Bir önceki içinde Facebook post, Amazon AI hizmetlerini ve Veeva Vault Platform'un API'lerini kullanarak Veeva Vault PromoMats'ta depolanan varlıkları analiz etmek ve etiketlemek hakkında konuştuk. Bu yazıda, nasıl kullanılacağını keşfediyoruz Amazon Uygulama Akışı, Veeva Vault gibi bir hizmet olarak yazılım (SaaS) uygulamalarından AWS'ye güvenli bir şekilde veri aktarmanızı sağlayan, tam olarak yönetilen bir entegrasyon hizmetidir. bu Amazon AppFlow Veeva bağlayıcısı Veeva Vault'ta depolanan zengin içeriği uygun ölçekte analiz etmek için AWS ortamınızı Veeva ekosistemine hızlı, güvenilir ve uygun maliyetli bir şekilde bağlamanıza olanak tanır.
Amazon AppFlow Veeva bağlayıcısı, verilerin otomatik aktarımını destekleyen ilk Amazon AppFlow bağlayıcısıdır. Veeva belgeleri. En son sürüm (en son sürüm) arasında seçim yapmanızı sağlar. Denge durumu Veeva terimlerindeki sürüm) ve belgelerin tüm sürümleri. Ayrıca, belge meta verilerini içe aktarabilirsiniz.
Birkaç tıklamayla kolayca yönetilen bir bağlantı kurabilir ve içe aktarılacak Veeva Vault belgelerini ve meta verilerini seçebilirsiniz. Kaynak alanları hedef alanlarla eşleyerek içe aktarma davranışını daha da ayarlayabilirsiniz. Ayrıca belge türüne ve alt türüne, sınıflandırmaya, ürünlere, ülkeye, siteye ve daha fazlasına göre filtreler ekleyebilirsiniz. Son olarak, doğrulama ekleyebilir ve isteğe bağlı ve zamanlanmış akış tetikleyicilerini yönetebilirsiniz.
Amazon AppFlow Veeva bağlayıcısını Veeva Vault PromoMat'lardan QualityDocs, eTMF veya Regulatory Information Management (RIM) gibi diğer Veeva Vault çözümlerine kadar çeşitli kullanım durumları için kullanabilirsiniz. Bağlayıcıyı kullanabileceğiniz bazı kullanım durumları aşağıda verilmiştir:
- Veri senkronizasyonu – Bir kaynak Veeva Kasası ile herhangi bir aşağı akış sisteminden gelen veriler arasında zaman içinde tutarlılık ve uyum oluşturma sürecinde bağlayıcıyı kullanabilirsiniz. Örneğin, Veeva PromoMats pazarlama varlıklarını Salesforce ile paylaşabilirsiniz. Standart İşletim Prosedürleri (SOP'ler) gibi Veeva QualityDocs'ları veya üretim katında bulunan tabletlerden aranabilen önbelleğe alınmış web sitelerine spesifikasyonları paylaşmak için bağlayıcıyı da kullanabilirsiniz.
- Anomali tespiti – Veeva PromoMats belgelerini şu adreslerle paylaşabilirsiniz: Metrikler için Amazon Lookout anomali tespiti için Vault RIM ile konektörü ayrıca Loftware gibi kurumsal etiketleme çözümlerine yazdırmak üzere içe aktarmadan önce sanat eserlerinde, ticari etiketlerde, şablonlarda veya hasta broşürlerinde kullanabilirsiniz.
- Veri gölü hidrasyonu – Bağlayıcı, veri göllerinin oluşturulmasını ve hidrasyonunu desteklemek için yapılandırılmış veya yapılandırılmamış verileri veri göllerine kopyalamak için etkili bir araç olabilir. Örneğin, Vault RIM'de depolanan protokollerden standartlaştırılmış çalışma bilgilerini çıkarmak ve bunları tıbbi analitik içgörü ekiplerine akış yönünde sunmak için bağlayıcıyı kullanabilirsiniz.
- Çeviriler – Bağlayıcı, ambalajlama, klinik deneyler veya düzenleyici gönderiler gibi departmanlara ana dillerde çeviri için sanat eserleri, klinik belgeler, pazarlama materyalleri veya çalışma protokolleri göndermek için yararlı olabilir.
