Bài đăng này được đồng viết bởi Ramdev Wudali và Kiran Mantripragada từ Thomson Reuters.
Trong 1992, Thomson Reuters (TR) đã phát hành dịch vụ nghiên cứu pháp lý AI đầu tiên của mình, WIN (Westlaw Is Natural), một sự đổi mới vào thời điểm đó, vì hầu hết các công cụ tìm kiếm chỉ hỗ trợ các thuật ngữ và trình kết nối Boolean. Kể từ đó, TR đã đạt được nhiều cột mốc quan trọng hơn khi các sản phẩm và dịch vụ AI của họ liên tục phát triển về số lượng và đa dạng, hỗ trợ các chuyên gia dịch vụ pháp lý, thuế, kế toán, tuân thủ và tin tức trên toàn thế giới, với hàng tỷ thông tin chuyên sâu về máy học (ML) được tạo ra mỗi năm .
Với sự gia tăng mạnh mẽ của các dịch vụ AI, cột mốc tiếp theo của TR là hợp lý hóa sự đổi mới và tạo điều kiện hợp tác. Chuẩn hóa việc xây dựng và tái sử dụng các giải pháp AI trên các chức năng kinh doanh và cá tính của các học viên AI, đồng thời đảm bảo tuân thủ các phương pháp hay nhất của doanh nghiệp:
- Tự động hóa và tiêu chuẩn hóa nỗ lực kỹ thuật không phân biệt lặp đi lặp lại
- Đảm bảo cách ly và kiểm soát dữ liệu nhạy cảm cần thiết theo các tiêu chuẩn quản trị chung
- Cung cấp khả năng truy cập dễ dàng vào các tài nguyên máy tính có thể mở rộng
Để đáp ứng các yêu cầu này, TR đã xây dựng nền tảng Enterprise AI xung quanh năm trụ cột sau: dịch vụ dữ liệu, không gian làm việc thử nghiệm, đăng ký mô hình trung tâm, dịch vụ triển khai mô hình và giám sát mô hình.
Trong bài đăng này, chúng tôi thảo luận về cách TR và AWS hợp tác để phát triển Nền tảng AI dành cho doanh nghiệp đầu tiên của TR, một công cụ dựa trên web cung cấp các khả năng từ thử nghiệm ML, đào tạo, đăng ký mô hình trung tâm, triển khai mô hình và giám sát mô hình. Tất cả các khả năng này được xây dựng để giải quyết các tiêu chuẩn bảo mật ngày càng phát triển của TR và cung cấp các dịch vụ đơn giản, an toàn và tuân thủ cho người dùng cuối. Chúng tôi cũng chia sẻ cách TR hỗ trợ giám sát và quản trị cho các mô hình ML được tạo trên các đơn vị kinh doanh khác nhau bằng một ô kính duy nhất.
Những thách thức
Trước đây tại TR, ML là một khả năng dành cho các nhóm có kỹ sư và nhà khoa học dữ liệu tiên tiến. Các nhóm có tài nguyên kỹ năng cao có thể triển khai các quy trình ML phức tạp theo nhu cầu của họ, nhưng nhanh chóng trở nên rất hỗn loạn. Các phương pháp tiếp cận im lặng không cung cấp bất kỳ khả năng hiển thị nào để cung cấp quản trị cho các dự đoán ra quyết định cực kỳ quan trọng.
Nhóm kinh doanh TR có kiến thức rộng về miền; tuy nhiên, các kỹ năng kỹ thuật và nỗ lực kỹ thuật nặng nề cần có trong ML khiến việc sử dụng kiến thức chuyên môn sâu của họ để giải quyết các vấn đề kinh doanh bằng sức mạnh của ML trở nên khó khăn. TR muốn dân chủ hóa các kỹ năng, giúp nhiều người hơn trong tổ chức có thể tiếp cận được.
Các nhóm khác nhau trong TR tuân theo các phương pháp và phương pháp thực hành của riêng họ. TR muốn xây dựng các khả năng trải dài trong vòng đời ML cho người dùng của họ để đẩy nhanh việc phân phối các dự án ML bằng cách cho phép các nhóm tập trung vào các mục tiêu kinh doanh chứ không phải nỗ lực kỹ thuật không phân biệt lặp đi lặp lại.
Ngoài ra, các quy định về dữ liệu và đạo đức AI tiếp tục phát triển, bắt buộc phải có các tiêu chuẩn quản trị chung trên các giải pháp AI của TR.
