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.
Machine Learning (ML) und künstliche Intelligenz (KI)
Amazon Augmented AI
Amazon Augmented AI (Amazon A2I) ist ein ML-Service, der es einfach macht, die für die Überprüfung durch Menschen erforderlichen Workflows zu erstellen. Amazon A2I ermöglicht allen Entwicklern die Überprüfung durch Menschen und macht so die undifferenzierte Arbeit überflüssig, die mit dem Aufbau von menschlichen Bewertungssystemen oder der Verwaltung einer großen Anzahl von menschlichen Prüfern verbunden ist, unabhängig davon, ob sie darauf AWS laufen oder nicht.
Amazon Bedrock
Amazon Bedrock ist ein vollständig verwalteter Service, der grundlegende Modelle (FMs) von Amazon und führenden KI-Startups über eine API verfügbar macht. Mit dem serverlosen Erlebnis von Amazon Bedrock können Sie schnell loslegen, mit FMs experimentieren, sie privat mit Ihren eigenen Daten anpassen und FMs nahtlos in Ihre Anwendungen integrieren und bereitstellen. AWS
Sie können aus einer Vielzahl von Foundation-Modellen wählen, darunter Amazon Titan, Claude 2 von Anthropic, Command and Embed von Cohere, Jurassic-2 von AI21 Studio und Stable Diffusion von Stability AI.
Amazon CodeGuru
Amazon CodeGuru ist ein Entwicklertool, das intelligente Empfehlungen zur Verbesserung der Codequalität und zur Identifizierung der teuersten Codezeilen einer Anwendung bietet. Integrieren Sie es CodeGuru in Ihren bestehenden Softwareentwicklungs-Workflow, um Codeprüfungen während der Anwendungsentwicklung zu automatisieren und die Leistung der Anwendung in der Produktion kontinuierlich zu überwachen und Empfehlungen und visuelle Hinweise zur Verbesserung der Codequalität und Anwendungsleistung sowie zur Senkung der Gesamtkosten bereitzustellen.
Amazon CodeGuru Reviewer verwendet maschinelles Lernen und automatisiertes Denken, um kritische Probleme, Sicherheitslücken und hard-to-find Bugs während der Anwendungsentwicklung zu identifizieren und gibt Empfehlungen zur Verbesserung der Codequalität.
Amazon CodeGuru Profiler hilft Entwicklern dabei, die teuersten Codezeilen einer Anwendung zu finden, indem es ihnen hilft, das Laufzeitverhalten ihrer Anwendungen zu verstehen, Codeineffizienzen zu identifizieren und zu beseitigen, die Leistung zu verbessern und die Rechenkosten erheblich zu senken.
Amazon Comprehend
Amazon Comprehend verwendet ML und Natural Language Processing (NLP), um Ihnen zu helfen, die Erkenntnisse und Zusammenhänge in Ihren unstrukturierten Daten aufzudecken. Der Service identifiziert die Sprache des Textes, extrahiert wichtige Phrasen, Orte, Personen, Marken oder Ereignisse, versteht, wie positiv oder negativ der Text ist, analysiert Text mithilfe von Tokenisierung und Wortarten und organisiert automatisch eine Sammlung von Textdateien nach Themen. Sie können auch die AutoML-Funktionen in Amazon Comprehend verwenden, um einen benutzerdefinierten Satz von Entitäten oder Textklassifizierungsmodellen zu erstellen, die speziell auf die Bedürfnisse Ihres Unternehmens zugeschnitten sind.
Um komplexe medizinische Informationen aus unstrukturiertem Text zu extrahieren, können Sie Amazon Comprehend Medical verwenden. Der Service kann medizinische Informationen wie Erkrankungen, Medikamente, Dosierungen, Stärken und Häufigkeiten aus einer Vielzahl von Quellen wie Arztnotizen, Berichten über klinische Studien und Patientenakten identifizieren. Amazon Comprehend Medical identifiziert auch die Beziehung zwischen den extrahierten Medikamenten und den Test-, Behandlungs- und Verfahrensinformationen, um die Analyse zu vereinfachen. Beispielsweise identifiziert der Service anhand unstrukturierter klinischer Aufzeichnungen eine bestimmte Dosierung, Stärke und Häufigkeit im Zusammenhang mit einem bestimmten Medikament.
DevOpsAmazon-Guru
Amazon DevOps Guru ist ein ML-gestützter Service, der es einfach macht, die Betriebsleistung und Verfügbarkeit einer Anwendung zu verbessern. Amazon DevOps Guru erkennt Verhaltensweisen, die von normalen Betriebsmustern abweichen, sodass Sie Betriebsprobleme erkennen können, lange bevor sie sich auf Ihre Kunden auswirken.
Amazon DevOps Guru verwendet ML-Modelle, die auf jahrelanger Erfahrung von Amazon.com und AWS operativer Exzellenz basieren, um ungewöhnliches Anwendungsverhalten (wie erhöhte Latenz, Fehlerraten, Ressourcenbeschränkungen usw.) zu identifizieren und kritische Probleme aufzudecken, die zu potenziellen Ausfällen oder Serviceunterbrechungen führen könnten. Wenn Amazon DevOps Guru ein kritisches Problem identifiziert, sendet es automatisch eine Warnung und bietet eine Zusammenfassung der damit verbundenen Anomalien, der wahrscheinlichen Ursache und des Kontextes darüber, wann und wo das Problem aufgetreten ist. Wenn möglich, gibt Amazon DevOps Guru auch Empfehlungen zur Behebung des Problems.
Amazon DevOps Guru nimmt automatisch Betriebsdaten aus Ihren AWS Anwendungen auf und bietet ein einziges Dashboard, um Probleme in Ihren Betriebsdaten zu visualisieren. Sie können damit beginnen, Amazon DevOps Guru für alle Ressourcen in Ihrem AWS Konto, Ressourcen in Ihren AWS CloudFormation Stacks oder Ressourcen, die nach AWS Tags gruppiert sind, zu aktivieren, ohne dass eine manuelle Einrichtung oder ML-Kenntnisse erforderlich sind.
Amazon Forecast
Amazon Forecast ist ein vollständig verwalteter Service, der ML verwendet, um hochgenaue Prognosen zu liefern.
Unternehmen verwenden heute alles, von einfachen Tabellenkalkulationen bis hin zu komplexer Finanzplanungssoftware, um future Geschäftsergebnisse wie Produktnachfrage, Ressourcenbedarf oder finanzielle Leistung genau vorherzusagen. Diese Tools erstellen Prognosen, indem sie sich eine historische Datenreihe ansehen, die als Zeitreihendaten bezeichnet wird. Solche Tools können beispielsweise versuchen, die zukünftigen Verkäufe eines Regenmantels vorherzusagen, indem sie nur die vorherigen Verkaufsdaten betrachten, wobei davon ausgegangen wird, dass die future von der Vergangenheit bestimmt wird. Bei diesem Ansatz kann es schwierig sein, genaue Prognosen für große Datenmengen mit unregelmäßigen Trends zu erstellen. Außerdem ist es nicht einfach, Datenreihen, die sich im Laufe der Zeit ändern (wie Preis, Rabatte, Web-Traffic und Anzahl der Mitarbeiter), mit relevanten unabhängigen Variablen wie Produktmerkmalen und Ladenstandorten zu kombinieren.
