Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # Tutorial: Memulai di Konsol Amazon A2I Tutorial berikut menunjukkan cara memulai menggunakan Amazon A2I di konsol Amazon A2I. Tutorial ini memberi Anda opsi untuk menggunakan Augmented AI dengan Amazon Textract untuk peninjauan dokumen atau Amazon Rekognition untuk tinjauan konten gambar. ## Prasyarat Untuk mulai menggunakan Amazon A2I, lengkapi prasyarat berikut. + Buat bucket Amazon S3 di AWS Wilayah yang sama dengan alur kerja untuk data input dan output Anda. Misalnya, jika Anda menggunakan Amazon A2I dengan Amazon Textract di us-east-1, buat bucket Anda di us-east-1. Untuk membuat bucket, ikuti petunjuk di [Membuat Bucket](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/create-bucket.html) di *Panduan Pengguna Amazon Simple Storage Service Console*. + Lakukan salah satu tindakan berikut: + Jika Anda ingin menyelesaikan tutorial menggunakan Amazon Ttract, unduh gambar berikut dan letakkan di ember Amazon S3 Anda. ![Aplikasi kerja singkat](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/a2i/getting-started/sample-document-final.png) + Jika Anda ingin menyelesaikan tutorial menggunakan Amazon Rekognition, unduh gambar berikut dan letakkan di ember Amazon S3 Anda. ![Wanita berbikini melakukan yoga di pantai](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/a2i/getting-started/yoga_swimwear_resized.jpg) **catatan** Konsol Amazon A2I tertanam di konsol SageMaker AI. ## Langkah 1: Buat Tim Kerja Pertama, buat tim kerja di konsol Amazon A2I dan tambahkan diri Anda sebagai pekerja sehingga Anda dapat melihat pratinjau tugas peninjauan pekerja. **penting** Tutorial ini menggunakan tim kerja pribadi. Tenaga kerja pribadi Amazon A2I dikonfigurasi di area Ground Truth dari konsol SageMaker AI dan dibagi antara Amazon A2I dan Ground Truth. **Untuk membuat tenaga kerja pribadi menggunakan email pekerja** 1. Buka konsol SageMaker AI di [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/). 1. **Di panel navigasi, pilih **Pelabelan tenaga kerja** di bawah Ground Truth.** 1. Pilih **Private**, lalu pilih **Create Private Team**. 1. Pilih **Undang pekerja baru melalui email**. 1. Untuk tutorial ini, masukkan email Anda dan lainnya yang Anda inginkan untuk dapat melihat UI tugas manusia. Anda dapat menempelkan atau mengetik daftar hingga 50 alamat email, dipisahkan dengan koma, ke dalam kotak alamat email. 1. Masukkan nama organisasi dan email kontak. 1. Secara opsional, pilih topik Amazon SNS untuk berlangganan tim sehingga pekerja diberi tahu melalui email saat pekerjaan pelabelan Ground Truth baru tersedia. Notifikasi Amazon SNS didukung oleh Ground Truth dan tidak didukung oleh Augmented AI. Jika Anda berlangganan notifikasi Amazon SNS kepada pekerja, mereka hanya menerima pemberitahuan tentang pekerjaan pelabelan Ground Truth. Mereka tidak menerima pemberitahuan tentang tugas Augmented AI. 1. Pilih **Buat tim pribadi**. Jika Anda menambahkan diri Anda ke tim kerja pribadi, Anda menerima email dari `no-reply@verificationemail.com` dengan informasi login. Gunakan tautan di email ini untuk mengatur ulang kata sandi Anda dan masuk ke portal pekerja Anda. Di sinilah tugas peninjauan manusia Anda muncul saat Anda membuat lingkaran manusia. ## Langkah 2: Buat Alur Kerja Tinjauan Manusia Pada langkah ini, Anda membuat alur kerja tinjauan manusia. Setiap alur kerja tinjauan manusia dibuat untuk [jenis tugas](https://docs.aws.amazon.com/sagemaker/latest/dg/a2i-task-types-general.html) tertentu. Tutorial ini memungkinkan Anda untuk memilih antara jenis tugas bawaan: Amazon Rekognition dan Amazon Textract. **Untuk membuat alur kerja tinjauan manusia:** 1. Buka konsol Augmented AI [https://console---aws.amazon.com.rproxy.govskope.cadi](https://console.aws.amazon.com/a2i/) /a2i untuk mengakses halaman alur kerja tinjauan Manusia**.** 1. Pilih **Buat alur kerja tinjauan manusia**. 1. Dalam **pengaturan alur kerja**, masukkan **Nama** alur kerja, **bucket S3**, dan **peran IAM** yang Anda buat untuk tutorial ini, dengan kebijakan terkelola terlampir. AWS `AmazonAugmentedAIIntegratedAPIAccess` 1. **Untuk **jenis Tugas**, pilih **Textract — Ekstraksi pasangan nilai-kunci atau** Rekognition — Moderasi gambar.