Tổng quan về giải pháp
Nền tảng Enterprise AI của TR đã được hình dung để cung cấp các dịch vụ đơn giản và được tiêu chuẩn hóa cho các cá nhân khác nhau, cung cấp khả năng cho mọi giai đoạn của vòng đời ML. TR đã xác định năm danh mục chính mô đun hóa tất cả các yêu cầu của TR:
- Dịch vụ dữ liệu – Để cho phép truy cập dễ dàng và bảo mật vào tài sản dữ liệu của doanh nghiệp
- không gian làm việc thử nghiệm – Để cung cấp khả năng thử nghiệm và đào tạo các mô hình ML
- Đăng ký mô hình trung tâm – Danh mục doanh nghiệp cho các mô hình được xây dựng trên các đơn vị kinh doanh khác nhau
- Dịch vụ triển khai mô hình – Để cung cấp các tùy chọn triển khai suy luận khác nhau theo thông lệ CI/CD doanh nghiệp của TR
- Dịch vụ giám sát mô hình – Để cung cấp khả năng giám sát dữ liệu và mô hình sai lệch và trôi dạt
Như thể hiện trong sơ đồ sau, các dịch vụ siêu nhỏ này được xây dựng dựa trên một số nguyên tắc chính:
- Loại bỏ nỗ lực kỹ thuật không phân biệt từ người dùng
- Cung cấp các khả năng cần thiết chỉ bằng một nút bấm
- Bảo mật và quản lý tất cả các khả năng theo tiêu chuẩn doanh nghiệp của TR
- Mang theo một ô kính duy nhất cho các hoạt động ML
Các vi dịch vụ nền tảng AI của TR được xây dựng với Amazon SageMaker làm công cụ cốt lõi, các thành phần AWS serverless cho quy trình làm việc và dịch vụ AWS DevOps cho các hoạt động CI/CD. Studio SageMaker được sử dụng để thử nghiệm và đào tạo và sổ đăng ký mô hình SageMaker được sử dụng để đăng ký mô hình. Cơ quan đăng ký mô hình trung tâm bao gồm cả cơ quan đăng ký mô hình SageMaker và một Máy phát điện Amazon bảng. Dịch vụ lưu trữ của SageMaker được sử dụng để triển khai các mô hình, trong khi Màn hình mô hình SageMaker và SageMaker Làm rõ được sử dụng để giám sát các mô hình về độ lệch, độ lệch, máy tính số liệu tùy chỉnh và khả năng giải thích.
Các phần sau đây mô tả chi tiết các dịch vụ này.
Dịch vụ dữ liệu
Vòng đời dự án ML truyền thống bắt đầu bằng việc tìm kiếm dữ liệu. Nhìn chung, các nhà khoa học dữ liệu dành 60% hoặc nhiều thời gian hơn để tìm đúng dữ liệu khi họ cần. Cũng giống như mọi tổ chức, TR có nhiều kho lưu trữ dữ liệu đóng vai trò là một điểm trung thực duy nhất cho các miền dữ liệu khác nhau. TR đã xác định hai kho lưu trữ dữ liệu doanh nghiệp chính cung cấp dữ liệu cho hầu hết các trường hợp sử dụng ML của họ: kho lưu trữ đối tượng và kho lưu trữ dữ liệu quan hệ. TR đã xây dựng dịch vụ dữ liệu Nền tảng AI để cung cấp quyền truy cập liền mạch vào cả hai kho lưu trữ dữ liệu từ không gian làm việc thử nghiệm của người dùng và loại bỏ gánh nặng cho người dùng trong việc điều hướng các quy trình phức tạp để tự thu thập dữ liệu. Nền tảng AI của TR tuân theo tất cả các biện pháp tuân thủ và phương pháp hay nhất do nhóm Quản trị mô hình và dữ liệu xác định. Điều này bao gồm Đánh giá tác động dữ liệu bắt buộc giúp các học viên ML hiểu và tuân theo việc sử dụng dữ liệu phù hợp và có đạo đức, với các quy trình phê duyệt chính thức để đảm bảo quyền truy cập dữ liệu phù hợp. Cốt lõi của dịch vụ này, cũng như tất cả các dịch vụ nền tảng, là tính bảo mật và tuân thủ theo các phương pháp hay nhất được xác định bởi TR và ngành.
Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) lưu trữ đối tượng hoạt động như một kho dữ liệu nội dung. TR đã xây dựng các quy trình để truy cập dữ liệu một cách an toàn từ kho dữ liệu nội dung đến không gian làm việc thử nghiệm của người dùng trong khi vẫn duy trì khả năng kiểm tra và ủy quyền bắt buộc. Bông tuyết được sử dụng làm kho lưu trữ dữ liệu chính quan hệ doanh nghiệp. Theo yêu cầu của người dùng và dựa trên sự chấp thuận của chủ sở hữu dữ liệu, dịch vụ dữ liệu Nền tảng AI cung cấp ảnh chụp nhanh dữ liệu cho người dùng có sẵn trong không gian làm việc thử nghiệm của họ.
Truy cập dữ liệu từ nhiều nguồn khác nhau là một vấn đề kỹ thuật có thể dễ dàng giải quyết. Nhưng sự phức tạp mà TR đã giải quyết là xây dựng quy trình phê duyệt tự động xác định chủ sở hữu dữ liệu, gửi yêu cầu truy cập, đảm bảo chủ sở hữu dữ liệu được thông báo rằng họ có yêu cầu truy cập đang chờ xử lý và dựa trên trạng thái phê duyệt, thực hiện hành động để cung cấp dữ liệu cho người yêu cầu. Tất cả các sự kiện trong suốt quá trình này đều được theo dõi và ghi lại để kiểm tra và tuân thủ.
Như thể hiện trong sơ đồ sau, TR sử dụng Chức năng bước AWS để sắp xếp quy trình làm việc và AWS Lambda để chạy chức năng. Cổng API Amazon được sử dụng để hiển thị chức năng với điểm cuối API sẽ được sử dụng từ cổng web của họ.
Thử nghiệm và phát triển mô hình
Khả năng cần thiết để chuẩn hóa vòng đời ML là môi trường cho phép các nhà khoa học dữ liệu thử nghiệm các khung ML và kích thước dữ liệu khác nhau. Việc kích hoạt một môi trường an toàn, tuân thủ như vậy trong đám mây trong vòng vài phút sẽ giúp các nhà khoa học dữ liệu giảm gánh nặng xử lý cơ sở hạ tầng đám mây, yêu cầu mạng và các biện pháp tiêu chuẩn bảo mật, thay vào đó tập trung vào vấn đề khoa học dữ liệu.
TR xây dựng không gian làm việc thử nghiệm cung cấp quyền truy cập vào các dịch vụ như Keo AWS, Amazon EMRvà SageMaker Studio để kích hoạt khả năng xử lý dữ liệu và ML tuân thủ các tiêu chuẩn bảo mật đám mây dành cho doanh nghiệp và cách ly tài khoản bắt buộc đối với mọi đơn vị kinh doanh. TR đã gặp phải những thách thức sau khi triển khai giải pháp:
- Dàn nhạc ban đầu không hoàn toàn tự động và bao gồm một số bước thủ công. Theo dõi nơi xảy ra sự cố không dễ dàng. TR đã khắc phục lỗi này bằng cách sắp xếp các quy trình công việc bằng Step Functions. Với việc sử dụng Step Functions, việc xây dựng quy trình công việc phức tạp, quản lý trạng thái và xử lý lỗi trở nên dễ dàng hơn nhiều.
- đúng Quản lý truy cập và nhận dạng AWS (IAM) khó xác định vai trò cho không gian làm việc thử nghiệm. Để tuân thủ các tiêu chuẩn bảo mật nội bộ và mô hình đặc quyền tối thiểu của TR, ban đầu, vai trò không gian làm việc được xác định bằng các chính sách nội tuyến. Do đó, chính sách nội tuyến lớn dần theo thời gian và trở nên dài dòng, vượt quá giới hạn kích thước chính sách cho phép đối với vai trò IAM. Để giảm thiểu điều này, TR đã chuyển sang sử dụng nhiều chính sách do khách hàng quản lý hơn và tham chiếu chúng trong định nghĩa vai trò không gian làm việc.
- TR đôi khi đạt đến giới hạn tài nguyên mặc định được áp dụng ở cấp tài khoản AWS. Điều này đôi khi gây ra lỗi khởi chạy công việc SageMaker (ví dụ: công việc đào tạo) do đã đạt đến giới hạn loại tài nguyên mong muốn. TR đã hợp tác chặt chẽ với nhóm dịch vụ SageMaker về vấn đề này. Sự cố này đã được giải quyết sau khi nhóm AWS ra mắt SageMaker như một dịch vụ được hỗ trợ trong hạn ngạch dịch vụ vào tháng 6 2022.