Amazon Forecast basiert auf derselben Technologie, die auch bei Amazon.com verwendet wird, und verwendet ML, um Zeitreihendaten mit zusätzlichen Variablen zu kombinieren, um Prognosen zu erstellen. Amazon Forecast erfordert keine ML-Erfahrung, um loszulegen. Sie müssen nur historische Daten sowie alle zusätzlichen Daten angeben, von denen Sie glauben, dass sie sich auf Ihre Prognosen auswirken könnten. Beispielsweise kann sich die Nachfrage nach einer bestimmten Hemdfarbe mit den Jahreszeiten und dem Standort des Geschäfts ändern. Dieser komplexe Zusammenhang ist für sich genommen schwer zu bestimmen, aber ML ist ideal geeignet, ihn zu erkennen. Sobald Sie Ihre Daten bereitgestellt haben, untersucht Amazon Forecast sie automatisch, ermittelt, was aussagekräftig ist, und erstellt ein Prognosemodell, mit dem Prognosen getroffen werden können, die bis zu 50% genauer sind als die alleinige Betrachtung von Zeitreihendaten.
Amazon Forecast ist ein vollständig verwalteter Service, sodass keine Server bereitgestellt und keine ML-Modelle erstellt, trainiert oder bereitgestellt werden müssen. Sie zahlen nur für das, was Sie tatsächlich nutzen, und es fallen keine Mindestgebühren und keine Vorabverpflichtungen an.
Amazon Fraud Detector
Amazon Fraud Detector ist ein vollständig verwalteter Service, der ML und mehr als 20 Jahre Erfahrung bei der Betrugserkennung von Amazon nutzt, um potenziell betrügerische Aktivitäten zu identifizieren, sodass catch mehr Online-Betrug schneller erkennen können. Amazon Fraud Detector automatisiert die zeitaufwändigen und teuren Schritte zur Erstellung, Schulung und Implementierung eines ML-Modells zur Betrugserkennung, sodass Kunden die Technologie leichter nutzen können. Amazon Fraud Detector passt jedes Modell, das es erstellt, an den eigenen Datensatz eines Kunden an, sodass die Genauigkeit der Modelle höher ist als bei aktuellen Einheitslösungen für alle ML-Lösungen. Und weil Sie nur für das bezahlen, was Sie tatsächlich nutzen, vermeiden Sie hohe Vorabkosten.
Amazon Comprehend Medical
In den letzten zehn Jahren hat AWS eine digitale Transformation im Gesundheitswesen erlebt, bei der Unternehmen täglich riesige Mengen an Patienteninformationen erfassen. Diese Daten sind jedoch oft unstrukturiert und der Prozess zur Extraktion dieser Informationen ist arbeitsintensiv und fehleranfällig. Amazon Comprehend Medical ist ein HIPAA-fähiger Service zur Verarbeitung natürlicher Sprache (NLP), der maschinelles Lernen nutzt, das vorab trainiert wurde, um Gesundheitsdaten aus medizinischen Texten wie Rezepten, Verfahren oder Diagnosen zu verstehen und zu extrahieren. Amazon Comprehend Medical kann Ihnen mit medizinischen Ontologien wie ICD-10-CM und SNOMED CT dabei helfen, Informationen aus unstrukturierten medizinischen Texten präzise und schnell zu extrahieren und so die Bearbeitung von Versicherungsansprüchen zu beschleunigen RxNorm, die Gesundheit der Bevölkerung zu verbessern und die Pharmakovigilanz zu beschleunigen.
Amazon Kendra
Amazon Kendra ist ein intelligenter Suchdienst, der von ML unterstützt wird. Amazon Kendra gestaltet die Unternehmenssuche für Ihre Websites und Anwendungen neu, sodass Ihre Mitarbeiter und Kunden die Inhalte, nach denen sie suchen, leicht finden können, selbst wenn sie auf mehrere Standorte und Inhaltsspeicher innerhalb Ihres Unternehmens verteilt sind.
Mit Amazon Kendra können Sie aufhören, Unmengen unstrukturierter Daten zu durchsuchen, und die richtigen Antworten auf Ihre Fragen finden, wenn Sie sie benötigen. Amazon Kendra ist ein vollständig verwalteter Service, sodass keine Server bereitgestellt und keine ML-Modelle erstellt, trainiert oder bereitgestellt werden müssen.
Amazon Lex
Amazon Lex ist ein vollständig verwalteter Service für künstliche Intelligenz (KI) zum Entwerfen, Erstellen, Testen und Bereitstellen von Konversationsschnittstellen in beliebigen Anwendungen, die Sprache und Text verwenden. Lex bietet fortschrittliche Deep-Learning-Funktionen wie automatische Spracherkennung (ASR) zur Umwandlung von Sprache in Text und Natural Language Understanding (NLU), um die Absicht des Textes zu erkennen, sodass Sie Anwendungen mit äußerst ansprechenden Benutzererlebnissen und lebensechten Konversationsinteraktionen entwickeln und neue Produktkategorien entwickeln können. Mit Amazon Lex stehen dieselben Deep-Learning-Technologien, die Amazon Alexa unterstützen, jetzt für jeden Entwickler zur Verfügung, sodass Sie schnell und einfach ausgeklügelte Konversationsbots („Chatbots“) und sprachgesteuerte interaktive Sprachantwortsysteme (IVR) erstellen können.
Amazon Lex ermöglicht es Entwicklern, schnell Konversations-Chatbots zu erstellen. Bei Amazon Lex ist keine Deep-Learning-Expertise erforderlich. Um einen Bot zu erstellen, geben Sie einfach den grundlegenden Konversationsablauf in der Amazon Lex Lex-Konsole an. Amazon Lex verwaltet den Dialog und passt die Antworten in der Konversation dynamisch an. Mithilfe der Konsole können Sie den Text- oder Stimme-Chatbot erstellen, testen und veröffentlichen. Sie können dann die umgangssprachlichen Schnittstellen zu Bots auf mobilen Geräten, Webanwendungen und Chat-Plattformen (z. B. Facebook Messenger) hinzufügen. Für die Nutzung von Amazon Lex fallen keine Vorabkosten oder Mindestgebühren an — Ihnen werden nur die gestellten Text- oder Sprachanfragen in Rechnung gestellt. Die pay-as-you-go Preisgestaltung und die niedrigen Kosten pro Anfrage machen den Service zu einer kostengünstigen Möglichkeit, Konversationsschnittstellen zu erstellen. Mit dem kostenlosen Kontingent für Amazon Lex können Sie Amazon Lex ganz einfach und ohne Anfangsinvestitionen testen.
Amazon Lookout für Equipment
Amazon Lookout for Equipment analysiert die Daten der Sensoren an Ihren Geräten (z. B. Druck in einem Generator, Durchflussrate eines Kompressors, Umdrehungen pro Minute von Lüftern), um automatisch ein ML-Modell zu trainieren, das nur auf Ihren Daten für Ihre Ausrüstung basiert — ohne dass ML-Kenntnisse erforderlich sind. Lookout for Equipment verwendet Ihr einzigartiges ML-Modell, um eingehende Sensordaten in Echtzeit zu analysieren und Frühwarnzeichen, die zu Maschinenausfällen führen könnten, genau zu identifizieren. Das bedeutet, dass Sie Geräteanomalien schnell und präzise erkennen, Probleme schnell diagnostizieren, Maßnahmen zur Reduzierung teurer Ausfallzeiten ergreifen und Fehlalarme reduzieren können.