Bu gönderi, nasıl kullanabileceğinize odaklanıyor Amazon AI hizmetleri Veeva Vault PromoMats'ta depolanan içeriği analiz etmek, etiket bilgilerini otomatik olarak çıkarmak ve nihayetinde bu bilgileri Veeva Vault sistemine geri beslemek için Amazon AppFlow ile birlikte. Gönderi, genel mimariyi, bir çözümü ve gösterge tablosunu dağıtma adımlarını ve varlık meta veri etiketlemesinin bir kullanım durumunu tartışır. Bu kullanım örneğine ilişkin kavram kodu tabanı kanıtı hakkında daha fazla bilgi için bkz. GitHub deposu.
Çözüme genel bakış
Aşağıdaki şema, güncellenmiş çözüm mimarisini göstermektedir.
Önceden, varlıkları Veeva Vault'tan içe aktarmak için, aşağıdakileri kullanarak kendi özel kod mantığınızı yazmanız gerekiyordu: Veeva Vault API'ları değişiklikleri sorgulamak ve verileri içe aktarmak için Amazon Basit Depolama Hizmeti (Amazon S3). Bu, API sınırlamalarını, başarısızlıkları ve yeniden denemeleri ve ayrıca sınırsız miktarda varlığı barındırmak için ölçeklenebilirliği hesaba katmanız gereken manuel, zaman alıcı bir süreç olabilir. Güncellenen çözüm, özel bir Veeva'dan Amazon S3'e veri içe aktarma işlem hattını sürdürmenin karmaşıklığını ortadan kaldırmak için Amazon AppFlow'u kullanır.
Giriş bölümünde bahsedildiği gibi, Amazon AppFlow, verileri çeşitli SaaS uygulamaları ve AWS hizmetleri arasında kolayca ve güvenli bir şekilde taşımak için işaretle ve tıkla yapılandırmaları kullanan, kullanımı kolay, kodsuz bir self servis araçtır. AppFlow, desteklenen kaynaklardan veri (nesneler ve belgeler) çekmenize ve bu verileri desteklenen çeşitli hedeflere yazmanıza olanak tanır. Kaynak veya hedef, bir SaaS uygulaması veya Amazon S3 gibi bir AWS hizmeti olabilir. Amazon Kırmızıya Kaydırma, veya Metriklere Bak. Amazon AppFlow, kod içermeyen arabirime ek olarak API, AWS CLI ve AWS CloudFormation arayüzler.
Amazon AppFlow'daki bir akış, kaynak ayrıntıları, hedef ayrıntıları, akış tetikleme koşulları (istek üzerine, olay üzerine veya planlanmış) ve kontrol noktası, alan doğrulama veya maskeleme gibi veri işleme görevleri dahil olmak üzere verilerin nasıl taşınacağını açıklar. Amazon AppFlow, tetiklendiğinde kaynak verileri (genellikle kaynak uygulamanın genel API'leri aracılığıyla) getiren, veri işleme görevlerini çalıştıran ve işlenen verileri hedefe aktaran bir akış çalıştırır.
Bu örnekte, bir CloudFormation şablonu kullanarak önceden yapılandırılmış bir akışı dağıtıyorsunuz. Aşağıdaki ekran görüntüsü önceden yapılandırılmış veeva-aws-connector
Amazon AppFlow konsolundaki çözüm şablonu tarafından otomatik olarak oluşturulan akış.
Akış, kaynak olarak Veeva'yı kullanır ve Veeva Vault bileşen nesnelerini içe aktarmak üzere yapılandırılır. Hem meta veriler hem de kaynak dosyalar, işlenen varlıkları takip etmek ve etiketleri kaynak sistemdeki doğru ilgili varlığa geri göndermek için gereklidir. Bu durumda, yalnızca en son sürüm içe aktarılır ve yorumlamalar dahil edilmez.
Akışın hedefinin de yapılandırılması gerekir. Aşağıdaki ekran görüntüsünde, CloudFormation şablonunun bir parçası olarak oluşturulan S3 kovası için bir dosya formatı ve klasör yapısı tanımlıyoruz.
Son olarak, akış, gösterim amacıyla talep üzerine tetiklenir. Bu, akışın maksimum 1 dakikalık ayrıntı düzeyiyle bir programa göre çalışması için değiştirilebilir. Bir programda tetiklendiğinde, aktarım modu otomatik olarak tam aktarımdan artımlı aktarım moduna geçer. Değişiklikleri izlemek için bir kaynak zaman damgası alanı belirtirsiniz. Etiketleme kullanım durumu için şunu bulduk: Son Değiştirilme Tarihi ayar en uygunudur.