Ngày nay, các nhà khoa học dữ liệu tại TR có thể khởi chạy một dự án ML bằng cách tạo một không gian làm việc độc lập và thêm các thành viên nhóm cần thiết để cộng tác. Quy mô không giới hạn do SageMaker cung cấp nằm trong tầm tay của họ bằng cách cung cấp cho họ hình ảnh hạt nhân tùy chỉnh với các kích cỡ khác nhau. SageMaker Studio nhanh chóng trở thành một thành phần quan trọng trong Nền tảng AI của TR và đã thay đổi hành vi của người dùng từ việc sử dụng các ứng dụng máy tính để bàn bị hạn chế sang các công cụ được xây dựng có mục đích phù hợp và có thể mở rộng. Sơ đồ sau minh họa kiến trúc này.
Đăng ký mô hình trung tâm
Cơ quan đăng ký mô hình cung cấp một kho lưu trữ trung tâm cho tất cả các mô hình máy học của TR, cho phép quản lý rủi ro và tình trạng của những mô hình đó theo cách được tiêu chuẩn hóa trong các chức năng kinh doanh và hợp lý hóa việc sử dụng lại các mô hình tiềm năng. Do đó, dịch vụ cần thiết để làm như sau:
- Cung cấp khả năng đăng ký cả mô hình mới và cũ, cho dù được phát triển bên trong hay bên ngoài SageMaker
- Triển khai quy trình quản trị, cho phép các nhà khoa học dữ liệu, nhà phát triển và các bên liên quan xem và quản lý chung vòng đời của các mô hình
- Tăng tính minh bạch và cộng tác bằng cách tạo chế độ xem tập trung cho tất cả các mô hình trên TR cùng với siêu dữ liệu và chỉ số sức khỏe
TR bắt đầu thiết kế chỉ với sổ đăng ký mô hình SageMaker, nhưng một trong những yêu cầu chính của TR là cung cấp khả năng đăng ký các mô hình được tạo bên ngoài SageMaker. TR đã đánh giá các cơ sở dữ liệu quan hệ khác nhau nhưng cuối cùng lại chọn DynamoDB vì lược đồ siêu dữ liệu cho các mô hình đến từ các nguồn cũ sẽ rất khác nhau. TR cũng không muốn áp đặt bất kỳ công việc bổ sung nào đối với người dùng, vì vậy họ đã triển khai đồng bộ hóa tự động liền mạch giữa các cơ quan đăng ký SageMaker không gian làm việc của Nền tảng AI với cơ quan đăng ký SageMaker trung tâm bằng cách sử dụng Sự kiện Amazon các quy tắc và vai trò IAM bắt buộc. TR đã cải tiến sổ đăng ký trung tâm bằng DynamoDB để mở rộng khả năng đăng ký các mô hình cũ được tạo trên máy tính để bàn của người dùng.
Sổ đăng ký mô hình trung tâm Nền tảng AI của TR được tích hợp vào cổng Nền tảng AI và cung cấp giao diện trực quan để tìm kiếm mô hình, cập nhật siêu dữ liệu mô hình và hiểu các chỉ số cơ bản của mô hình cũng như chỉ số giám sát tùy chỉnh định kỳ. Sơ đồ sau minh họa kiến trúc này.
Triển khai mô hình
TR đã xác định hai mẫu chính để tự động hóa việc triển khai:
- Các mô hình được phát triển bằng cách sử dụng SageMaker thông qua các công việc chuyển đổi hàng loạt SageMaker để nhận các kết luận theo lịch trình ưu tiên
- Các mô hình được phát triển bên ngoài SageMaker trên máy tính để bàn cục bộ bằng cách sử dụng các thư viện nguồn mở, thông qua cách tiếp cận vùng chứa của riêng bạn bằng cách sử dụng các công việc xử lý SageMaker để chạy mã suy luận tùy chỉnh, như một cách hiệu quả để di chuyển các mô hình đó mà không cần cấu trúc lại mã
Với dịch vụ triển khai Nền tảng AI, người dùng TR (nhà khoa học dữ liệu và kỹ sư ML) có thể xác định một mô hình từ danh mục và triển khai một công việc suy luận vào tài khoản AWS đã chọn của họ bằng cách cung cấp các tham số cần thiết thông qua quy trình làm việc dựa trên giao diện người dùng.
TR đã tự động hóa quá trình triển khai này bằng cách sử dụng các dịch vụ AWS DevOps như Đường ống dẫn mã AWS và Xây dựng mã AWS. TR sử dụng Step Functions để sắp xếp quy trình đọc và tiền xử lý dữ liệu để tạo các công việc suy luận SageMaker. TR triển khai các thành phần cần thiết dưới dạng mã bằng cách sử dụng Hình thành đám mây AWS khuôn mẫu. Sơ đồ sau minh họa kiến trúc này.