Amazon Lookout für Metrics
Amazon Lookout for Metrics verwendet maschinelles Lernen, um Anomalien (Ausreißer von der Norm) in Geschäfts- und Betriebsdaten automatisch zu erkennen und zu diagnostizieren, wie z. B. plötzliche Umsatzeinbrüche oder Kundenakquisitionsraten. Mit wenigen Klicks können Sie Amazon Lookout for Metrics mit beliebten Datenspeichern wie Amazon S3, Amazon Redshift und Amazon Relational Database Service (Amazon RDS) sowie mit Software as a Service (SaaS) -Anwendungen von Drittanbietern wie Salesforce, Servicenow, Zendesk und Marketo verbinden und mit der Überwachung von Kennzahlen beginnen, die für Ihr Unternehmen wichtig sind. Amazon Lookout for Metrics prüft und bereitet die Daten aus diesen Quellen automatisch auf, um Anomalien schneller und genauer zu erkennen als herkömmliche Methoden zur Erkennung von Anomalien. Sie können auch Feedback zu erkannten Anomalien geben, um die Ergebnisse zu optimieren und die Genauigkeit im Laufe der Zeit zu verbessern. Amazon Lookout for Metrics macht es einfach, erkannte Anomalien zu diagnostizieren, indem es Anomalien gruppiert, die sich auf dasselbe Ereignis beziehen, und eine Warnung sendet, die eine Zusammenfassung der potenziellen Ursache enthält. Außerdem werden Anomalien nach Schweregrad geordnet, sodass Sie sich vorrangig auf das konzentrieren können, was für Ihr Unternehmen am wichtigsten ist.
Amazon Lookout für Vision
Amazon Lookout for Vision ist ein ML-Service, der mithilfe von Computer Vision (CV) Fehler und Anomalien in visuellen Darstellungen erkennt. Mit Amazon Lookout for Vision können Fertigungsunternehmen die Qualität steigern und die Betriebskosten senken, indem sie Unterschiede in Bildern von Objekten im großen Maßstab schnell erkennen. Amazon Lookout for Vision kann beispielsweise verwendet werden, um fehlende Komponenten in Produkten, Schäden an Fahrzeugen oder Strukturen, Unregelmäßigkeiten in Produktionslinien, winzige Defekte an Siliziumwafern und andere ähnliche Probleme zu identifizieren. Amazon Lookout for Vision verwendet ML, um Bilder von jeder Kamera so zu sehen und zu verstehen, wie es eine Person tun würde, aber mit einem noch höheren Grad an Genauigkeit und in einem viel größeren Maßstab. Amazon Lookout for Vision ermöglicht es Kunden, kostspielige und inkonsistente manuelle Inspektionen zu vermeiden und gleichzeitig die Qualitätskontrolle, Fehler- und Schadensbeurteilung sowie die Einhaltung von Vorschriften zu verbessern. Innerhalb weniger Minuten können Sie mit Amazon Lookout for Vision beginnen, um die Inspektion von Bildern und Objekten zu automatisieren — ohne dass ML-Kenntnisse erforderlich sind.
Amazon Monitron
Amazon Monitron ist ein end-to-end System, das ML verwendet, um abnormales Verhalten von Industriemaschinen zu erkennen, sodass Sie vorausschauende Wartung implementieren und ungeplante Ausfallzeiten reduzieren können.
Die Installation von Sensoren und der erforderlichen Infrastruktur für Datenkonnektivität, Speicherung, Analyse und Warnmeldungen sind grundlegende Elemente für eine vorausschauende Wartung. Damit dies jedoch funktioniert, benötigten Unternehmen in der Vergangenheit qualifizierte Techniker und Datenwissenschaftler, um eine komplexe Lösung von Grund auf neu zusammenzustellen. Dazu gehörten die Identifizierung und Beschaffung der richtigen Sensortypen für ihre Anwendungsfälle und deren Verbindung mit einem IoT-Gateway (einem Gerät, das Daten aggregiert und überträgt). Infolgedessen waren nur wenige Unternehmen in der Lage, vorausschauende Wartung erfolgreich zu implementieren.
Amazon Monitron umfasst Sensoren zur Erfassung von Vibrations- und Temperaturdaten von Geräten, ein Gateway-Gerät für die sichere Übertragung von Daten AWS, den Amazon Monitron-Service, der die Daten mithilfe von ML auf abnormale Maschinenmuster analysiert, und eine zugehörige mobile App, mit der Sie die Geräte einrichten und Berichte über das Betriebsverhalten und Benachrichtigungen über mögliche Ausfälle an Ihren Maschinen erhalten können. Sie können innerhalb von Minuten mit der Überwachung des Gerätezustands beginnen, ohne dass Entwicklungsarbeit oder ML-Erfahrung erforderlich sind, und mit derselben Technologie, die zur Überwachung von Geräten in Amazon-Versandzentren verwendet wird, eine vorausschauende Wartung ermöglichen.
Amazon PartyRock
Amazon PartyRock macht das Erlernen generativer KI mit einem praktischen, codefreien App-Builder zum Kinderspiel. Experimentieren Sie mit schnellen technischen Techniken, überprüfen Sie die generierten Antworten und entwickeln Sie Ihr Gespür für generative KI, während Sie unterhaltsame Apps erstellen und erkunden. PartyRock bietet über Amazon Bedrock, einen vollständig verwalteten Service, Zugriff auf Fundamentmodelle (FMs) von Amazon und führenden KI-Unternehmen.
Amazon Personalize
Amazon Personalize ist ein ML-Service, mit dem Entwickler auf einfache Weise individuelle Empfehlungen für Kunden erstellen können, die ihre Anwendungen verwenden.
ML wird zunehmend zur Verbesserung der Kundenbindung eingesetzt, indem personalisierte Produkt- und Inhaltsempfehlungen, maßgeschneiderte Suchergebnisse und gezielte Marketingaktionen bereitgestellt werden. Die Entwicklung der ML-Funktionen, die für die Erstellung dieser ausgeklügelten Empfehlungssysteme erforderlich sind, war für die meisten Unternehmen heute jedoch aufgrund der Komplexität der Entwicklung von ML-Funktionen unerreichbar. Amazon Personalize ermöglicht es Entwicklern ohne ML-Erfahrung, mithilfe der ML-Technologie, die durch jahrelangen Einsatz auf Amazon.com perfektioniert wurde, mühelos anspruchsvolle Personalisierungsfunktionen in ihre Anwendungen zu integrieren.
Mit Amazon Personalize stellen Sie einen Aktivitätsstream aus Ihrer Anwendung bereit — Seitenaufrufe, Anmeldungen, Käufe usw. — sowie ein Inventar der Artikel, die Sie empfehlen möchten, wie Artikel, Produkte, Videos oder Musik. Sie können Amazon Personalize auch zusätzliche demografische Informationen von Ihren Benutzern wie Alter oder geografischer Standort zur Verfügung stellen. Amazon Personalize verarbeitet und untersucht die Daten, identifiziert, was sinnvoll ist, wählt die richtigen Algorithmen aus und trainiert und optimiert ein Personalisierungsmodell, das auf Ihre Daten zugeschnitten ist.
Amazon Personalize bietet optimierte Empfehlungen für Einzelhandel sowie Medien und Unterhaltung, mit denen leistungsstarke personalisierte Benutzererlebnisse schneller und einfacher bereitgestellt werden können. Amazon Personalize bietet auch eine intelligente Nutzersegmentierung, sodass Sie effektivere Werbekampagnen über Ihre Marketingkanäle durchführen können. Mit unseren beiden neuen Rezepten können Sie Ihre Nutzer automatisch nach ihrem Interesse an verschiedenen Produktkategorien, Marken und mehr segmentieren.
Alle von Amazon Personalize analysierten Daten werden vertraulich und sicher behandelt und nur für Ihre individuellen Empfehlungen verwendet. Sie können beginnen, Ihre personalisierten Prognosen über einen einfachen API-Aufruf innerhalb der virtuellen privaten Cloud bereitzustellen, die der Service verwaltet. Sie zahlen nur für das, was Sie tatsächlich nutzen, und es fallen keine Mindestgebühren und keine Vorabverpflichtungen an.
Amazon Personalize ist so, als hätten Sie Ihr eigenes ML-Personalisierungsteam von Amazon.com, das Ihnen rund um die Uhr zur Verfügung steht.