Amazon AppFlow daha sonra şunlarla entegre edilir: Amazon EventBridge bir akış çalışması tamamlandığında olayları yayınlamak için.
Daha iyi dayanıklılık için, AVAIAppFlowListener
AWS Lambda işlev, EventBridge'e bağlanır. Bir Amazon AppFlow olayı tetiklendiğinde, belirli akış çalıştırmasının başarıyla tamamlandığını doğrular, bu belirli akış çalıştırmasından içe aktarılan tüm varlıkların meta veri bilgilerini okur ve tek tek belge meta verilerini bir Amazon Basit Kuyruk Hizmeti (Amazon SQS) kuyruğu. Amazon SQS'yi kullanmak, mimarinin üretici ve işlemci bölümleri arasında gevşek bir bağlantı sağlar ve ayrıca gelen güncellemeleri durdurmadan işlemci bölümünde değişiklikleri dağıtmanıza olanak tanır.
İkinci bir poller işlevi (AVAIQueuePoller
) sık aralıklarla (her dakika) SQS kuyruğunu okur ve gelen varlıkları işler. Lambda işlevinden daha da iyi bir tepki süresi için Amazon SQS'yi işlev için bir tetikleyici olarak yapılandırarak CloudWatch kuralını değiştirebilirsiniz.
Çözüm, gelen ileti türüne bağlı olarak, verilerinizden içgörüler elde etmek için çeşitli AWS AI hizmetlerini kullanır. Bazı örnekler şunları içerir:
- Metin dosyaları - İşlev, Varlıkları Algıla operasyonu Amazon Medikal, yapılandırılmamış metinden ilgili tıbbi bilgileri çıkarmak için makine öğrenimi kullanımını kolaylaştıran bir doğal dil işleme (NLP) hizmetidir. Bu işlem, aşağıdaki gibi kategorilerdeki varlıkları algılar:
Anatomy
,Medical_Condition
,Medication
,Protected_Health_Information
, veTest_Treatment_Procedure
. Elde edilen çıktı için filtrelenirProtected_Health_Information
ve kalan bilgiler, güven puanlarıyla birlikte düzleştirilir ve Amazon DinamoDB masa. Bu bilgi OpenSearch Kibana kümesinde çizilir. Gerçek dünyadaki uygulamalarda Amazon Comprehend Medical'i de kullanabilirsiniz. ICD-10-CM veya RxNorm tespit edilen bilgileri tıbbi ontolojilere bağlama özelliği, böylece alt sağlık hizmetleri uygulamaları daha fazla analiz için kullanabilir. - Fotoğraflar - İşlev, Algılama Etiketleri yöntemi Amazon Rekognisyon gelen görüntüdeki etiketleri algılamak için. Bu etiketler, ticari sanat eserleri ve klinik etiketler hakkında bilgiler gibi resimlerinizde gömülü olan zengin bilgileri tanımlayan etiketler olarak işlev görebilir. etiketler gibi
Human
orPerson
%80'in üzerinde bir güven puanı ile tespit edilirse kod, Yüzleri Algıla görüntüdeki yüzleri tespit etmek için gözler, burun ve ağız gibi önemli yüz özelliklerini aramak için bir yöntem. Amazon Rekognition, tüm bu bilgileri DynamoDB tablosunda düzleştirilen ve saklanan ilişkili bir güven skoruyla sunar. - Ses kayıtları - Ses öğeleri için kod, Başlangıç Transcriptionİş eşzamansız yöntemi Amazon Yazısı gelen sesi metne dönüştürmek için benzersiz bir tanımlayıcı
TranscriptionJobName
. Kod, ses dilinin İngilizce (ABD) olduğunu varsayar, ancak Veeva Vault'dan gelen bilgilere bağlamak için dili değiştirebilirsiniz. Kod, GetTransscriptionİş yöntemiyle, aynı benzersiz tanımlayıcıyıTranscriptionJobName
iş tamamlanana kadar bir döngü içinde. Amazon Transcribe, çıktı dosyasını kod tarafından okunan ve silinen bir S3 grubuna gönderir. Kod, kopyalanan sesten varlıkları çıkarmak için metin işleme iş akışını çağırır (daha önce açıklandığı gibi). - Taranan belgeler (PDF'ler) - Yaşam bilimleri varlıklarının büyük bir yüzdesi PDF'lerde temsil edilmektedir - bunlar bilimsel dergilerden ve araştırma kağıtlarından ilaç etiketlerine kadar her şey olabilir. Amazon Metin Yazısı taranan belgelerden metin ve verileri otomatik olarak alan bir hizmettir. Kod, Belge Metni Algılamayı Başlat Belgedeki metni algılamak için eşzamansız bir işi başlatma yöntemi. Kod,
JobId
çağrıya yanıt olarak geri döndü GetDocumentMetin Algılama iş tamamlanana kadar bir döngü içinde. Çıktı JSON yapısı, tespit ettiği her öğe için güven puanlarıyla birlikte algılanan metnin satırlarını ve kelimelerini içerir, böylece sonuçların nasıl kullanılacağı hakkında bilinçli kararlar alabilirsiniz. Kod, metin bulanıklığını yeniden oluşturmak için JSON yapısını işler ve metinden objeleri çıkarmak için metin işleme iş akışını çağırır.
