอน
- ขั้นตอน
- การเก็บรักษา
- เก็บไว้
- ร้านค้า
- การเก็บรักษา
- ยุทธศาสตร์
- ส่ง
- ส่ง
- อย่างเช่น
- สนับสนุน
- ที่สนับสนุน
- รองรับ
- ที่ยั่งยืน
- โครงการพัฒนาเพื่อความยั่งยืน
- ระบบ
- เอา
- งาน
- อนุกรมวิธาน
- ทีม
- วิชาการ
- เทคโนโลยี
- เทมเพลต
- หลักการ
- การจัดประเภทข้อความ
- ที่
- พื้นที่
- โลก
- ของพวกเขา
- พวกเขา
- เกี่ยวกับใจความ
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- คิดว่า
- ความเป็นผู้นำทางความคิด
- พัน
- สาม
- ตลอด
- การขว้างปา
- เวลา
- ต้องใช้เวลามาก
- ครั้ง
- ไปยัง
- เครื่องมือ
- ไปทาง
- ไปทาง
- ลู่
- การติดตาม
- แบบดั้งเดิม
- การฝึกอบรม
- การเปลี่ยนแปลง
- UN
- ภายใต้
- หน่วย
- พร้อมใจกัน
- สหประชาชาติ
- หน่วย
- มหาวิทยาลัย
- บันทึก
- ให้กับคุณ
- us
- รัฐบาลกลางสหรัฐ
- ใช้
- ผู้ใช้งาน
- ส่วนติดต่อผู้ใช้
- ผู้ใช้
- มักจะ
- ความคุ้มค่า
- ต่างๆ
- วีดีโอ
- วิดีโอเกม
- ชม
- น้ำดื่ม
- ทาง..
- เว็บ
- web-based
- ดี
- อะไร
- ที่
- กว้าง
- กับ
- ภายใน
- ไม่มี
- คำ
- งาน
- ทำงาน
- โรงงาน
- โลก
- จะ
- เขียน
- ปี
- ของคุณ
- ลมทะเล