Amazon Polly
Amazon Polly ist ein Service, der Text in lebensechte Sprache umwandelt. Mit Amazon Polly können Sie Anwendungen erstellen, die sprechen, sodass Sie völlig neue Kategorien von sprachfähigen Produkten entwickeln können. Amazon Polly ist ein Amazon-Dienst für künstliche Intelligenz (KI), der fortschrittliche Deep-Learning-Technologien verwendet, um Sprache zu synthetisieren, die wie eine menschliche Stimme klingt. Amazon Polly bietet eine große Auswahl an lebensechten Stimmen in Dutzenden von Sprachen, sodass Sie die ideale Stimme auswählen und sprachfähige Anwendungen erstellen können, die in vielen verschiedenen Ländern funktionieren.
Amazon Polly bietet die durchweg schnellen Reaktionszeiten, die für die Unterstützung interaktiver Dialoge in Echtzeit erforderlich sind. Sie können Amazon Polly Polly-Sprachaudio zwischenspeichern und speichern, um es offline wiederzugeben oder weiterzuverteilen. Und Amazon Polly ist einfach zu bedienen. Sie senden einfach den Text, den Sie in Sprache umwandeln möchten, an die Amazon Polly-API, und Amazon Polly gibt den Audiostream sofort an Ihre Anwendung zurück, sodass Ihre Anwendung ihn direkt abspielen oder in einem Standard-Audiodateiformat wie MP3 speichern kann.
Zusätzlich zu den Standard-TTS-Stimmen bietet Amazon Polly NTTS-Stimmen (Neural Text-to-Speech) an, die durch einen neuen Ansatz für maschinelles Lernen erweiterte Verbesserungen der Sprachqualität ermöglichen. Die Neural TTS-Technologie von Polly unterstützt auch einen Sprechstil für Nachrichtensprecher, der auf Anwendungsfälle beim Erzählen von Nachrichten zugeschnitten ist. Schließlich kann Amazon Polly Brand Voice eine benutzerdefinierte Stimme für Ihr Unternehmen erstellen. Dies ist ein maßgeschneidertes Projekt, bei dem Sie mit dem Amazon Polly Polly-Team zusammenarbeiten, um eine NTTS-Stimme zu entwickeln, die ausschließlich Ihrem Unternehmen zur Verfügung steht.
Mit Amazon Polly zahlen Sie nur für die Anzahl der Zeichen, die Sie in Sprache umwandeln, und Sie können von Amazon Polly generierte Sprache speichern und wiedergeben. Die niedrigen Kosten pro konvertiertem Zeichen von Amazon Polly und das Fehlen von Einschränkungen bei der Speicherung und Wiederverwendung der Sprachausgabe machen es zu einer kostengünstigen Möglichkeit, Text-to-Speech überall zu aktivieren.
Amazon Q
Amazon Q ist ein generativer KI-gestützter Assistent zur Beschleunigung der Softwareentwicklung und zur Nutzung Ihrer internen Daten.
- Amazon Q Business
-
Amazon Q Business kann Fragen beantworten, Zusammenfassungen bereitstellen, Inhalte generieren und Aufgaben auf der Grundlage von Daten und Informationen in Ihren Unternehmenssystemen sicher erledigen. Es ermöglicht Mitarbeitern, kreativer, datengesteuerter, effizienter, besser vorbereitet und produktiver zu sein.
- Amazon Q Developer
-
Amazon Q Developer (ehemals Amazon CodeWhisperer) unterstützt Entwickler und IT-Experten bei ihren Aufgaben — vom Codieren, Testen und Aktualisieren von Anwendungen über die Fehlerdiagnose bis hin zur Durchführung von Sicherheitsscans und -korrekturen sowie der Optimierung von Ressourcen. AWS Amazon Q verfügt über erweiterte, mehrstufige Planungs- und Argumentationsfunktionen, mit denen vorhandener Code transformiert (z. B. Upgrades der Java-Version) und neue Funktionen implementiert werden können, die aus Entwickleranfragen generiert wurden.
Amazon Rekognition
Amazon Rekognition macht es einfach, Bild- und Videoanalysen zu Ihren Anwendungen hinzuzufügen, und zwar mithilfe bewährter, hoch skalierbarer Deep-Learning-Technologie, für deren Verwendung keine ML-Kenntnisse erforderlich sind. Mit Amazon Rekognition können Sie Objekte, Personen, Text, Szenen und Aktivitäten in Bildern und Videos identifizieren und unangemessene Inhalte erkennen. Amazon Rekognition bietet außerdem hochgenaue Funktionen zur Gesichtsanalyse und Gesichtssuche, mit denen Sie Gesichter erkennen, analysieren und vergleichen können, und zwar für eine Vielzahl von Anwendungsfällen zur Benutzerverifizierung, Personenzählung und zur öffentlichen Sicherheit.
Mit Amazon Rekognition Custom Labels können Sie die Objekte und Szenen in Bildern identifizieren, die für Ihre Geschäftsanforderungen spezifisch sind. Sie können beispielsweise ein Modell erstellen, um bestimmte Maschinenteile an Ihrer Montagelinie zu klassifizieren oder um ungesunde Pflanzen zu erkennen. Amazon Rekognition Custom Labels übernimmt für Sie die Schwerstarbeit der Modellentwicklung, sodass keine ML-Erfahrung erforderlich ist. Sie müssen lediglich Bilder von Objekten oder Szenen bereitstellen, die Sie identifizieren möchten, und der Service erledigt den Rest.
Amazon SageMaker
Mit Amazon SageMaker können Sie ML-Modelle für jeden Anwendungsfall mit vollständig verwalteter Infrastruktur, Tools und Workflows erstellen, trainieren und bereitstellen. SageMakermacht jeden Schritt des ML-Prozesses überflüssig und erleichtert so die Entwicklung hochwertiger Modelle. SageMaker stellt alle für ML verwendeten Komponenten in einem einzigen Toolset bereit, sodass Modelle schneller, mit viel weniger Aufwand und zu geringeren Kosten in Produktion gehen können.
Amazon SageMaker Autopilot
Amazon SageMaker Autopilot erstellt, trainiert und optimiert automatisch die besten ML-Modelle auf der Grundlage Ihrer Daten, während Sie gleichzeitig die volle Kontrolle und Transparenz behalten. Mit SageMaker Autopilot stellen Sie einfach einen tabellarischen Datensatz bereit und wählen die Zielspalte für die Prognose aus. Dabei kann es sich um eine Zahl (z. B. einen Hauspreis, Regression genannt) oder eine Kategorie (wie Spam/kein Spam, Klassifizierung) handeln. SageMaker Der Autopilot untersucht automatisch verschiedene Lösungen, um das beste Modell zu finden. Anschließend können Sie das Modell mit nur einem Klick direkt in der Produktion einsetzen oder mit Amazon SageMaker Studio anhand der empfohlenen Lösungen iterieren, um die Modellqualität weiter zu verbessern.
Amazon SageMaker Leinwand
Amazon SageMaker Canvas erweitert den Zugang zu ML, indem es Geschäftsanalysten eine visuelle point-and-click Oberfläche bietet, die es ihnen ermöglicht, selbst genaue ML-Prognosen zu erstellen — ohne dass ML-Erfahrung erforderlich ist oder eine einzige Codezeile geschrieben werden muss.
Amazon SageMaker Clarify
Amazon SageMaker Clarify bietet Entwicklern von maschinellem Lernen einen besseren Einblick in ihre Trainingsdaten und -modelle, sodass sie Verzerrungen erkennen und einschränken und Prognosen erklären können. Amazon SageMaker Clarify erkennt potenzielle Verzerrungen während der Datenvorbereitung, nach dem Modelltraining und in Ihrem bereitgestellten Modell, indem es die von Ihnen angegebenen Attribute untersucht. SageMaker Clarify enthält auch Grafiken zur Wichtigkeit von Merkmalen, die Ihnen helfen, Modellvorhersagen zu erläutern, und erstellt Berichte, die zur Unterstützung interner Präsentationen oder zur Identifizierung von Problemen mit Ihrem Modell verwendet werden können, die Sie dann korrigieren können.
