Menggunakan Amazon Augmented AI dengan Jenis Tugas Kustom

Anda dapat menggunakan Amazon Augmented AI (Amazon A2I) untuk memasukkan peninjauan manusia (human loop) keapa punalur kerja pembelajaran mesin menggunakanJenis tugas kustom. Opsi ini memberi Anda fleksibilitas paling banyak untuk menyesuaikan kondisi di mana objek data Anda dikirim ke manusia untuk ditinjau, serta tampilan dan nuansa antarmuka pengguna pekerja Anda.

Ketika Anda menggunakan jenis tugas kustom, Anda membuat alur kerja tinjauan manusia kustom dan menentukan kondisi di mana objek data dikirim untuk peninjauan manusia secara langsung di aplikasi Anda.

Gambar berikut menggambarkan alur kerja kustom Amazon A2I. Model ML-kustom digunakan untuk menghasilkan prediksi. Aplikasi klien menyaring prediksi ini menggunakan kriteria yang ditetapkan pengguna dan menentukan apakah tinjauan manusia diperlukan. Jika demikian, prediksi ini dikirim ke Amazon A2I untuk peninjauan manusia. Amazon A2I mengumpulkan hasil tinjauan manusia di Amazon S3, yang dapat diakses oleh aplikasi klien. Jika filter menentukan bahwa tidak ada tinjauan manusia diperlukan, prediksi dapat diumpankan langsung ke aplikasi klien.

Gunakan prosedur di halaman ini untuk mempelajari cara mengintegrasikan Amazon A2I ke dalam alur kerja machine learning apa pun menggunakan tipe tugas khusus.

Buat loop manusia menggunakan definisi aliran, integrasikan ke dalam aplikasi Anda, dan pantau hasilnya

1. Lengkapi Amazon A2IPrasyarat untuk Menggunakan Augmented AI. Perhatikan hal berikut:

   • Jalur ke bucket Amazon Simple Storage Service (Amazon S3) tempat Anda menyimpan data input dan output.

   • Amazon Resource Name (ARN) dariAWS Identity and Access Management(IAM) peran dengan izin yang diperlukan dilampirkan.

   • (Opsional) ARN tenaga kerja pribadi Anda, jika Anda berencana untuk menggunakannya.

2. Menggunakan elemen HTML, buat templat pekerja khusus yang digunakan Amazon A2I untuk menghasilkan UI tugas pekerja Anda. Untuk mempelajari cara membuat template kustom, lihatBuat Templat Tugas Pekerja Kustom.

3. Gunakan template pekerja khusus dari langkah 2 untuk menghasilkan template tugas pekerja di konsol Amazon SageMaker. Untuk mempelajari caranya, lihat Buat Template Tugas Pekerja.

   Pada langkah berikutnya, Anda membuat definisi aliran:

   • Jika Anda ingin membuat definisi aliran menggunakan SageMaker API, perhatikan ARN template tugas pekerja ini untuk langkah berikutnya.

   • Jika Anda membuat definisi aliran menggunakan konsol, template Anda secara otomatis muncul diTemplat tugas pekerjabagian ketika Anda memilihBuat alur kerja peninjauan manusia.

4. Saat membuat definisi alur, berikan jalur ke bucket S3, ARN peran IAM Anda, dan templat pekerja Anda.

   • Untuk mempelajari cara membuat definisi aliran menggunakan SageMakerCreateFlowDefinitionAPI, lihatMembuat Workflow Tinjauan Manusia (API).

   • Untuk mempelajari cara membuat definisi aliran menggunakan konsol SageMaker, lihatMembuat Alur Kerja Tinjauan Manusia (Konsol).

5. Konfigurasikan loop manusia Anda menggunakanAmazon A2I. Untuk mempelajari caranya, lihat Membuat dan Memulai Loop Manusia.

6. Untuk mengontrol kapan tinjauan manusia dimulai dalam aplikasi Anda, tentukan kondisi di manaStartHumanLoopdisebut dalam aplikasi Anda. Kondisi aktivasi loop manusia, seperti ambang kepercayaan yang memulai loop manusia, tidak tersedia saat menggunakan Amazon A2I dengan tipe tugas khusus. SETIAPStartHumanLoophasil doa dalam tinjauan manusia.

Setelah memulai loop manusia, Anda dapat mengelola dan memantau loop menggunakan Amazon Augmented AI Runtime API dan Amazon EventBridge (juga dikenal sebagai Amazon CloudWatch Events). Untuk mempelajari selengkapnya, lihat Pantau dan Kelola Loop Manusia Anda.

Tutorial Akhir Menggunakan Jenis Tugas Kustom Amazon A2I

Untuk contoh end-to-end yang menunjukkan cara mengintegrasikan Amazon A2I ke dalam berbagai alur kerja ML, lihat tabel diContoh Kasus Penggunaan Amazon A2I. Untuk mulai menggunakan salah satu notebook ini, lihatGunakan Instans Notebook SageMaker dengan Notebook Amazon A2I Jupyter.