View a markdown version of this page

Gunakan Amazon Augmented AI dengan Jenis Tugas Kustom - Amazon SageMaker AI
End-to-end Tutorial Menggunakan Jenis Tugas Kustom Amazon A2I

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Gunakan Amazon Augmented AI dengan Jenis Tugas Kustom

catatan

Amazon SageMaker A2I tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk A2I, tetapi kami tidak berencana untuk memperkenalkan fitur baru.

Anda dapat menggunakan Amazon Augmented AI (Amazon A2I) untuk memasukkan tinjauan manusia (human loop) ke dalam alur kerja pembelajaran mesin apa pun menggunakan jenis tugas khusus. Opsi ini memberi Anda fleksibilitas paling besar untuk menyesuaikan kondisi di mana objek data Anda dikirim ke manusia untuk ditinjau, serta tampilan dan nuansa antarmuka pengguna pekerja Anda.

Saat Anda menggunakan jenis tugas khusus, Anda membuat alur kerja peninjauan manusia khusus dan menentukan kondisi di mana objek data dikirim untuk ditinjau oleh manusia secara langsung di aplikasi Anda.

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

Gunakan Amazon Augmented AI dengan Jenis Tugas Kustom.

Gunakan prosedur di halaman ini untuk mempelajari cara mengintegrasikan Amazon A2I ke alur kerja pembelajaran mesin apa pun menggunakan jenis tugas khusus.

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

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

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

    • Nama Sumber Daya Amazon (ARN) dari peran AWS Identity and Access Management (IAM) dengan izin yang diperlukan terlampir.

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

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

  3. Gunakan templat pekerja kustom dari langkah 2 untuk membuat template tugas pekerja di konsol Amazon SageMaker AI. Untuk mempelajari caranya, lihat Membuat Templat Tugas Pekerja.

    Pada langkah selanjutnya, Anda membuat definisi aliran:

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

    • Jika Anda membuat definisi alur menggunakan konsol, templat Anda secara otomatis muncul di bagian Template tugas Pekerja saat Anda memilih Buat alur kerja peninjauan manusia.

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

  5. Konfigurasikan human loop Anda menggunakan Amazon A2I Runtime API. Untuk mempelajari caranya, lihat Membuat dan Memulai Human Loop.

  6. Untuk mengontrol kapan tinjauan manusia dimulai dalam aplikasi Anda, tentukan kondisi di mana StartHumanLoop dipanggil dalam aplikasi Anda. Kondisi aktivasi loop manusia, seperti ambang kepercayaan yang memulai loop manusia, tidak tersedia saat menggunakan Amazon A2I dengan jenis tugas khusus. Setiap StartHumanLoop permohonan menghasilkan 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 Ev CloudWatch ents). Untuk mempelajari selengkapnya, lihat Pantau dan Kelola Human Loop Anda.

End-to-end Tutorial Menggunakan Jenis Tugas Kustom Amazon A2I

Untuk contoh ujung ke ujung yang menunjukkan cara mengintegrasikan Amazon A2I ke dalam berbagai alur kerja ML, lihat tabel di. Kasus Penggunaan dan Contoh Menggunakan Amazon A2I Untuk mulai menggunakan salah satu buku catatan ini, lihatMenggunakan Instans SageMaker Notebook dengan Notebook Amazon A2I Jupyter.