SageMaker Amazon-Datenkennzeichnung
Amazon SageMaker bietet Datenkennzeichnungsangebote zur Identifizierung von Rohdaten wie Bildern, Textdateien und Videos und zum Hinzufügen informativer Labels, um hochwertige Trainingsdatensätze für Ihre ML-Modelle zu erstellen.
Amazon SageMaker Data Wrangler
Amazon SageMaker Data Wrangler reduziert die Zeit, die für die Aggregation und Vorbereitung von Daten für ML benötigt wird, von Wochen auf Minuten. Mit SageMaker Data Wrangler können Sie den Prozess der Datenaufbereitung und des Feature-Engineerings vereinfachen und jeden Schritt des Datenvorbereitungs-Workflows, einschließlich Datenauswahl, Bereinigung, Erkundung und Visualisierung, von einer einzigen visuellen Oberfläche aus abschließen.
Amazon SageMaker Edge
Amazon SageMaker Edge ermöglicht maschinelles Lernen auf Edge-Geräten durch die Optimierung, Sicherung und Bereitstellung von Modellen am Edge und die anschließende Überwachung dieser Modelle auf Ihrer Geräteflotte wie Smart-Kameras, Robotern und anderer intelligenter Elektronik, um die laufenden Betriebskosten zu senken. SageMaker Edge Compiler optimiert das trainierte Modell so, dass es auf einem Edge-Gerät ausgeführt werden kann. SageMaker Edge umfasst einen over-the-air (OTA) -Bereitstellungsmechanismus, mit dem Sie Modelle unabhängig von der Anwendungs- oder Gerätefirmware auf der Flotte bereitstellen können. SageMaker Mit Edge Agent können Sie mehrere Modelle auf demselben Gerät ausführen. Der Agent sammelt Prognosedaten auf der Grundlage der von Ihnen gesteuerten Logik, z. B. Intervallen, und lädt sie in die Cloud hoch, sodass Sie Ihre Modelle im Laufe der Zeit regelmäßig neu trainieren können.
Amazon SageMaker Feature Store
Amazon SageMaker Feature Store ist ein speziell entwickeltes Repository, in dem Sie Funktionen speichern und darauf zugreifen können, sodass es viel einfacher ist, sie zu benennen, zu organisieren und teamübergreifend wiederzuverwenden. SageMaker Feature Store bietet einen einheitlichen Speicher für Funktionen während des Trainings und für Inferenzen in Echtzeit, ohne dass zusätzlicher Code geschrieben oder manuelle Prozesse erstellt werden müssen, um die Konsistenz der Funktionen zu gewährleisten. SageMaker Feature Store verfolgt die Metadaten der gespeicherten Funktionen (wie Funktionsname oder Versionsnummer), sodass Sie mithilfe von Amazon Athena, einem interaktiven Abfrageservice, die Funktionen stapelweise oder in Echtzeit nach den richtigen Attributen abfragen können. SageMaker Feature Store hält auch die Funktionen auf dem neuesten Stand, da bei der Inferenz neue Daten generiert werden, das zentrale Repository aktualisiert, sodass immer neue Funktionen für Modelle verfügbar sind, die sie während des Trainings und der Inferenz verwenden können.
SageMaker Geospatial-Funktionen von Amazon
Die SageMaker Geospatial-Funktionen von Amazon erleichtern es Datenwissenschaftlern und Technikern für maschinelles Lernen (ML), ML-Modelle mithilfe von Geodaten schneller zu erstellen, zu trainieren und bereitzustellen. Sie haben Zugriff auf Daten (Open-Source-Daten und Drittanbieter), Verarbeitungs- und Visualisierungstools, um die Aufbereitung von Geodaten für ML effizienter zu gestalten. Sie können Ihre Produktivität steigern, indem Sie speziell entwickelte Algorithmen und vortrainierte ML-Modelle verwenden, um die Modellbildung und das Training zu beschleunigen, und integrierte Visualisierungstools verwenden, um die Prognoseergebnisse auf einer interaktiven Karte zu untersuchen und dann teamübergreifend an Erkenntnissen und Ergebnissen zu arbeiten.
Amazon SageMaker HyperPod
Amazon SageMaker HyperPod beseitigt die undifferenzierte Schwerstarbeit, die mit dem Aufbau und der Optimierung der Infrastruktur für maschinelles Lernen (ML) für Large Language Models (LLMs), Diffusionsmodelle und Foundation Models (FMs) verbunden ist. SageMaker HyperPod ist mit verteilten Schulungsbibliotheken vorkonfiguriert, die es Kunden ermöglichen, die Trainingsworkloads automatisch auf Tausende von Beschleunigern wie NVIDIA A100 und H100 Graphical AWS Trainium Processing Units (GPUs) aufzuteilen.
SageMaker HyperPod trägt außerdem durch das regelmäßige Speichern von Checkpoints dazu bei, dass Sie Ihr Training unterbrechungsfrei fortsetzen können. Wenn ein Hardwarefehler auftritt, erkennen Selbstheilungs-Cluster den Ausfall automatisch, reparieren oder ersetzen die fehlerhafte Instanz und setzen das Training ab dem letzten gespeicherten Checkpoint fort, sodass Sie diesen Prozess nicht manuell verwalten müssen und Sie wochen- oder monatelang ohne Unterbrechung in einer verteilten Umgebung trainieren können. Sie können Ihre Computerumgebung an Ihre Bedürfnisse anpassen und sie mit den von Amazon SageMaker verteilten Schulungsbibliotheken konfigurieren, um eine optimale Leistung zu erzielen AWS.
Amazon SageMaker JumpStart
Amazon SageMaker JumpStart hilft Ihnen dabei, schnell und einfach mit ML zu beginnen. Um den Einstieg zu erleichtern, SageMaker JumpStart bietet es eine Reihe von Lösungen für die häufigsten Anwendungsfälle, die mit nur wenigen Klicks problemlos bereitgestellt werden können. Die Lösungen sind vollständig anpassbar und zeigen die Verwendung von AWS CloudFormation Vorlagen und Referenzarchitekturen, sodass Sie Ihre ML-Reise beschleunigen können. Amazon unterstützt SageMaker JumpStart außerdem die Bereitstellung und Feinabstimmung von mehr als 150 beliebten Open-Source-Modellen wie der Verarbeitung natürlicher Sprache, Objekterkennung und Bildklassifizierung mit nur einem Klick.
SageMaker Amazon-Modellbau
Amazon SageMaker bietet alle Tools und Bibliotheken, die Sie benötigen, um ML-Modelle zu erstellen, verschiedene Algorithmen iterativ auszuprobieren und ihre Genauigkeit zu bewerten, um den besten für Ihren Anwendungsfall zu finden. Bei Amazon können SageMaker Sie verschiedene Algorithmen auswählen, darunter über 15, die integriert und optimiert sind SageMaker, und über 750 vorgefertigte Modelle aus beliebten Modellzoos verwenden, die mit wenigen Klicks verfügbar sind. SageMaker bietet auch eine Vielzahl von Tools zur Modellerstellung, darunter Amazon SageMaker Studio Notebooks JupyterLab, RStudio und Code Editor auf der Basis von Code-OSS (Virtual Studio Code Open Source), mit denen Sie ML-Modelle in kleinem Maßstab ausführen können, um Ergebnisse zu sehen und Berichte über ihre Leistung einzusehen, sodass Sie qualitativ hochwertige funktionierende Prototypen erstellen können.