Giám sát mô hình
Vòng đời ML sẽ không hoàn thành nếu không thể giám sát các mô hình. Nhóm quản trị doanh nghiệp của TR cũng yêu cầu và khuyến khích các nhóm kinh doanh theo dõi hiệu suất mô hình của họ theo thời gian để giải quyết mọi thách thức về quy định. TR bắt đầu với việc giám sát các mô hình và dữ liệu về độ trôi. TR đã sử dụng Trình giám sát mô hình SageMaker để cung cấp cơ sở dữ liệu và sự thật cơ bản về suy luận nhằm theo dõi định kỳ dữ liệu và suy luận của TR đang trôi dạt như thế nào. Cùng với các chỉ số giám sát mô hình SageMaker, TR đã tăng cường khả năng giám sát bằng cách phát triển các chỉ số tùy chỉnh cụ thể cho các mô hình của họ. Điều này sẽ giúp các nhà khoa học dữ liệu của TR hiểu khi nào nên đào tạo lại mô hình của họ.
Cùng với việc theo dõi độ lệch, TR cũng muốn hiểu sự thiên vị trong các mô hình. Các khả năng vượt trội của SageMaker Clarify được sử dụng để xây dựng dịch vụ thiên vị của TR. TR giám sát cả dữ liệu và xu hướng mô hình, đồng thời cung cấp các số liệu đó cho người dùng của họ thông qua cổng Nền tảng AI.
Để giúp tất cả các nhóm áp dụng các tiêu chuẩn doanh nghiệp này, TR đã cung cấp các dịch vụ này độc lập và sẵn có thông qua cổng Nền tảng AI. Các nhóm kinh doanh của TR có thể truy cập vào cổng và triển khai công việc giám sát mô hình hoặc công việc giám sát thiên vị của riêng họ và chạy chúng theo lịch trình ưa thích của họ. Họ được thông báo về trạng thái của công việc và số liệu cho mỗi lần chạy.
TR đã sử dụng các dịch vụ AWS để triển khai CI/CD, điều phối quy trình công việc, khung serverless và điểm cuối API để xây dựng các vi dịch vụ có thể được kích hoạt độc lập, như thể hiện trong kiến trúc sau.
Kết quả và những cải tiến trong tương lai
Nền tảng AI của TR đã ra mắt vào quý 3 năm 2022 với tất cả năm thành phần chính: dịch vụ dữ liệu, không gian làm việc thử nghiệm, đăng ký mô hình trung tâm, triển khai mô hình và giám sát mô hình. TR đã tiến hành các buổi đào tạo nội bộ cho các đơn vị kinh doanh của mình để sử dụng nền tảng này và cung cấp cho họ các video đào tạo tự hướng dẫn.
Nền tảng AI đã cung cấp các khả năng chưa từng tồn tại trước đây cho các nhóm của TR; nó đã mở ra nhiều khả năng cho nhóm quản trị doanh nghiệp của TR để nâng cao các tiêu chuẩn tuân thủ và tập trung hóa cơ quan đăng ký, cung cấp một khung xem kính duy nhất trên tất cả các mô hình ML trong TR.
TR thừa nhận rằng không có sản phẩm nào tốt nhất khi phát hành lần đầu. Tất cả các thành phần của TR đều ở các mức độ trưởng thành khác nhau và nhóm Nền tảng AI dành cho doanh nghiệp của TR đang trong giai đoạn cải tiến liên tục để cải tiến lặp đi lặp lại các tính năng của sản phẩm. Quy trình phát triển hiện tại của TR bao gồm thêm các tùy chọn suy luận SageMaker bổ sung như điểm cuối thời gian thực, không đồng bộ và đa mô hình. TR cũng đang có kế hoạch bổ sung khả năng giải thích mô hình như một tính năng cho dịch vụ giám sát mô hình của mình. TR có kế hoạch sử dụng khả năng giải thích của SageMaker Clarify để phát triển dịch vụ giải thích nội bộ của mình.
Kết luận
TR hiện có thể xử lý lượng dữ liệu khổng lồ một cách an toàn và sử dụng các khả năng nâng cao của AWS để đưa một dự án ML từ ý tưởng đến sản xuất trong khoảng thời gian vài tuần, so với trước đây mất vài tháng. Với khả năng vượt trội của các dịch vụ AWS, lần đầu tiên các nhóm trong TR có thể đăng ký và giám sát các mô hình ML, đạt được sự tuân thủ các tiêu chuẩn quản trị mô hình đang phát triển của họ. TR trao quyền cho các nhà khoa học dữ liệu và nhóm sản phẩm giải phóng khả năng sáng tạo của họ một cách hiệu quả để giải quyết hầu hết các vấn đề phức tạp.