Bir DynamoDB tablosu işlenen tüm verileri saklar. Çözüm kullanır DynamoDB Akışları ve Lambda tetikleyicileri (AVAIPopulateES
) verileri bir OpenSearch Kibana kümesine yerleştirmek için. AVAIPopulateES işlevi, DynamoDB tablosunda gerçekleşen her güncelleme, ekleme ve silme işlemi için çalışır ve OpenSearch dizinine karşılık gelen bir kayıt ekler. Bu kayıtları Kibana kullanarak görselleştirebilirsiniz.
Geri besleme döngüsünü kapatmak için, AVAICustomFieldPopulator
Lambda işlevi oluşturuldu. Meta veri DynamoDB tablosunun DynamoDB akışındaki olaylar tarafından tetiklenir. her biri için DocumentID
DynamoDB kayıtlarında, işlev, Veeva API'sini kullanarak Veeva'da karşılık gelen kimliğe sahip varlığın önceden tanımlanmış bir özel alan özelliğine etiket bilgilerini eklemeye çalışır. Özel alana parazit eklenmesini önlemek için Lambda işlevi, 0.9'dan daha düşük bir güven puanıyla tanımlanan tüm etiketleri filtreler. Başarısız olan istekler, manuel inceleme veya otomatik yeniden deneme için bir teslim edilmeyen sıraya (DLQ) iletilir.
Bu çözüm, dijital varlıklarınızda kapsamlı aramaları işlemek, etiketlemek ve etkinleştirmek için sunucusuz, kullandıkça öde yöntemi sunar. Ayrıca, yönetilen her bileşen, birden çok Kullanılabilirlik Bölgesine otomatik dağıtım yoluyla yerleşik olarak yüksek kullanılabilirliğe sahiptir. İçin Amazon Açık Arama Hizmeti (Amazon Elasticsearch Service'in halefi), şunları seçebilirsiniz: üç AZ seçeneği alanlarınız için daha iyi kullanılabilirlik sağlamak.
Önkoşullar
Bu izlenecek yol için aşağıdaki ön koşullara sahip olmalısınız:
- An AWS hesabı uygun olarak AWS Kimlik ve Erişim Yönetimi (IAM) CloudFormation şablonunu başlatma izinleri
- Bir Veeva Vault PromoMats etki alanı için uygun erişim bilgileri (alan URL'si, kullanıcı adı ve parola)
- Etiketlenmesini istediğiniz dijital varlıklar için Veeva'da tanımlanan özel bir içerik etiketi (örnek olarak,
AutoTags
özel içerik etiketi) - Önceki kimlik bilgilerinden erişilebilen PromoMats Kasası'ndaki dijital varlıklar
Çözümünüzü dağıtın
Çözümü dağıtmak için bir CloudFormation yığını kullanın. Yığın, aşağıdakiler de dahil olmak üzere gerekli tüm kaynakları oluşturur:
- Gelen varlıkları saklamak için bir S3 grubu.
- Varlıkları otomatik olarak S3 kovasına aktarmak için bir Amazon AppFlow akışı.
- Amazon AppFlow tarafından oluşturulan olaylara tepki vermek için bir EventBridge kuralı ve Lambda işlevi (
AVAIAppFlowListener
). - Dinleyici işlevi arasında gevşek bir bağlantı görevi görecek bir SQS FIFO kuyruğu (
AVAIAppFlowListener
) ve poller işlevi (AVAIQueuePoller
). - Amazon AI hizmetlerinin çıktısını depolamak için bir DynamoDB tablosu.
