Anwendungsfälle und Beispiele mit Amazon A2I - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Anwendungsfälle und Beispiele mit Amazon A2I

Sie können Amazon Augmented AI verwenden, um eine Prüfung durch Menschen in Ihren Workflow fürIntegrierte Aufgabentypen, Amazon Textract und Amazon Rekognition oder Ihre eigenen benutzerdefinierten Aufgaben mit einemBenutzerdefinierte Aufgabentypaus.

Wenn Sie einen Workflow für die Prüfung durch Menschen mit einem der integrierten Aufgabentypen erstellen, können Sie Bedingungen wie Konfidenzschwellenwerte angeben, die eine Prüfung durch Menschen einleiten. Der Service (Amazon Rekognition oder Amazon Textract) erstellt in Ihrem Namen eine Schleife für Menschen, wenn diese Bedingungen erfüllt sind, und übermittelt Ihre Eingabedaten direkt an Amazon A2I, um sie an menschliche Prüfer zu senden. Um mehr über die integrierten Aufgabentypen zu erfahren, verwenden Sie Folgendes:

Wenn Sie einen benutzerdefinierten Aufgabentyp verwenden, erstellen und starten Sie eine menschliche Schleife mit der Amazon A2I Runtime API. Integrieren Sie mit dem benutzerdefinierten Aufgabentyp einen Workflow für die menschliche Überprüfung in andereAWSDienste oder Ihre eigene benutzerdefinierte ML-Anwendung.

Die folgende Tabelle beschreibt eine Vielzahl von Amazon A2I-Anwendungsfällen, die Sie mit SageMaker Jupyter Notebooks untersuchen können. Um mit einem Jupyter Notebook zu beginnen, befolgen Sie die Anweisungen unterVerwenden Sie SageMaker Notebook-Instanz mit Amazon A2I Jupyter Notebookaus. Weitere Beispiele finden Sie in diesem GitHub-Repository.

Anwendungsfall Beschreibung Aufgabentyp

Verwenden Sie Amazon A2I mit Amazon Textract

Lassen Sie Menschen einseitige Dokumente überprüfen, um wichtige Schlüssel-Wert-Paare zu überprüfen, oder lassen Sie Amazon Textract Dokumente aus Ihrem Datensatz zufällig ausprobieren und zur Überprüfung an Menschen senden.

Integrierte
Verwenden Sie Amazon A2I mit Amazon Rekognition

Lassen Sie Menschen unsichere Bilder auf explizite Inhalte für Erwachsene oder gewalttätige Inhalte überprüfen, wenn Amazon Rekognition einen niedrigen Konfidenzwert zurückgibt, oder lassen Sie Amazon Rekognition Bilder aus Ihrem Datensatz zufällig ausprobieren und zur Überprüfung an Menschen senden.

Integrierte

Verwenden Sie Amazon A2I mit Amazon Comprehend

Lassen Sie Menschen Amazon Comprehend Schlussfolgerungen zu Textdaten wie Stimmungsanalyse, Textsyntax und Entitätserkennung überprüfen.

Benutzerdefiniert

Verwenden Sie Amazon A2I mit Amazon Transcribe

Lassen Sie Menschen Amazon Transcribe-Transkriptionen von Video- oder Audiodateien überprüfen. Verwenden Sie die Ergebnisse der Transkriptionsschleifen für menschliche Überprüfung, um ein benutzerdefiniertes Vokabular zu erstellen und zukünftige Transkriptionen ähnlicher Video- oder Audioinhalte zu verbessern.

Benutzerdefiniert
Verwenden Sie Amazon A2I mit Amazon Translate

Lassen Sie Menschen vertrauensarme Übersetzungen von Amazon Translate überprüfen.

Benutzerdefiniert

Verwenden Sie Amazon A2I, um Echtzeit-ML-Schlussfolgerungen zu überprüfen

Verwenden Sie Amazon A2I, um in Echtzeit vertrauensarme Schlussfolgerungen eines Modells zu überprüfen, das auf einem von SageMaker gehosteten Endpunkt bereitgestellt wird, und Ihr Modell schrittweise mithilfe von Amazon A2I-Ausgabedaten zu trainieren.

Benutzerdefiniert

Überprüfen von Tabellendaten mithilfe von Amazon A2I

Verwenden Sie Amazon A2I, um eine menschliche Überprüfungsschleife in eine ML-Anwendung zu integrieren, die Tabellendaten verwendet.

Benutzerdefiniert

Verwenden Sie SageMaker Notebook-Instanz mit Amazon A2I Jupyter Notebook

Für ein End-to-End-Beispiel, das veranschaulicht, wie eine Schleife für die Prüfung durch Menschen durch Amazon A2I in einen Workflow für maschinelles Lernen integriert wird, können Sie daraus ein Jupyter-Notebook verwendenGitHub Repositoryin einer SageMaker-Notebook-Instance.

So verwenden Sie ein -Beispielnotebook für Amazon A2I (benutzerdefinierte Aufgabentypen) in einer Amazon SageMaker SageMaker-Notebook-Instance:

  1. Wenn Sie noch keine aktive SageMaker-Notebook-Instance haben, erstellen Sie eine nach den Anweisungen unterSchritt 1: Erstellen Sie einen Amazon SageMaker -Notebook-Instanceaus.

  2. Wenn Ihre Notebook-Instanz aktiv ist, wählen SieÖffnen Sie JupyterLabrechts neben dem Namen der Notebook-Instanz. Es kann einige Augenblicke dauern, bis JupyterLab geladen wird.

  3. Wählen Sie das Symbol aus, um ein GitHub-Repository in Ihrem Workspace zu klonen.

  4. Geben Sie die Repository-HTTPS-URL amazon-a2i-sample-jupyter-notebooks ein.

  5. Wählen Sie CLONE.

  6. Öffnen Sie das Notebook, das Sie ausführen möchten.

  7. Folgen Sie den Anweisungen im Notebook, um den Workflow für die menschliche Überprüfung und die menschliche Schleife zu konfigurieren und die Zellen auszuführen.

  8. Beenden und löschen Sie nach der Demo Ihre Notebook-Instance sowie sämtliche Amazon S3 S3-Buckets, IAM-Rollen und CloudWatch Events -Ressourcen, um unnötige Kosten zu vermeiden.