SageMaker Amazon-Modelltraining
Amazon SageMaker reduziert den Zeit- und Kostenaufwand für das Training und die Optimierung von ML-Modellen in großem Maßstab, ohne dass die Infrastruktur verwaltet werden muss. Sie können die derzeit leistungsstärkste ML-Recheninfrastruktur nutzen und SageMaker die Infrastruktur automatisch von einer bis zu Tausenden von GPUs nach oben oder unten skalieren. Da Sie nur für das zahlen, was Sie tatsächlich nutzen, können Sie Ihre Schulungskosten effektiver verwalten. Um Deep-Learning-Modelle schneller zu trainieren, können Sie die von Amazon SageMaker verteilten Trainingsbibliotheken für eine bessere Leistung oder Bibliotheken von Drittanbietern wie DeepSpeed Horovod oder Megatron verwenden.
Implementierung des SageMaker Amazon-Modells
Amazon SageMaker macht es einfach, ML-Modelle bereitzustellen, um Vorhersagen (auch bekannt als Inferenz) zu treffen, und das zum besten Preis-Leistungs-Verhältnis für jeden Anwendungsfall. Es bietet eine breite Auswahl an ML-Infrastruktur- und Modellbereitstellungsoptionen, um all Ihre ML-Inferenzanforderungen zu erfüllen. Es handelt sich um einen vollständig verwalteten Service, in den die MLOps-Tools integriert werden können, so dass Sie den Einsatz Ihrer Modelle skalieren, die Inference-Kosten senken, Modelle in der Produktion effektiver einsetzen und den betrieblichen Aufwand reduzieren können.
SageMaker Amazon-Pipelines
Amazon SageMaker Pipelines ist der erste speziell entwickelte CI/CD-Service ( easy-to-use Continuous Integration and Continuous Delivery) für ML. Mit SageMaker Pipelines können Sie ML-Workflows in großem Umfang erstellen, automatisieren und verwalten. end-to-end
Amazon SageMaker Studio-Labor
Amazon SageMaker Studio Lab ist eine kostenlose ML-Entwicklungsumgebung, die Rechenleistung, Speicherplatz (bis zu 15 GB) und Sicherheit bietet — und das alles kostenlos — damit jeder lernen und mit ML experimentieren kann. Alles, was Sie für den Einstieg benötigen, ist eine gültige E-Mail-Adresse. Sie müssen keine Infrastruktur konfigurieren, Identität und Zugriff verwalten oder sich für ein Konto registrieren. AWS SageMaker Studio Lab beschleunigt die Modellerstellung durch GitHub Integration und ist mit den gängigsten ML-Tools, -Frameworks und -Bibliotheken vorkonfiguriert, sodass Sie sofort loslegen können. SageMaker Studio Lab speichert Ihre Arbeit automatisch, sodass Sie zwischen den Sitzungen nicht neu starten müssen. Es ist so einfach wie Ihren Laptop zu schließen und später wiederzukommen.
Apache MXNet auf AWS
Apache MXNet ist ein schnelles und skalierbares Trainings- und Inferenzframework mit einer easy-to-use übersichtlichen API für ML. MXNet enthält die Gluon-Schnittstelle, die es Entwicklern aller Qualifikationsstufen ermöglicht, mit Deep Learning in der Cloud, auf Edge-Geräten und in mobilen Apps zu beginnen. Mit nur wenigen Zeilen Gluon-Code können Sie lineare Regression, Faltungsnetzwerke und wiederkehrende LSTMs für Objekterkennung, Spracherkennung, Empfehlung und Personalisierung erstellen. Mit Amazon, einer Plattform MxNet zum AWS Erstellen SageMaker, Trainieren und Bereitstellen von ML-Modellen in großem Maßstab, können Sie mit einem vollständig verwalteten Erlebnis beginnen. Oder Sie können das AWS Deep Learning AMI s verwenden, um benutzerdefinierte Umgebungen und Workflows mit anderen Frameworks MxNet wie TensorFlow,, Chainer, Keras PyTorch, Caffe, Caffe2 und Microsoft Cognitive Toolkit zu erstellen.
AWS Deep Learning AMI s
AWS Deep Learning AMISie bieten ML-Praktikern und Forschern die Infrastruktur und Tools, um Deep Learning in der Cloud in jeder Größenordnung zu beschleunigen. Sie können schnell Amazon EC2 EC2-Instances starten, auf denen beliebte Deep-Learning-Frameworks und -Schnittstellen wie TensorFlow, PyTorch, Apache MXNet, Chainer, Gluon, Horovod und Keras vorinstalliert sind, um ausgefeilte, benutzerdefinierte KI-Modelle zu trainieren, mit neuen Algorithmen zu experimentieren oder neue Fähigkeiten und Techniken zu erlernen. Ganz gleich, ob Sie Amazon EC2 EC2-GPU- oder CPU-Instances benötigen, für die Deep Learning-AMIs fallen keine zusätzlichen Kosten an — Sie zahlen nur für die AWS Ressourcen, die Sie zum Speichern und Ausführen Ihrer Anwendungen benötigen.
AWS Deep Learning Containers
AWS Deep Learning Containers (AWS DL Containers) sind Docker-Images, auf denen Deep-Learning-Frameworks vorinstalliert sind, um die schnelle Bereitstellung benutzerdefinierter Machine-Learning-Umgebungen (ML) zu vereinfachen, da Sie den komplizierten Prozess der Erstellung und Optimierung Ihrer Umgebungen von Grund auf überspringen können. AWS Unterstützung für DL-Container TensorFlow PyTorch, Apache MXNet. Sie können AWS DL Containers auf Amazon SageMaker, Amazon Elastic Kubernetes Service (Amazon EKS), selbstverwaltetes Kubernetes auf Amazon EC2 und Amazon Elastic Container Service (Amazon ECS) bereitstellen. Die Container sind über Amazon Elastic Container Registry (Amazon ECR) kostenlos erhältlich — Sie zahlen nur für die Ressourcen, die Sie nutzen. AWS Marketplace
Geospatial ML mit Amazon SageMaker
Die SageMaker Geospatial-Funktionen von Amazon ermöglichen es Datenwissenschaftlern und ML-Ingenieuren, ML-Modelle mithilfe von Geodaten schneller und in größerem Umfang zu erstellen, zu trainieren und bereitzustellen. Sie können auf leicht verfügbare Geodatenquellen zugreifen, umfangreiche Geodatensätze mit speziell entwickelten Operationen effizient transformieren oder anreichern und die Modellerstellung beschleunigen, indem Sie vortrainierte ML-Modelle auswählen. Sie können auch Geodaten analysieren und Modellvorhersagen auf einer interaktiven Karte mithilfe beschleunigter 3D-Grafiken mit integrierten Visualisierungstools untersuchen. SageMaker Die georäumlichen Runtime-Funktionen können für eine Vielzahl von Anwendungsfällen eingesetzt werden, z. B. zur Maximierung von Ernteerträgen und Ernährungssicherheit, zur Bewertung von Risiko- und Versicherungsansprüchen, zur Unterstützung einer nachhaltigen Stadtentwicklung und zur Prognose der Auslastung von Einzelhandelsstandorten.