** 1. Pilih jenis tugas yang Anda pilih dari tabel berikut untuk instruksi untuk jenis tugas tersebut. ------ #### [ Amazon Textract – Key-value pair extraction ] 1. Pilih **Memicu tinjauan manusia untuk kunci formulir tertentu berdasarkan skor kepercayaan kunci formulir atau ketika kunci formulir tertentu hilang**. 2. Untuk **nama kunci**, masukkan`Mail Address`. 3. Tetapkan ambang kepercayaan identifikasi antara `0` dan`99`. 4. Tetapkan ambang kepercayaan kualifikasi antara `0` dan`99`. 5. Pilih **Memicu ulasan manusia untuk semua kunci formulir yang diidentifikasi oleh Amazon Textract dengan skor kepercayaan dalam rentang tertentu**. 6. Tetapkan ambang kepercayaan identifikasi antara `0` dan`90`. 7. Tetapkan ambang kepercayaan kualifikasi antara `0` dan`90`. Ini memulai tinjauan manusia jika Amazon Ttract mengembalikan skor kepercayaan yang `99` kurang dari `Mail Address` untuk dan kuncinya, atau jika mengembalikan skor kepercayaan `90` kurang dari untuk pasangan nilai kunci yang terdeteksi dalam dokumen. Gambar berikut menunjukkan ekstraksi formulir Amazon Textract - Ketentuan untuk menjalankan bagian tinjauan manusia dari konsol Amazon A2I. Pada gambar, kotak centang untuk dua jenis pemicu yang dijelaskan dalam paragraf selanjutnya dicentang, dan `Mail Address` digunakan sebagai **nama Kunci** untuk pemicu pertama. Ambang batas kepercayaan identifikasi didefinisikan menggunakan skor kepercayaan untuk pasangan nilai kunci yang dideteksi dalam formulir dan ditetapkan antara 0 dan 99. Ambang batas kepercayaan kualifikasi didefinisikan menggunakan skor kepercayaan untuk teks yang terkandung dalam kunci dan nilai dalam formulir dan ditetapkan antara 0 dan 99. ![Konsol Amazon A2I yang menunjukkan kondisi untuk memanggil bagian tinjauan manusia.](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/a2i/getting-started/Textract-conditions.png) ------ #### [ Amazon Rekognition – Image moderation ] 1. Pilih **Trigger tinjauan manusia untuk label yang diidentifikasi oleh Amazon Rekognition berdasarkan skor kepercayaan** label. 2. Atur **Ambang Batas** antara `0` dan`98`. Ini memulai tinjauan manusia jika Amazon Rekognition mengembalikan skor kepercayaan yang `98` kurang dari untuk pekerjaan moderasi gambar. Gambar berikut menunjukkan bagaimana Anda dapat memilih **tinjauan manusia Pemicu untuk label yang diidentifikasi oleh Amazon Rekognition berdasarkan opsi skor kepercayaan label** dan memasukkan Ambang antara 0 dan **98** di konsol Amazon A2I. ![Konsol Amazon A2I yang menunjukkan kondisi untuk memanggil bagian tinjauan manusia.](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/a2i/getting-started/Rek-conditions.png) ------ 1. Di bawah **Pembuatan templat tugas pekerja**, pilih **Buat dari templat default**. 1. Masukkan **nama Template**. 1. Di bidang **Deskripsi tugas**, masukkan teks berikut: `Read the instructions carefully and complete the task.` 1. Di bawah **Pekerja**, pilih **Pribadi**. 1. Pilih tim pribadi yang Anda buat. 1. Pilih **Buat**. Setelah alur kerja tinjauan manusia Anda dibuat, itu akan muncul di tabel di halaman **alur kerja tinjauan Manusia**. Saat **Status**`Active`, salin dan simpan ARN Alur Kerja. Anda membutuhkannya untuk langkah selanjutnya. ## Langkah 3: Mulai Loop Manusia Anda harus menggunakan operasi API untuk memulai loop manusia. Ada berbagai bahasa khusus SDKs yang dapat Anda gunakan untuk berinteraksi dengan operasi API ini. Untuk melihat dokumentasi masing-masing SDKs, lihat bagian **Lihat Juga** di dokumentasi API, seperti yang ditunjukkan pada gambar berikut. ![Screenshot dari bagian Lihat Juga pada dokumentasi Amazon Textract API](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/a2i/getting-started/see-also.png) Untuk tutorial ini, Anda menggunakan salah satu dari berikut ini APIs: + Jika Anda memilih jenis tugas Amazon Texttract, Anda menggunakan operasi. `[AnalyzeDocument](https://docs.aws.amazon.com/textract/latest/dg/API_AnalyzeDocument.html)` + Jika Anda memilih jenis tugas Amazon Rekognition, Anda menggunakan