Để biết thêm về Nền tảng AI doanh nghiệp của TR trên AWS, hãy xem Phiên họp AWS re: Invent 2022. Nếu bạn muốn tìm hiểu cách TR tăng tốc việc sử dụng máy học bằng cách sử dụng Phòng thí nghiệm dữ liệu AWS chương trình, hãy tham khảo trường hợp nghiên cứu.
Về các tác giả
Ramdev Wudali là Kiến trúc sư dữ liệu, giúp kiến trúc sư và xây dựng Nền tảng AI/ML để cho phép các nhà khoa học và nhà nghiên cứu dữ liệu phát triển các giải pháp máy học bằng cách tập trung vào khoa học dữ liệu chứ không phải nhu cầu cơ sở hạ tầng. Trong thời gian rảnh rỗi, anh ấy thích gấp giấy để tạo ra những mảnh giấy origami và mặc những chiếc áo phông không chỉnh tề.
Kiran Mantriragada là Giám đốc cấp cao về Nền tảng AI tại Thomson Reuters. Nhóm Nền tảng AI chịu trách nhiệm kích hoạt các ứng dụng phần mềm AI cấp sản xuất và hỗ trợ công việc của các nhà khoa học dữ liệu và nhà nghiên cứu máy học. Với niềm đam mê khoa học, AI và kỹ thuật, Kiran thích thu hẹp khoảng cách giữa nghiên cứu và sản xuất để mang lại sự đổi mới thực sự của AI cho người tiêu dùng cuối cùng.
Bhavana Chirumamilla là Kiến trúc sư thường trú cấp cao tại AWS. Cô ấy đam mê dữ liệu và hoạt động ML, đồng thời mang nhiều tâm huyết giúp các doanh nghiệp xây dựng chiến lược dữ liệu và ML. Khi rảnh rỗi, cô thích cùng gia đình đi du lịch, đi bộ đường dài, làm vườn và xem phim tài liệu.
Srinivasa Shaik là Kiến trúc sư giải pháp tại AWS có trụ sở tại Boston. Anh ấy giúp các khách hàng doanh nghiệp tăng tốc hành trình của họ lên đám mây. Anh ấy đam mê công nghệ container và máy học. Khi rảnh rỗi, anh ấy thích dành thời gian cho gia đình, nấu ăn và đi du lịch.
Thanh Vĩ là Chuyên gia Máy học tại Amazon Web Services. Ông nhận bằng Tiến sĩ về Nghiên cứu Hoạt động sau khi phá vỡ tài khoản tài trợ nghiên cứu của cố vấn và không thực hiện được giải Nobel mà ông đã hứa. Hiện tại, anh giúp khách hàng trong ngành dịch vụ tài chính và bảo hiểm xây dựng các giải pháp máy học trên AWS. Khi rảnh rỗi, anh ấy thích đọc sách và dạy học.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến thức. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/how-thomson-reuters-built-an-ai-platform-using-amazon-sagemaker-to-accelerate-delivery-of-ml-projects/
- 100
- 2022
- 7
- a
- Có khả năng
- Giới thiệu
- đẩy nhanh tiến độ
- tăng tốc
- truy cập
- có thể truy cập
- Theo
- Tài khoản
- Kế toán
- đạt được
- đạt được
- có được
- ngang qua
- Hoạt động
- hành vi
- thêm vào
- địa chỉ
- nhận nuôi
- tiên tiến
- Sau
- AI
- Nền tảng AI
- Dịch vụ AI
- AI / ML
- Tất cả
- cho phép
- bên cạnh
- đàn bà gan dạ
- Amazon SageMaker
- Amazon Web Services
- số lượng
- và
- api
- các ứng dụng
- áp dụng
- phương pháp tiếp cận
- cách tiếp cận
- phê duyệt
- kiến trúc
- xung quanh
- ủy quyền
- tự động hóa
- Tự động
- Tự động
- có sẵn
- AWS
- dựa
- Baseline
- bởi vì
- trước
- được
- BEST
- thực hành tốt nhất