Hugging Face an AWS
Mit Hugging Face auf Amazon SageMaker können Sie vortrainierte Modelle von Hugging Face, einem Open-Source-Anbieter von Modellen zur Verarbeitung natürlicher Sprache (NLP), den so genannten Transformers, bereitstellen und optimieren, wodurch der Zeitaufwand für die Einrichtung und Verwendung dieser NLP-Modelle von Wochen auf Minuten reduziert wird. NLP bezieht sich auf ML-Algorithmen, die Computern helfen, die menschliche Sprache zu verstehen. Sie helfen bei der Übersetzung, intelligenten Suche, Textanalyse und vielem mehr. NLP-Modelle können jedoch umfangreich und komplex sein (manchmal bestehen sie aus Hunderten von Millionen von Modellparametern), und das Trainieren und Optimieren dieser Modelle erfordert Zeit, Ressourcen und Fähigkeiten. AWS hat mit Hugging Face zusammengearbeitet, um Hugging Face AWS Deep Learning Containers (DLCs) zu entwickeln, die Datenwissenschaftlern und ML-Entwicklern eine vollständig verwaltete Erfahrung für die Erstellung, Schulung und Bereitstellung von NLP-Modellen auf Amazon bieten. state-of-the-art SageMaker
PyTorch auf AWS
PyTorchist ein Open-Source-Deep-Learning-Framework, das es einfach macht, Modelle für maschinelles Lernen zu entwickeln und in der Produktion einzusetzen. Mithilfe PyTorch der Model-Serving-Bibliothek TorchServe, die AWS in Zusammenarbeit mit Facebook erstellt und verwaltet wurde, können PyTorch Entwickler Modelle schnell und einfach in der Produktion einsetzen. PyTorch bietet außerdem dynamische Berechnungsgrafiken und Bibliotheken für verteiltes Training, die auf AWS hohe Leistung ausgelegt sind. Sie können mit PyTorch der AWS Nutzung von Amazon beginnen SageMaker, einem vollständig verwalteten ML-Service, der es einfach und kostengünstig macht, PyTorch Modelle in großem Maßstab zu erstellen, zu trainieren und bereitzustellen. Wenn Sie es vorziehen, die Infrastruktur selbst zu verwalten, können Sie die AWS Deep Learning AMI S - oder AWS Deep Learning Containers verwenden, die aus dem Quellcode erstellt und für die Leistung mit der neuesten Version von optimiert wurden, PyTorch um schnell benutzerdefinierte Machine-Learning-Umgebungen bereitzustellen.
TensorFlow auf AWS
TensorFlowist eines von vielen Deep-Learning-Frameworks, die Forschern und Entwicklern zur Verfügung stehen, um ihre Anwendungen mit maschinellem Lernen zu erweitern. AWS bietet umfassende Unterstützung für TensorFlow, sodass Kunden ihre eigenen Modelle in den Bereichen Computer Vision, Verarbeitung natürlicher Sprache, Sprachübersetzung und mehr entwickeln und einsetzen können. Sie können mit TensorFlow der AWS Nutzung von Amazon beginnen SageMaker, einem vollständig verwalteten ML-Service, der es einfach und kostengünstig macht, TensorFlow Modelle in großem Maßstab zu erstellen, zu trainieren und bereitzustellen. Wenn Sie es vorziehen, die Infrastruktur selbst zu verwalten, können Sie die AWS Deep Learning AMI S - oder AWS Deep Learning Containers verwenden, die aus dem Quellcode erstellt und für die Leistung mit der neuesten Version von optimiert wurden TensorFlow , um schnell benutzerdefinierte ML-Umgebungen bereitzustellen.
Amazon Textract ist ein Service, der automatisch Text und Daten aus gescannten Dokumenten extrahiert. Amazon Textract geht über einfaches OCR (Optical Character Recognition) hinaus und ermittelt auch den Inhalt von Feldern in Formularen und Informationen, die in Tabellen gespeichert sind.
Heutzutage extrahieren viele Unternehmen Daten manuell aus gescannten Dokumenten wie PDFs, Bildern, Tabellen und Formularen oder mithilfe einfacher OCR-Software, die eine manuelle Konfiguration erfordert (die häufig aktualisiert werden muss, wenn sich das Formular ändert). Um diese manuellen und teuren Prozesse zu umgehen, verwendet Amazon Textract ML, um alle Arten von Dokumenten zu lesen und zu verarbeiten. Dabei werden Text, Handschrift, Tabellen und andere Daten ohne manuellen Aufwand präzise extrahiert. Amazon Textract bietet Ihnen die Flexibilität, die Daten anzugeben, die Sie mithilfe von Abfragen aus Dokumenten extrahieren müssen. Sie können die benötigten Informationen in Form von Fragen in natürlicher Sprache angeben (z. B. „Wie lautet der Kundenname“). Sie müssen die Datenstruktur des Dokuments (Tabelle, Formular, implizites Feld, verschachtelte Daten) nicht kennen und müssen sich auch keine Gedanken über Variationen zwischen Dokumentversionen und -formaten machen. Amazon Textract Queries wurde mit einer Vielzahl von Dokumenten vortrainiert, darunter Gehaltsabrechnungen, Kontoauszüge, W-2, Kreditantragsformulare, Hypothekenscheine, Forderungsdokumente und Versicherungskarten.
Mit Amazon Textract können Sie die Dokumentenverarbeitung schnell automatisieren und auf der Grundlage der extrahierten Informationen handeln, unabhängig davon, ob Sie die Kreditverarbeitung automatisieren oder Informationen aus Rechnungen und Quittungen extrahieren. Amazon Textract kann die Daten in Minuten statt in Stunden oder Tagen extrahieren. Darüber hinaus können Sie mit Amazon Augmented AI menschliche Bewertungen hinzufügen, um einen Überblick über Ihre Modelle zu erhalten und sensible Daten zu überprüfen.
Amazon Transcribe
Amazon Transcribe ist ein automatischer Spracherkennungsdienst (ASR), der es Kunden leicht macht, Sprache automatisch in Text umzuwandeln. Der Service kann Audiodateien, die in gängigen Formaten wie WAV und MP3 gespeichert sind, mit Zeitstempeln für jedes Wort transkribieren, sodass Sie das Audio in der Originalquelle leicht finden können, indem Sie nach dem Text suchen. Sie können auch einen Live-Audiostream an Amazon Transcribe senden und einen Stream von Transkripten in Echtzeit empfangen. Amazon Transcribe wurde für eine Vielzahl von Sprach- und Geräuscheigenschaften entwickelt, einschließlich Schwankungen in Lautstärke, Tonhöhe und Sprechgeschwindigkeit. Die Qualität und der Inhalt des Audiosignals (einschließlich, aber nicht beschränkt auf Faktoren wie Hintergrundgeräusche, überlappende Sprecher, akzentuierte Sprache oder Sprachwechsel innerhalb einer einzelnen Audiodatei) können die Genauigkeit der Serviceausgabe beeinträchtigen. Kunden können Amazon Transcribe für eine Vielzahl von Geschäftsanwendungen verwenden, darunter die Transkription von sprachbasierten Kundendienstanrufen, die Generierung von Untertiteln für Audio-/Videoinhalte und die Durchführung (textbasierter) Inhaltsanalysen von Audio-/Videoinhalten.
Zwei sehr wichtige Dienste, die von Amazon Transcribe abgeleitet wurden, sind Amazon Transcribe Medical und Amazon Transcribe Call Analytics.
Amazon Transcribe Medical verwendet fortschrittliche ML-Modelle, um medizinische Sprache präzise in Text umzuwandeln. Amazon Transcribe Medical kann Texttranskripte erstellen, die zur Unterstützung einer Vielzahl von Anwendungsfällen verwendet werden können, vom Arbeitsablauf bei der klinischen Dokumentation und der Überwachung der Arzneimittelsicherheit (Pharmakovigilanz) bis hin zur Untertitelung für Telemedizin und sogar Contact-Center-Analysen im Gesundheitswesen und den Biowissenschaften.
Amazon Transcribe Call Analytics ist eine KI-gestützte API, die umfangreiche Anrufprotokolle und umsetzbare Gesprächserkenntnisse bietet, die Sie in ihre Anrufanwendungen integrieren können, um das Kundenerlebnis und die Produktivität der Agenten zu verbessern. Es kombiniert leistungsstarke speech-to-text und maßgeschneiderte Modelle zur Verarbeitung natürlicher Sprache (Natural Language Processing, NLP), die speziell darauf trainiert wurden, Kundenbetreuung und ausgehende Verkaufsgespräche zu verstehen. Als Teil der AWS Contact Center Intelligence (CCI) -Lösungen ist diese API unabhängig vom Kontaktzentrum und erleichtert es Kunden und ISVs, ihren Anwendungen Anrufanalysefunktionen hinzuzufügen.
