Casos de uso e exemplos usando o Amazon A2I

Você pode usar o Amazon Augmented AI para integrar uma revisão humana em seu fluxo de trabalho para tipos de tarefas integrados, Amazon Textract e Amazon Rekognition, ou suas próprias tarefas personalizadas usando um tipo de tarefa personalizado.

Ao criar uma definição de fluxo usando um dos tipos de tarefa integrados, você poderá especificar condições, como limites de confiança, que acionarão uma análise humana. O serviço (Amazon Rekognition ou Amazon Textract) cria um loop humano em seu nome quando essas condições são atendidas e fornece seus dados de entrada diretamente ao Amazon A2I para enviar aos revisores humanos. Para saber mais sobre os tipos de tarefas integradas, use o seguinte:

• Use o Amazon Augmented AI com o Amazon Textract

• Use o Amazon Augmented AI com o Amazon Rekognition.

Ao usar um tipo de tarefa personalizado, você cria e inicia um loop humano usando a API de runtime do Amazon A2I. Use o tipo de tarefa personalizado para incorporar um fluxo de trabalho de análise humana com outro serviço de AWS ou seu próprio aplicativo ML personalizado.

• Para obter mais detalhes, consulte Use o Amazon Augmented AI com tipos de tarefas personalizadas.

A tabela a seguir descreve uma variedade de casos de uso do Amazon A2I que você pode explorar usando SageMaker os notebooks Jupyter. Para começar a usar um caderno Jupyter, use as instruções em Use a instância do SageMaker notebook com o Amazon A2I Jupyter Notebook. Para obter mais exemplos, consulte este GitHubrepositório.

Caso de uso	Descrição	Tipo de tarefa
Use o Amazon A2I com o Amazon Textract	Faça com que humanos revisem documentos de uma única página para revisar pares importantes de valores-chave de formulários ou faça com que o Amazon Textract colete amostras e envie aleatoriamente documentos do seu conjunto de dados para serem analisados por humanos.	Integrado
Use o Amazon A2I com o Amazon Rekognition	Faça com que humanos revisem imagens inseguras em busca de conteúdo adulto explícito ou violento se o Amazon Rekognition retornar uma pontuação de confiança baixa, ou faça com que o Amazon Rekognition obtenha amostras aleatórias e envie imagens do seu conjunto de dados para humanos para análise.	Integrado
Use o Amazon A2I com o Amazon Comprehend	Faça com que os humanos que revisem as inferências do Amazon Comprehend sobre dados de texto, como análise de sentimentos, sintaxe de texto e detecção de entidades.	Personalizar
Use o Amazon A2I com o Amazon Transcribe	Peça aos humanos que revisem as transcrições de arquivos de vídeo ou áudio do Amazon Transcribe. Use os resultados dos ciclos de revisão humana de transcrição para criar um vocabulário personalizado e melhorar transcrições futuras de conteúdo semelhante de vídeo ou áudio.	Personalizar
Use o Amazon A2I com o Amazon Transcribe	Peça aos humanos que revisem traduções de baixa confiança devolvidas pelo Amazon Translate.	Personalizar
Use o Amazon A2I para analisar inferências de ML em tempo real	Use o Amazon A2I para analisar inferências em tempo real e de baixa confiança feitas por um modelo implantado em um endpoint SageMaker hospedado e treinar incrementalmente seu modelo usando dados de saída do Amazon A2I.	Personalizar
Use o Amazon A2I para analisar dados tabulares	Use o Amazon A2I para integrar um ciclo de revisão humana em um aplicativo de ML que usa dados tabulares.	Personalizar

Tópicos

• Use a instância do SageMaker notebook com o Amazon A2I Jupyter Notebook
• Use o Amazon Augmented AI com o Amazon Textract
• Use o Amazon Augmented AI com o Amazon Rekognition.
• Use o Amazon Augmented AI com tipos de tarefas personalizadas

Use a instância do SageMaker notebook com o Amazon A2I Jupyter Notebook

Para um end-to-end exemplo que demonstra como integrar um ciclo de revisão humana Amazon A2I em um fluxo de trabalho de aprendizado de máquina, você pode usar um notebook Jupyter desse GitHub repositório em uma instância de notebook. SageMaker

Para usar um notebook de exemplo de tipo de tarefa personalizado Amazon A2I em uma instância de SageMaker notebook da Amazon:

1. Se você não tiver uma instância ativa do SageMaker notebook, crie uma seguindo as instruções emEtapa 1: criar uma instância do Amazon SageMaker Notebook para o tutorial.

2. Quando a instância do notebook estiver ativa, escolha Abrir JupyterLab à direita do nome da instância do notebook. Pode levar alguns instantes JupyterLab para carregar.

3. Escolha o ícone para clonar um GitHub repositório em seu espaço de trabalho.

4. Insira o URL HTTPS do i-sample-jupyter-notebooks repositório amazon-a2.

5. Escolha CLONE (CLONAR).

6. Abra o bloco de anotações que você deseja executar.

7. Siga as instruções no bloco de anotações para configurar a definição do fluxo e do loop humano e executar as células.

8. Para evitar cobranças desnecessárias, ao terminar a demonstração, interrompa e exclua sua instância de notebook, além de quaisquer buckets, funções do IAM CloudWatch e recursos de eventos do Amazon S3 criados durante a demonstração.