- giữa
- thiên vị
- tỷ
- boston
- CẦU
- mang lại
- Mang lại
- Broke
- xây dựng
- Xây dựng
- xây dựng
- xây dựng
- gánh nặng
- kinh doanh
- chức năng kinh doanh
- khả năng
- trường hợp
- Danh mục hàng
- đố
- gây ra
- trung tâm
- tập trung
- thách thức
- kiểm tra
- lựa chọn
- lựa chọn
- chặt chẽ
- đám mây
- cơ sở hạ tầng đám mây
- Bảo mật đám mây
- mã
- hợp tác
- hợp tác
- hợp tác
- chung
- đến
- Chung
- so
- hoàn thành
- phức tạp
- phức tạp
- tuân thủ
- compliant
- thành phần
- các thành phần
- Bao gồm
- máy tính
- tiêu thụ
- Người tiêu dùng
- Container
- Container
- nội dung
- tiếp tục
- liên tục
- điều khiển
- Trung tâm
- tạo
- tạo ra
- Tạo
- sáng tạo
- quan trọng
- quan trọng
- Current
- Hiện nay
- khách hàng
- khách hàng
- dữ liệu
- Hồ dữ liệu
- xử lý dữ liệu
- khoa học dữ liệu
- cơ sở dữ liệu
- Ra quyết định
- sâu
- chuyên môn sâu
- Mặc định
- cung cấp
- giao hàng
- dân chủ hóa
- triển khai
- triển khai
- triển khai
- mô tả
- Thiết kế
- máy tính để bàn
- chi tiết
- xác định
- phát triển
- phát triển
- phát triển
- phát triển
- Phát triển
- khác nhau
- khó khăn
- Giám đốc
- thảo luận
- phim tài liệu
- miền
- lĩnh vực
- xuống
- Đầu
- dễ dàng hơn
- dễ dàng
- hiệu quả
- hiệu quả
- nỗ lực
- trao quyền
- cho phép
- kích hoạt
- cho phép
- cho phép
- khuyến khích
- Điểm cuối
- Động cơ
- Kỹ Sư
- Kỹ sư
- Động cơ
- nâng cao
- đảm bảo
- đảm bảo
- Doanh nghiệp
- doanh nghiệp
- sự nhiệt tình
- Môi trường
- lôi
- thiết yếu
- đạo đức
- đánh giá
- sự kiện
- BAO GIỜ
- phát triển
- phát triển
- ví dụ
- thử nghiệm
- chuyên môn
- thêm
- cực kỳ
- tạo điều kiện
- thất bại
- gia đình
- Đặc tính
- Tính năng
- vài
- cuối cùng
- tài chính
- dịch vụ tài chính
- Tìm kiếm
- tìm kiếm
- Tên
- lần đầu tiên
- Tập trung
- tập trung
- theo
- tiếp theo
- sau
- chính thức
- khung
- từ
- Hoàn thành
- đầy đủ
- chức năng
- chức năng
- tương lai
- khoảng cách
- Tổng Quát
- tạo ra
- được
- ly
- Go
- Các mục tiêu
- quản trị
- cấp
- Mặt đất
- Phát triển
- Xử lý
- Cứng
- cho sức khoẻ
- giúp đỡ
- giúp đỡ
- giúp
- cao
- lưu trữ
- Độ đáng tin của
- Tuy nhiên
- HTML
- HTTPS
- xác định
- xác định
- xác định
- Bản sắc
- hình ảnh
- Va chạm
- thực hiện
- thực hiện
- thực hiện
- áp đặt
- nâng cao
- in
- bao gồm
- Tăng lên
- độc lập
- độc lập
- ngành công nghiệp
- Cơ sở hạ tầng
- ban đầu
- sự đổi mới
- những hiểu biết
- thay vì
- bảo hiểm
- tích hợp
- Giao thức
- nội bộ
- tham gia
- cô lập
- vấn đề
- IT
- Việc làm
- việc làm
- cuộc hành trình
- Key
- Biết
- kiến thức
- hồ
- phóng
- phát động
- ra mắt
- LEARN
- học tập
- Legacy
- Hợp pháp
- Cấp
- niveaux
- thư viện
- LIMIT
- giới hạn
- sống
- địa phương
- máy
- học máy
- thực hiện
- chính
- LÀM CHO
- Làm
- quản lý
- quản lý
- quản lý
- nhiệm vụ
- cách thức
- nhãn hiệu
- nhiều
- trưởng thành
- các biện pháp
- Các thành viên
- Siêu dữ liệu
- phương pháp
- số liệu
- Metrics