Der einfachste Weg, mit Amazon Transcribe zu beginnen, besteht darin, einen Job über die Konsole einzureichen, um eine Audiodatei zu transkribieren. Sie können den Service auch direkt von der aus aufrufen oder eines der unterstützten SDKs Ihrer Wahl verwenden AWS Command Line Interface, um ihn in Ihre Anwendungen zu integrieren.
Amazon Translate
Amazon Translate ist ein neuronaler maschineller Übersetzungsdienst, der schnelle, qualitativ hochwertige und erschwingliche Sprachübersetzungen liefert. Neuronale maschinelle Übersetzung ist eine Form der Automatisierung von Sprachübersetzungen, bei der Deep-Learning-Modelle verwendet werden, um genauere und natürlicher klingende Übersetzungen zu liefern als herkömmliche statistische und regelbasierte Übersetzungsalgorithmen. Amazon Translate ermöglicht es Ihnen, Inhalte wie Websites und Anwendungen für Ihre unterschiedlichen Benutzer zu lokalisieren, große Textmengen für Analysezwecke einfach zu übersetzen und die sprachübergreifende Kommunikation zwischen Benutzern effizient zu ermöglichen.
AWS DeepComposer
AWS DeepComposerist das weltweit erste musikalische Keyboard, das auf ML basiert und es Entwicklern aller Qualifikationsstufen ermöglicht, generative KI zu erlernen und gleichzeitig originale Musikausgaben zu erstellen. DeepComposer besteht aus einer USB-Tastatur, die an den Computer des Entwicklers angeschlossen wird, und dem DeepComposer Dienst, auf den über die zugegriffen wird AWS Management Console. DeepComposer enthält Tutorials, Beispielcode und Trainingsdaten, die verwendet werden können, um mit der Erstellung generativer Modelle zu beginnen.
AWS DeepRacer
AWS DeepRacerist ein Rennwagen im Maßstab 1:18, der Ihnen eine interessante und unterhaltsame Art bietet, mit Reinforcement-Learning (RL) zu beginnen. RL ist eine fortgeschrittene ML-Technik, die einen ganz anderen Ansatz für Trainingsmodelle verfolgt als andere ML-Methoden. Ihre Superkraft besteht darin, dass sie sehr komplexe Verhaltensweisen erlernt, ohne dass dafür spezielle Trainingsdaten erforderlich sind, und dass sie kurzfristige Entscheidungen treffen und gleichzeitig für ein längerfristiges Ziel optimieren kann.
Mit haben Sie jetzt die Möglichkeit AWS DeepRacer, RL in die Praxis umzusetzen, zu experimentieren und durch autonomes Fahren zu lernen. Sie können mit dem virtuellen Auto und den Strecken im cloudbasierten 3D-Rennsimulator beginnen. Für ein echtes Erlebnis können Sie Ihre trainierten Modelle einsetzen AWS DeepRacer und gegen Ihre Freunde antreten oder an der globalen AWS DeepRacer
Liga teilnehmen. Entwickler, das Rennen ist eröffnet.
AWS HealthLake
AWS HealthLakeist ein HIPAA-fähiger Service, den Gesundheitsdienstleister, Krankenkassen und Pharmaunternehmen nutzen können, um umfangreiche Gesundheitsdaten zu speichern, zu transformieren, abzufragen und zu analysieren.
Gesundheitsdaten sind häufig unvollständig und inkonsistent. Außerdem sind sie häufig unstrukturiert und enthalten Informationen in klinischen Notizen, Laborberichten, Versicherungsansprüchen, medizinischen Bildern, aufgezeichneten Gesprächen und Zeitreihendaten (z. B. Herz-EKG- oder Gehirn-EEG-Spuren).
Gesundheitsdienstleister können sie verwenden, HealthLake um Daten in der zu speichern, zu transformieren, abzufragen und zu analysieren. AWS Cloud Mithilfe der HealthLake integrierten Funktionen zur Verarbeitung natürlicher Sprache (NLP) in der Medizin können Sie unstrukturierten klinischen Text aus verschiedenen Quellen analysieren. HealthLake transformiert unstrukturierte Daten mithilfe von Modellen zur Verarbeitung natürlicher Sprache und bietet leistungsstarke Abfrage- und Suchfunktionen. Sie können HealthLake damit Patienteninformationen sicher, gesetzeskonform und überprüfbar organisieren, indexieren und strukturieren.
AWS HealthScribe
AWS HealthScribeist ein HIPAA-fähiger Service, der es Anbietern von Gesundheitssoftware ermöglicht, automatisch klinische Notizen zu erstellen, indem Gespräche zwischen Patienten und Ärzten analysiert werden. AWS HealthScribe kombiniert Spracherkennung mit generativer KI, um den Aufwand für die klinische Dokumentation zu reduzieren, indem Gespräche transkribiert und klinische Notizen schnell erstellt werden. Die Gespräche werden segmentiert, um die Sprecherrollen für Patienten und Ärzte zu identifizieren, medizinische Begriffe zu extrahieren und vorläufige klinische Notizen zu erstellen. Zum Schutz sensibler Patientendaten sind Sicherheit und Datenschutz integriert, um sicherzustellen, dass die Audioeingabe und der Ausgangstext nicht gespeichert werden. AWS HealthScribe
AWS Panorama
AWS Panoramaist eine Sammlung von ML-Geräten und einem Software Development Kit (SDK), das Computer Vision (CV) für lokale IP-Kameras (Internet Protocol) bereitstellt. Mit können Sie Aufgaben automatisieren AWS Panorama, für die bisher menschliche Inspektionen erforderlich waren, um die Sichtbarkeit potenzieller Probleme zu verbessern.
Computer Vision kann die visuelle Inspektion für Aufgaben wie die Nachverfolgung von Anlagen zur Optimierung der Lieferkettenabläufe, die Überwachung von Fahrspuren zur Optimierung des Verkehrsmanagements oder die Erkennung von Anomalien zur Bewertung der Fertigungsqualität automatisieren. In Umgebungen mit begrenzter Netzwerkbandbreite oder für Unternehmen mit Datenverwaltungsregeln, die die Verarbeitung und Speicherung von Video vor Ort erfordern, kann es jedoch schwierig oder unmöglich sein, Computer Vision in der Cloud zu implementieren. AWS Panorama
ist ein ML-Service, der es Unternehmen ermöglicht, Computer Vision für Kameras vor Ort bereitzustellen, um lokal Vorhersagen mit hoher Genauigkeit und geringer Latenz zu treffen.
Die AWS Panorama Appliance ist ein Hardwaregerät, das Ihre vorhandenen IP-Kameras um Computer Vision erweitert und die Videofeeds mehrerer Kameras über eine einzige Verwaltungsoberfläche analysiert. Es generiert Vorhersagen am Rand innerhalb von Millisekunden, sodass Sie über potenzielle Probleme informiert werden können, z. B. wenn beschädigte Produkte an einer schnell laufenden Produktionslinie entdeckt werden oder wenn ein Fahrzeug in eine gefährliche Sperrzone in einem Lagerhaus geraten ist. Und Drittanbieter entwickeln neue, AWS Panorama fähige Kameras und Geräte, um noch mehr Formfaktoren für Ihre individuellen Anwendungsfälle bereitzustellen. Damit können AWS Panorama Sie ML-Modelle von verwenden AWS , um Ihre eigenen Computer-Vision-Anwendungen zu erstellen, oder mit einem Partner aus der Branche zusammenarbeiten, AWS Partner Network um CV-Anwendungen schnell zu erstellen.