operasi. `[DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/dg/API_DetectModerationLabels.html)` Anda dapat berinteraksi dengan ini APIs menggunakan instance SageMaker notebook (direkomendasikan untuk pengguna baru) atau AWS Command Line Interface (AWS CLI). Pilih salah satu dari berikut ini untuk mempelajari lebih lanjut tentang opsi ini: + Untuk mempelajari lebih lanjut tentang dan menyiapkan instance notebook, lihat[Instans SageMaker notebook Amazon](nbi.md). + Untuk mempelajari selengkapnya dan mulai menggunakan AWS CLI, lihat [Apa itu Antarmuka Baris AWS Perintah?](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-welcome.html) dalam *AWS Command Line Interface User Guide*. Pilih jenis tugas Anda di tabel berikut untuk melihat contoh permintaan Amazon Textract dan Amazon Rekognition menggunakan file. AWS SDK untuk Python (Boto3) ------ #### [ Amazon Textract – Key-value pair extraction ] Contoh berikut menggunakan AWS SDK untuk Python (Boto3) to call `analyze_document` in us-west-2. Ganti teks merah yang dicetak miring dengan sumber daya Anda. Sertakan [https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html)parameter jika Anda menggunakan tenaga kerja Amazon Mechanical Turk. Untuk informasi selengkapnya, lihat `[analyze\_document](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/textract.html#Textract.Client.analyze_document)` dokumentasi di *Referensi AWS SDK for Python (Boto) API*. ``` response = client.analyze_document( Document={ "S3Object": { "Bucket": "{{amzn-s3-demo-bucket}}", "Name": "{{document-name.pdf}}" } }, HumanLoopConfig={ "FlowDefinitionArn":"{{arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name}}", "HumanLoopName":"{{human-loop-name}}", "DataAttributes" : { "ContentClassifiers":[{{"FreeOfPersonallyIdentifiableInformation"}},{{"FreeOfAdultContent"}}] } }, FeatureTypes=["TABLES", "FORMS"]) ``` ------ #### [ Amazon Rekognition – Image moderation ] Contoh berikut menggunakan AWS SDK untuk Python (Boto3) to call `detect_moderation_labels` in us-west-2. Ganti teks merah yang dicetak miring dengan sumber daya Anda. Sertakan [https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html)parameter jika Anda menggunakan tenaga kerja Amazon Mechanical Turk. Untuk informasi selengkapnya, lihat `[detect\_moderation\_labels](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/rekognition.html#Rekognition.Client.detect_moderation_labels)` dokumentasi di *Referensi AWS SDK for Python (Boto) API*. ``` response = client.detect_moderation_labels( Image={ "S3Object":{ "Bucket": "{{amzn-s3-demo-bucket}}", "Name": "{{image-name.png}}" } }, HumanLoopConfig={ "FlowDefinitionArn":"{{arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name}}", "HumanLoopName":"{{human-loop-name}}", "DataAttributes":{ ContentClassifiers:[{{"FreeOfPersonallyIdentifiableInformation"}}|{{"FreeOfAdultContent"}}] } }) ``` ------ ## Langkah 4: Lihat Status Loop Manusia di Konsol Saat Anda memulai loop manusia, Anda dapat melihat statusnya di konsol Amazon A2I. **Untuk melihat status loop manusia Anda** 1. Buka konsol Augmented AI [https://console---aws.amazon.com.rproxy.govskope.cadi](https://console.aws.amazon.com/a2i/) /a2i untuk mengakses halaman alur kerja tinjauan Manusia**.** 1. Pilih alur kerja tinjauan manusia yang Anda gunakan untuk memulai loop manusia Anda. 1. Di bagian **Human loop**, Anda dapat melihat lingkaran manusia Anda. Lihat statusnya di kolom **Status**. ## Langkah 5: Unduh Data Output Data keluaran Anda disimpan di bucket Amazon S3 yang Anda tentukan saat membuat alur kerja tinjauan manusia. **Untuk melihat data keluaran Amazon A2I Anda** 1. Buka [konsol Amazon S3](https://console.aws.amazon.com/s3/). 1. Pilih bucket Amazon S3 yang Anda tentukan saat membuat alur kerja tinjauan manusia di langkah 2 contoh ini. 1. Dimulai dengan folder yang dinamai sesuai alur kerja peninjauan manusia Anda, arahkan ke data keluaran Anda dengan memilih folder dengan konvensi penamaan berikut: ``` s3://{{output-bucket-specified-in-human-review-workflow}}/{{human-review-workflow-name}}/{{YYYY}}/{{MM}}/{{DD}}/{{hh}}/{{mm}}/{{ss}}/{{human-loop-name}}/output.json ``` 1. Pilih `output.json` dan pilih **Unduh**.