- Analiz edilen etiketleri görselleştirmek için bir Amazon OpenSearch Kibana (ELK) kümesi.
- Tanımlanan etiketleri Veeva'ya geri göndermek için bir Lambda işlevi (
AVAICustomFieldPopulator
), karşılık gelen bir DLQ ile. - Gerekli Lambda fonksiyonları:
- AVAIAppFlowListener – Amazon AppFlow tarafından EventBridge'e aktarılan olaylar tarafından tetiklenir. Akış çalıştırma doğrulaması ve SQS kuyruğuna bir mesaj gönderme için kullanılır.
- AVAIQueuePoller - Her 1 dakikada bir tetiklenir. SQS kuyruğunu yoklamak, Amazon AI hizmetlerini kullanarak varlıkları işlemek ve DynamoDB tablosunu doldurmak için kullanılır.
- AVAİpopüler - DynamoDB tablosunda güncelleme, ekleme veya silme olduğunda tetiklenir. DynamoDB'deki değişiklikleri yakalamak ve ELK kümesini doldurmak için kullanılır.
- AVAICustomFieldPopulator – DynamoDB tablosunda bir güncelleme, ekleme veya silme olduğunda tetiklenir. Etiket bilgilerini Veeva'ya geri beslemek için kullanılır.
- The Amazon CloudWatch Etkinlikleri tetikleyen kurallar
AVAIQueuePoller
işlev. Bu tetikleyiciler,DISABLED
varsayılan olarak durum. - EventBridge ve AI hizmetleriyle kapsamlı bir şekilde etkileşim kurmak için gerekli IAM rolleri ve politikaları.
Başlamak için aşağıdaki adımları uygulayın:
- Adresinde oturum açın AWS Yönetim Konsolu önkoşul IAM izinlerine sahip bir hesapla.
- Klinik Yığını Başlat ve yeni bir sekmede açın:
- Üzerinde Yığın oluştur sayfasını seçin Sonraki.
- Üzerinde Yığın ayrıntılarını belirtme sayfasında yığın için bir ad girin.
- Parametreler için değerler girin.
- Klinik Sonraki.
- Üzerinde Yığın seçeneklerini yapılandırma sayfasında, her şeyi varsayılan olarak bırakın ve Sonraki.
- Üzerinde Değerlendirme sayfasında, Yetenekler ve dönüşümler bölümünde, üç onay kutusunu seçin.
- Klinik Yığın oluştur.
- Yığının tamamlanmasını bekleyin. Yığın oluşturma sürecinden çeşitli olayları şuradan inceleyebilirsiniz: Etkinlikler sekmesi.
- Yığın oluşturma işlemi tamamlandıktan sonra, Kaynaklar sekmesinde CloudFormation şablonunun oluşturduğu tüm kaynakları görebilirsiniz.
- Üzerinde Çıkışlar sekmesinde,
ESDomainAccessPrincipal
.
Bu IAM rolünün ARN'sidir. AVAIPopulateES
işlevi varsayar. Amazon OpenSearch Service etki alanına erişimi yapılandırmak için daha sonra kullanırsınız.
Amazon OpenSearch Service ve Kibana'yı kurun
Bu bölüm, Amazon OpenSearch Service kümenizin güvenliğini sağlama ve Kibana'ya güvenli bir şekilde erişmek için yerel bir proxy yükleme konusunda size yol gösterir.
- Amazon OpenSearch Service konsolunda, şablon tarafından oluşturulan etki alanını seçin.
- Üzerinde İşlemler menü seç Erişim politikasını değiştir.
- İçin Alan adı erişim politikası, seçmek Özel erişim politikası.
- içinde Erişim politikası silinecek açılır pencerede Temizle ve devam et.
- Sonraki sayfada, Amazon OpenSearch Service etki alanına erişimi kilitlemek için aşağıdaki ifadeleri yapılandırın:
- IPv4 adresine izin ver - IP adresiniz.
- IAM ARN'ye izin ver - Değeri
ESDomainAccessPrincipal
daha önce kopyaladın.
- Klinik Gönder.
Bu, IP adresinizden AVAIPopulateES işlevine ve Kibana erişimine izin veren bir erişim politikası oluşturur. Erişim politikanızın kapsamını belirleme hakkında daha fazla bilgi için bkz. Erişim ilkelerini yapılandırma.
