本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 使用 Amazon A2I 的使用案例和範例
您可以使用 Amazon 增強版 AI，將人工審核納入*內建任務類型*、Amazon Textract 和 Amazon Rekognition 的工作流程中，或使用*自訂任務類型*的自訂任務。
使用其中一種內建任務類型來建立流程定義時，您可以指定條件，例如啟動人工審核的可信度閾值。當滿足這些條件時，該服務 (Amazon Rekognition 或 Amazon Textract) 代表您建立一個人工循環，並將您的輸入資料直接提供給 Amazon A2I，以便發送給人工審核者。若要進一步了解內建任務類型，使用下列清單：
+ [搭配使用 Amazon 增強版 AI 與 Amazon Textract](a2i-textract-task-type.md)
+ [將 Amazon 增強版 AI 與 Amazon Rekognition 搭配使用](a2i-rekognition-task-type.md)
使用自訂任務類型時，您可以使用 Amazon A2I 執行期 API 來建立並啟動人工循環。使用自訂任務類型，將人工審核工作流程與其他 AWS 服務或您自己的自訂機器學習 (ML) 應用程式合併。
+ 如需詳細資訊，請參閱 [搭配使用自訂任務類型和 Amazon 增強版 AI](a2i-task-types-custom.md)。
下表概述了您可以使用 SageMaker AI Jupyter 筆記本探索的各種 Amazon A2I 使用案例。若要開始使用 Jupyter 筆記本，請使用[將 SageMaker 筆記本執行個體與 Amazon A2I Jupyter 筆記本搭配使用](#a2i-task-types-notebook-demo)中的指示。如需更多範例，請參閱此 [GitHub 儲存庫](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks)。
****
| **使用案例** | **Description** | **任務類型** |
| --- | --- | --- |
| [將 Amazon A2I 與 Amazon Textract 搭配使用](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Textract%20AnalyzeDocument.ipynb) | 讓人員在單頁文件中審核重要的索引鍵值對，或讓 Amazon Textract 隨機取樣並將資料集中的文件傳送給人員進行審核。 | 內建 |
| [將 Amazon A2I 與 Amazon Rekognition 搭配使用](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Rekognition%20DetectModerationLabels.ipynb) | 如果 Amazon Rekognition 回傳低可信度分數，請人工審核不安全的影像是否有明確的成人或暴力內容，或讓 Amazon Rekognition 隨機抽樣並將影像從您的資料集傳送給人員進行審核。 | 內建 |
| [將 Amazon A2I 與 Amazon Comprehend 搭配使用](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Comprehend%20DetectSentiment.ipynb) | 讓人員審核有關文字資料 (例如情緒分析、文字語法和實體偵測) 的 Amazon Comprehend 推論。 | Custom |
| [將 Amazon A2I 與 Amazon Transcribe 搭配使用](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/A2I-Video-Transcription-with-Amazon-Transcribe.ipynb) | 讓人工審核 Amazon Transcribe 視訊或音訊文件的轉錄。使用轉錄人工審核循環的結果，來建立自訂詞彙並改善類似視訊或音訊內容的未來轉錄。 | Custom |
| [將 Amazon A2I 與 Amazon Translate 搭配使用](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Amazon%20Translate.ipynb) | 使用人工審核從 Amazon Translate 交還的低信度翻譯。 | Custom |
| [使用 Amazon A2I 審核即時機器學習 (ML) 推論](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20A2I%20with%20Amazon%20SageMaker%20for%20object%20detection%20and%20model%20retraining.ipynb) | 使用 Amazon A2I 審核部署到 SageMaker AI 託管端點的模型所做的即時、低可信度推論，並使用 Amazon A2I 輸出資料逐步訓練模型。 | Custom |
| [使用 Amazon A2I 來審核表格資料](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(Amazon%20A2I)%20Integration%20with%20tabular%20data.ipynb) | 使用 Amazon A2I 將人工審核循環集成到使用表格資料的機器學習 (ML) 應用程式中。 | Custom |
**Topics**
+ [將 SageMaker 筆記本執行個體與 Amazon A2I Jupyter 筆記本搭配使用](#a2i-task-types-notebook-demo)
+ [搭配使用 Amazon 增強版 AI 與 Amazon Textract](a2i-textract-task-type.md)
+ [將 Amazon 增強版 AI 與 Amazon Rekognition 搭配使用](a2i-rekognition-task-type.md)
+ [搭配使用自訂任務類型和 Amazon 增強版 AI](a2i-task-types-custom.md)
## 將 SageMaker 筆記本執行個體與 Amazon A2I Jupyter 筆記本搭配使用
如需示範如何將 Amazon A2I 人工審核循環整合至機器學習工作流程的端對端範例，您可以在 SageMaker 筆記本執行個體中使用此 [GitHub 儲存庫](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks)中的 Jupyter 筆記本。
**在 Amazon SageMaker 筆記本執行個體中使用 Amazon A2I 自訂任務類型範例筆記本：**
1. 如果您還沒有 SageMaker 筆記本執行個體，請遵循 [建立教學課程的 Amazon SageMaker 筆記本執行個體](gs-setup-working-env.md) 的說明建立一個。
1. 當筆記本執行個體在作用中，請選擇筆記本執行個體名稱右側的 **Open JupyterLab**。可能需要幾分鐘的時間才能載入 JupyterLab。
1. 選擇新增 GitHub 儲存庫圖示 ()，將 GitHub 儲存庫複製到您的工作空間。
1. 輸入 [amazon-a2i-sample-jupyter-notebooks](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks) 儲存庫 HTTPS URL。
1. 選擇 **CLONE (複製)**。
1. 開啟您要執行的筆記本。
1. 依照筆記本中的指示來設定人工審核工作流程和人工循環，並執行儲存格。
1. 為了避免產生不必要的費用，當您完成示範時，除了刪除演練期間建立的任何 Amazon S3 儲存貯體、IAM 角色和 CloudWatch Events 資源，也要停止並刪除您的筆記本執行個體。