As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Usar o Amazon Augmented AI com tipos de tarefas personalizadas
Você pode usar o Amazon Augmented AI (Amazon A2I) para incorporar uma revisão humana (loop humano) em *qualquer* fluxo de trabalho de machine learning usando o *tipo de tarefa personalizada*. Essas opções oferecem maior flexibilidade para personalizar as condições sob as quais seus objetos de dados são enviados a humanos para revisão, bem como a aparência da interface do usuário do trabalhador.
Ao usar um tipo de tarefa personalizado, você cria um fluxo de trabalho de revisão humana personalizado e especifica as condições sob as quais um objeto de dados é enviado para revisão humana diretamente em seu aplicativo.
A imagem a seguir mostra o fluxo de trabalho personalizado do Amazon A2I. Um modelo de ML personalizado é usado para gerar predições. A aplicação cliente filtra essas predições usando critérios definidos pelo usuário e determina se uma análise humana é necessária. Nesse caso, essas previsões são enviadas ao Amazon A2I para análise humana. O Amazon A2I coleta os resultados da análise humana no Amazon S3, que podem ser acessados pela aplicação cliente. Se o filtro determinar que nenhuma revisão humana é necessária, as previsões podem ser alimentadas diretamente na aplicação do cliente.
Use os procedimentos nesta página para saber como integrar o Amazon A2I a qualquer fluxo de trabalho de machine learning usando o tipo de tarefa personalizada.
**Crie um loop humano usando uma definição de fluxo, integrá-lo ao seu aplicativo e monitorar os resultados**
1. Conclua o [Pré-requisitos para usar a IA Augmented](a2i-getting-started-prerequisites.md) do Amazon A2I. Observe o seguinte:
+ O caminho para o bucket ou buckets do Amazon Simple Storage Service (Amazon S3) em que você armazena seus dados de entrada e saída.
+ O Amazon Resource Name (ARN) de uma função AWS Identity and Access Management (IAM) com as permissões necessárias anexadas.
+ (Opcional) O ARN da sua força de trabalho privada, se você planeja usar uma.
1. Usando elementos HTML, crie um modelo de operador personalizado que o Amazon A2I usa para gerar a interface do operador da tarefa de operador. Para saber como criar um modelo personalizado, consulte [Criar modelos personalizados de tarefas para operadores](a2i-custom-templates.md).
1. Use o modelo de trabalhador personalizado da etapa 2 para gerar um modelo de tarefa de trabalhador no console do Amazon SageMaker AI. Para saber como, consulte [Criar um modelo de tarefa de trabalho](a2i-worker-template-console.md#a2i-create-worker-template-console).
Na próxima etapa, você cria uma definição de fluxo:
+ Se você quiser criar uma definição de fluxo usando a SageMaker API, anote o ARN desse modelo de tarefa de trabalho para a próxima etapa.
+ Se você estiver criando uma definição de fluxo usando o console, seu modelo aparecerá automaticamente na seção **Modelo de tarefa de operador** quando você escolher **Criar fluxo de trabalho de análise humana**.
1. Ao criar sua definição de fluxo, forneça o caminho para seus buckets S3, seu ARN de perfil do IAM e seu modelo de trabalhador.
+ Para saber como criar uma definição de fluxo usando a `CreateFlowDefinition` API SageMaker AI, consulte[Criar um fluxo de trabalho de análise humana (API)](a2i-create-flow-definition.md#a2i-create-human-review-api).
+ Para saber como criar uma definição de fluxo usando o console de SageMaker IA, consulte[Criar um fluxo de trabalho de análise humana (console)](a2i-create-flow-definition.md#a2i-create-human-review-console).
1. Configure seu loop humano usando a [API do Amazon A2I Runtime](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/Welcome.html). Para saber como, consulte [Criar e iniciar um loop humano](a2i-start-human-loop.md).
1. Para controlar quando as análises humanas são iniciadas em seu aplicativo, especifique as condições nas quais o `StartHumanLoop` é chamado no seu aplicativo personalizado. As condições de ativação de loop humano, como limites de confiança que acionam o loop humano, não estão disponíveis ao usar o Amazon A2I com tipos de tarefa personalizados. Cada invocação de `StartHumanLoop` resulta em uma revisão humana.
Depois de iniciar um loop humano, você pode gerenciar e monitorar seus loops usando a API Amazon Augmented AI Runtime e a Amazon EventBridge (também conhecida como Amazon CloudWatch Events). Para saber mais, consulte [Monitorar e gerenciar seu loop humano](a2i-monitor-humanloop-results.md).
## End-to-end Tutorial usando tipos de tarefas personalizadas do Amazon A2I
Para ver end-to-end exemplos que demonstram como integrar o Amazon A2I a uma variedade de fluxos de trabalho de ML, consulte a tabela em. [Casos de uso e exemplos usando o Amazon A2I](a2i-task-types-general.md) Para começar a usar um desses cadernos, consulte [Use a instância do SageMaker notebook com o Amazon A2I Jupyter Notebook](a2i-task-types-general.md#a2i-task-types-notebook-demo).