- Alan adı durumunun şu şekilde görünmesini bekleyin
Active
. - Amazon EventBridge konsolunda, altında Etkinlikler, seçmek kurallar. CloudFormation şablonunun oluşturduğu iki kuralı görebilirsiniz.
- seçmek
AVAIQueuePollerSchedule
kuralı ve tıklayarak etkinleştirin etkinleştirme.
5-8 dakika içinde veri akışı başlayacak ve Amazon OpenSearch Service kümesinde varlıklar oluşturulacaktır. Artık bu varlıkları Kibana'da görselleştirebilirsiniz. Bunu yapmak için, adlı açık kaynaklı bir proxy kullanırsınız. aws-es-Kibana. Proxy'yi bilgisayarınıza yüklemek için aşağıdaki kodu girin:
aws-es-kibana your_OpenSearch_domain_endpoint
Etki alanı bitiş noktasını, Çıkışlar altında CloudFormation yığınının sekmesi ESDomainEndPoint
. Aşağıdaki çıktıyı görmelisiniz:
Görselleştirmeler oluşturun ve etiketli içeriği analiz edin
Lütfen orijinaline bakın Blog yazısı.
Temizlemek
Gelecekte ücret alınmasını önlemek için, kullanılmadığı zaman kaynakları silin. İlişkili CloudFormation yığınını silerek tüm kaynakları kolayca silebilirsiniz. Yığın silme işleminin başarılı olması için oluşturulan S3 içerik gruplarını boşaltmanız gerektiğini unutmayın.
Sonuç
Bu gönderide, Veeva Vault PromoMats'in işlevselliğini genişletmek ve değerli bilgileri hızlı ve kolay bir şekilde çıkarmak için Amazon AI hizmetlerini Amazon AppFlow ile birlikte nasıl kullanabileceğinizi gösterdik. Yerleşik geri döngü mekanizması, etiketleri tekrar Veeva Vault'ta güncellemenize ve varlıklarınızın otomatik olarak etiketlenmesini etkinleştirmenize olanak tanır. Bu, ekibinizin varlıkları hızlı bir şekilde bulmasını ve bulmasını kolaylaştırır.
Hiçbir ML çıktısı mükemmel olmasa da, insan performansına çok yaklaşabilir ve ekibinizin çabalarının önemli bir bölümünü dengelemeye yardımcı olabilir. Bu ek kapasiteyi, ML çözümünün çıktısını kontrol etmek için küçük bir kapasite ayırırken katma değerli görevlere yönelik olarak kullanabilirsiniz. Bu çözüm ayrıca maliyetlerin optimize edilmesine, etiketleme tutarlılığının sağlanmasına ve mevcut varlıkların hızla keşfedilmesine yardımcı olabilir.
Son olarak, verilerinizin sahipliğini koruyabilir ve hangi AWS hizmetlerinin içeriği işleyebileceğini, depolayabileceğini ve barındırabileceğini seçebilirsiniz. AWS, izniniz olmadan içeriğinize hiçbir amaçla erişmez veya onu kullanmaz ve pazarlama veya reklamcılık için bilgi elde etmek amacıyla asla müşteri verilerini kullanmaz. Daha fazla bilgi için, bkz Veri Gizliliği SSS.
Ayrıca, ek geliştirmelerle bu çözümün işlevselliğini daha da genişletebilirsiniz. Örneğin, bu gönderideki AI ve ML hizmetlerine ek olarak, kullanılarak oluşturulan özel ML modellerinden herhangi birini kolayca ekleyebilirsiniz. Amazon Adaçayı Yapıcı mimariye.
Veeva ve AWS için ek kullanım senaryoları keşfetmek istiyorsanız lütfen AWS hesap ekibinizle iletişime geçin.
Veeva Systems bu içeriği inceledi ve onayladı. Veeva Vault ile ilgili ek sorular için lütfen iletişime geçin. Veeva desteği.
yazarlar hakkında
Mayank Thakkar AWS'de AI/ML İş Geliştirme, Küresel Sağlık ve Yaşam Bilimleri Başkanıdır. Sağlık, yaşam bilimleri, sigorta ve perakende gibi çeşitli sektörlerde 18 yıldan fazla deneyime sahiptir ve gerçek dünyadaki sektör sorunlarını çözmek için sunucusuz, yapay zeka ve makine öğrenimi tabanlı çözümler oluşturma konusunda uzmanlaşmıştır. AWS'de, son teknoloji çözümler oluşturmak ve bulut yolculuklarında onlara yardımcı olmak için dünyanın dört bir yanındaki büyük ilaç şirketleriyle yakın işbirliği içinde çalışıyor. İş dışında, Mayank, karısıyla birlikte, Aaryan (6) ve Kiaan (4) adlı iki enerjik ve yaramaz çocuğu büyütmekle meşgulken, evin yanmasını veya sular altında kalmasını engellemeye çalışıyor!