- microservices
- di chuyển
- sự kiện quan trọng
- Các cột mốc
- tâm
- Phút
- Giảm nhẹ
- ML
- kiểu mẫu
- mô hình
- Màn Hình
- giám sát
- màn hình
- tháng
- chi tiết
- hầu hết
- nhiều
- Tự nhiên
- Điều hướng
- Cần
- nhu cầu
- mạng lưới
- Mới
- tin tức
- tiếp theo
- giải thưởng Nobel
- con số
- vật
- thỉnh thoảng
- cung cấp
- cung cấp
- Cung cấp
- onboard
- ONE
- mã nguồn mở
- mở
- Hoạt động
- Các lựa chọn
- dàn nhạc
- cơ quan
- ban đầu
- bên ngoài
- riêng
- chủ sở hữu
- cửa sổ
- Giấy
- thông số
- niềm đam mê
- đam mê
- mô hình
- người
- hiệu suất
- định kỳ
- giai đoạn
- đường ống dẫn
- lập kế hoạch
- kế hoạch
- nền tảng
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- Điểm
- Chính sách
- điều luật
- Portal
- khả năng
- Bài đăng
- tiềm năng
- quyền lực
- thực hành
- Dự đoán
- ưa thích
- chính
- nguyên tắc
- giải thưởng
- Vấn đề
- vấn đề
- quá trình
- Quy trình
- xử lý
- Sản phẩm
- Sản lượng
- Sản phẩm
- chuyên gia
- chương trình
- dự án
- dự án
- hứa
- cho
- cung cấp
- cung cấp
- cung cấp
- Q3
- q3 2022
- Mau
- phạm vi
- khác nhau,
- RE
- đạt
- Reading
- thực
- thời gian thực
- nhận
- ghi danh
- đăng ký
- quy định
- nhà quản lý
- phát hành
- phát hành
- tẩy
- kho
- yêu cầu
- cần phải
- Yêu cầu
- nghiên cứu
- nhà nghiên cứu
- tài nguyên
- Thông tin
- chịu trách nhiệm
- Reuters
- Nguy cơ
- Vai trò
- vai trò
- quy tắc
- chạy
- nhà làm hiền triết
- Suy luận của SageMaker
- khả năng mở rộng
- Quy mô
- lịch trình
- Khoa học
- các nhà khoa học
- liền mạch
- liền mạch
- Tìm kiếm
- Công cụ tìm kiếm
- phần
- an toàn
- Bảo mật
- an toàn
- an ninh
- gửi
- cao cấp
- nhạy cảm
- phục vụ
- Không có máy chủ
- dịch vụ
- DỊCH VỤ
- phiên
- một số
- Chia sẻ
- thể hiện
- Đơn giản
- kể từ khi
- duy nhất
- Kích thước máy
- kích thước
- lành nghề
- kỹ năng
- Ảnh chụp
- So
- Phần mềm
- giải pháp
- Giải pháp
- động SOLVE
- nguồn
- chuyên gia
- riêng
- tiêu
- Chi
- Traineeship
- các bên liên quan
- tiêu chuẩn hóa
- tiêu chuẩn
- bắt đầu
- bắt đầu
- Bang
- Trạng thái
- Bước
- Các bước
- là gắn
- hàng
- cửa hàng
- chiến lược
- hợp lý hóa
- phòng thu
- như vậy
- Hỗ trợ
- Hỗ trợ
- chuyển
- đồng bộ hóa
- bàn
- Hãy
- thuế
- Giảng dạy
- nhóm
- đội
- Kỹ thuật
- kĩ năng công nghệ
- Công nghệ
- mẫu
- về
- Sản phẩm
- cung cấp their dịch
- vì thế
- Thomson Reuters
- Thông qua
- khắp
- thời gian
- đến
- công cụ
- Theo dõi
- truyền thống
- Train
- Hội thảo
- Chuyển đổi
- Minh bạch
- Đi du lịch
- kinh hai
- được kích hoạt
- hiểu
- đơn vị
- các đơn vị
- giải phóng
- vô hạn
- Cập nhật
- sử dụng
- người sử dang
- Người sử dụng
- nhiều
- khác nhau
- Lớn
- thông qua
- Video
- Xem
- khả năng hiển thị
- xem
- web
- các dịch vụ web
- Dựa trên web
- tuần
- liệu
- trong khi
- rộng
- Phạm vi rộng
- sẽ
- giành chiến thắng
- ở trong
- không có
- Công việc
- làm việc
- Luồng công việc
- khắp thế giới
- sẽ
- năm
- trên màn hình
- zephyrnet