Anamarya Todor Kopenhag, Danimarka merkezli bir Kıdemli Çözüm Mimarıdır. İlk bilgisayarını 4 yaşında gördü ve o zamandan beri bilgisayar bilimi ve mühendisliğinin peşini bırakmadı. Çeşitli Danimarka şirketlerinde full-stack geliştiriciden veri mühendisi, teknik lider ve CTO'ya kadar çeşitli teknik rollerde çalıştı. Anamaria, Uygulamalı Mühendislik ve Bilgisayar Bilimleri alanında lisans derecesine, Bilgisayar Bilimleri alanında yüksek lisans derecesine ve 10 yılı aşkın uygulamalı AWS deneyimine sahiptir. AWS'de kurumsal segmentteki sağlık ve yaşam bilimleri şirketleriyle yakın işbirliği içinde çalışmaktadır. Çalışmadığı veya video oyunları oynamadığı zamanlarda, kızlara ve kadın profesyonellere teknolojiyi anlamaları ve yollarını bulmaları için koçluk yapıyor.
- Akıllı para. Avrupa'nın En İyi Bitcoin ve Kripto Borsası.
- Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. SERBEST ERİŞİM.
- KriptoHawk. Altcoin Radarı. Ücretsiz deneme.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/analyze-and-tag-assets-stored-in-veeva-vault-promomats-using-amazon-appflow-and-amazon-ai-services/
- "
- 10
- 100
- 7
- 9
- a
- Hakkımızda
- ÖZET
- erişim
- ulaşılabilir
- Karşılamak
- Hesap
- Başarmak
- karşısında
- Hareket
- ilave
- Ek
- adres
- reklâm
- AI
- AI hizmetleri
- Türkiye
- veriyor
- Amazon
- miktar
- analiz
- analytics
- çözümlemek
- ayrı
- api
- API'ler
- Uygulama
- uygulamaları
- uygulamalı
- yaklaşım
- uygun
- mimari
- etrafında
- yapay
- yapay zeka
- sanat eseri
- varlık
- Varlıklar
- ilişkili
- ses
- Otomatik
- otomatik olarak
- kullanılabilirliği
- AWS
- önce
- olmak
- Daha iyi
- arasında
- sınır
- inşa etmek
- bina
- yerleşik
- iş
- çağrı
- yetenekleri
- Kapasite
- dava
- durumlarda
- yükler
- Klinik
- sınıflandırma
- klinik denemeler
- bulut
- antrenörlük
- kod
- kombinasyon
- nasıl
- gelecek
- ticari
- Şirketler
- tamamlamak
- bileşen
- kapsamlı
- bilgisayar
- Bilgisayar Bilimleri
- kavram
- koşullar
- güven
- yapılandırma
- Sosyal medya
- bağ
- rıza
- konsolos
- UAF ile
- içeren
- içerik
- uyan
- maliyetler
- olabilir
- ülke
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- oluşturur
- oluşturma
- Tanıtım
- CTO
- görenek
- müşteri
- keskin kenar
- gösterge paneli
- veri
- veri işleme
- kararlar
- sağlıyor
- Talep
- gösterdi
- Danimarka
- dağıtmak
- açılma
- hedef
- Destinasyon
- ayrıntılar
- algılandı
- Bulma
- Geliştirici
- gelişme
- dijital
- Dijital Varlıklar
- keşif
- evraklar
- Değil
- domain
- etki
- aşağı
- ilaç
- her
- kolayca
- kolay kullanımlı
- ekosistem
- Etkili
- çabaları
- etkinleştirmek
- sağlar
- Son nokta
- mühendis
- Mühendislik
- İngilizce
- Keşfet
- kuruluş
- kişiler
- çevre
- Etkinlikler
- olaylar
- her şey
- örnek
- örnekler
- mevcut
- deneyim
- keşfetmek
- uzatmak
- Hulasa
- yüzler
- Özellikler(Hazırlık aşamasında)
- Özellikler
- geribesleme
- kadın
- Alanlar
- filtreler
- bulma
- Ad
- akış
- odaklanır
- takip etme
- biçim
- bulundu
- itibaren
- tam
- işlev
- işlevsellik
- fonksiyonlar
- daha fazla
- gelecek
- Games
- genellikle
- oluşturulan
- alma
- kızlar
- Küresel
- yardımlar
- hands-on
- baş
- sağlık
- yardım et
- Yüksek
- ev
- Ne kadar
- Nasıl Yapılır
- HTTPS
- insan
- tanımlayıcı
- belirlemek
- Kimlik
- görüntü
- görüntüleri
- ithal
- dahil
- dahil
- Dahil olmak üzere
- indeks
- bireysel
- Endüstri
- sanayi
- bilgi
- bilgi
- giriş
- Uçlar
- kavrama
- anlayışlar
- kurmak
- sigorta
- entegre
- bütünleşme
- İstihbarat
- etkileşim
- ilgili
- arayüzey
- IP
- IP Adresi
- IT
- İş
- seyahat
- tutmak
- anahtar
- etiketleme
- Etiketler
- dil
- Diller
- büyük
- son
- başlatmak
- öncülük etmek
- Ayrılmak
- Yaşam Bilimleri
- hatları
- LINK
- yerel
- Bakın
- makine
- korumak
- yapmak
- YAPAR
- yönetmek
- yönetilen
- yönetim
- tavır
- Manuel
- üretim
- haritalama
- Pazarlama
- yüksek lisans
- malzemeler
- mekanizma
- tıbbi
- adı geçen
- Metrikleri
- ML
- modelleri
- Daha
- çoğu
- hareket
- çoklu
- Doğal (Madenden)
- gerekli
- ihtiyaçlar
- sonraki
- Gürültü
- Teklifler
- ofset
- açık
- işletme
- operasyon
- optimize
- Opsiyonlar
- sipariş
- orijinal
- Diğer
- tüm
- kendi
- mülkiyet
- Bölüm
- Geçen
- Şifre
- hasta
- yüzde
- MÜKEMMEL OLAN YERİ BULUN
- performans
- Pharma
- oynama
- Lütfen
- politikaları
- politika
- anket
- pop-up
- mevcut
- önceki
- gizlilik
- sorunlar
- süreç
- Süreçler
- işleme
- İşlemci
- üretici
- Ürünler
- profesyoneller
- kanıt
- kavramın ispatı
- özellik
- protokolleri
- sağlamak
- sağlar
- vekil
- halka açık
- yayınlamak
- amaç
- amaçlı
- itti
- Hızlı
- hızla
- kaldırma
- değişen
- ulaşmak
- React
- tepki
- kayıt
- kayıtlar
- düzenleyici
- uygun
- kalan
- temsil
- isteklerinizi
- araştırma
- Kaynaklar
- yanıt
- Ortaya çıkan
- Sonuçlar
- perakende
- Rol
- kurallar
- koşmak
- aynı
- ölçeklenebilirlik
- ölçek
- tarifeli
- Bilim
- BİLİMLERİ
- Güvenli
- bölüm
- Serverless
- hizmet
- Hizmetler
- set
- ayar
- paylaş
- şov
- Basit
- beri
- yer
- durum
- küçük
- So
- Yazılım
- hizmet olarak yazılım
- katı
- çözüm
- Çözümler
- ÇÖZMEK
- biraz
- uzmanlaşmış
- özel
- özellikler
- yığın
- standart
- başlama
- başladı
- Eyalet
- ifadeleri
- Durum
- hafızası
- mağaza
- mağaza
- dere
- yapılandırılmış
- Ders çalışma
- önemli
- başarılı
- Başarılı olarak
- destek
- destekli
- Destek
- Destekler
- sistem
- Sistemler
- görevleri
- takım
- takım
- Teknik
- Teknoloji
- şablonları
- şartlar
- The
- Kaynak
- Dünya
- üç
- İçinden
- BAĞ
- zaman
- zaman tükeniyor
- araç
- karşı
- iz
- Takip
- transfer
- transferler
- Çeviri
- tetiklenir
- altında
- anlayış
- benzersiz
- sınırsız
- Güncelleme
- Güncellemeler
- us
- kullanım
- onaylama
- değer
- çeşitli
- Tonoz
- versiyon
- Video
- video oyunları
- web siteleri
- süre
- olmadan
- sözler
- İş
- işlenmiş
- çalışma
- çalışır
- Dünya
- yıl