تم تصميم IDP Well-Architected Lens لجميع عملاء AWS الذين يستخدمون AWS لتشغيل حلول معالجة المستندات الذكية (IDP) ويبحثون عن إرشادات حول كيفية إنشاء حلول IDP آمنة وفعالة وموثوقة على AWS.

يتضمن إنشاء حل جاهز للإنتاج في السحابة سلسلة من المفاضلات بين الموارد والوقت وتوقعات العملاء ونتائج الأعمال. ال إطار عمل AWS المصمم جيدًا يساعدك على فهم فوائد ومخاطر القرارات التي تتخذها أثناء بناء أعباء العمل على AWS. باستخدام إطار العمل، ستتعلم أفضل الممارسات التشغيلية والمعمارية لتصميم وتشغيل أحمال عمل موثوقة وآمنة وفعالة وفعالة من حيث التكلفة ومستدامة في السحابة.

يجمع مسار IDP عادةً بين التعرف البصري على الأحرف (OCR) ومعالجة اللغة الطبيعية (NLP) لقراءة مستند وفهمه واستخراج مصطلحات أو كلمات محددة. توضح IDP Well-Architected Custom Lens خطوات مراجعة AWS Well-Architected، والتي تسمح لك بتقييم وتحديد المخاطر الفنية ضمن أعباء عمل IDP لديك. تدمج هذه العدسة المخصصة أفضل الممارسات والإرشادات للتنقل بشكل فعال والتغلب على التحديات الشائعة في إدارة أعباء عمل IDP.

يركز هذا المنشور على ركيزة التميز التشغيلي لحل IDP. التميز التشغيلي في IDP يعني تطبيق مبادئ تطوير البرمجيات القوية والحفاظ على تجربة عملاء عالية الجودة في مجال معالجة المستندات، مع تلبية اتفاقيات مستوى الخدمة (SLAs) أو تجاوزها باستمرار. وهو يتضمن تنظيم الفرق بشكل فعال، وتصميم أنظمة IDP للتعامل مع أعباء العمل بكفاءة، وتشغيل هذه الأنظمة على نطاق واسع، وتطويرها باستمرار لتلبية احتياجات العملاء.

في هذا المنشور، نبدأ بمقدمة ركيزة التميز التشغيلي ومبادئ التصميم، ثم نتعمق في أربعة مجالات تركيز: الثقافة التنظيمية، وتصميم عبء العمل، وتحسين البناء والإصدار، وقابلية الملاحظة. من خلال قراءة هذا المنشور، ستتعرف على ركيزة التميز التشغيلي في إطار العمل المصمم جيدًا من خلال دراسة حالة IDP.

مبادئ التصميم

بالنسبة لأعباء عمل IDP، يُترجم التميز التشغيلي إلى ما يلي:

• دقة عالية ومعدلات خطأ منخفضة في استخراج بيانات المستندات – الدقة في استخراج البيانات من المستندات أمر بالغ الأهمية، مما يقلل من الأخطاء ويضمن أن المعلومات المستخدمة في اتخاذ القرار جديرة بالثقة
• معالجة سريعة لأحجام المستندات الكبيرة مع زمن وصول منخفض – الكفاءة في التعامل مع كميات كبيرة من المستندات بسرعة تسمح للمؤسسات بمواكبة متطلبات العمل، مما يقلل من الاختناقات
• المراقبة المستمرة للتشخيص السريع وحل المشكلات – تساعد المراقبة والصيانة الاستباقية في تحديد أي انقطاعات في مسار معالجة المستندات وحلها بسرعة، مما يحافظ على التدفق التشغيلي السلس
• التكرار السريع لتحسين النماذج وسير العمل – تنفيذ حلقة ردود الفعل التي تسهل التحسين المستمر للخوارزميات والعمليات مما يضمن تطور النظام لمواجهة التحديات الناشئة ومعايير الكفاءة
• تحسين التكلفة لضمان توافق الموارد مع متطلبات عبء العمل – تضمن إدارة الموارد الإستراتيجية أن الاستثمار المالي في أنظمة IDP يحقق أقصى قيمة، ويضبط الموارد ديناميكيًا بما يتماشى مع متطلبات معالجة المستندات المتقلبة
• الالتزام باتفاقيات مستوى الخدمة - يعد الوفاء بالمعايير وأوقات التنفيذ الموعودة للعملاء أو تجاوزها أمرًا بالغ الأهمية للحفاظ على الثقة والرضا

ويجب أن تتماشى استراتيجيات التصميم الفعالة مع هذه الأهداف، مما يضمن أن أنظمة IDP ليست قادرة تقنيًا فحسب، بل أيضًا مُحسَّنة لمواجهة تحديات العالم الحقيقي. يؤدي هذا إلى رفع التميز التشغيلي من هدف خلفي إلى أصل استراتيجي، وهو جزء لا يتجزأ من نجاح المؤسسة بأكملها. على أساس مبادئ تصميم ركيزة التميز التشغيلي، نقترح مبادئ التصميم التالية لهذه العدسة المخصصة.

مناطق التركيز

تأتي مبادئ التصميم وأفضل الممارسات لركيزة التميز التشغيلي من ما تعلمناه من عملائنا وخبراء آي دي بي لدينا. استخدم هذه العناصر كدليل عند اتخاذ خيارات التصميم، والتأكد من أنها تتناسب بشكل جيد مع ما يحتاجه عملك من حل IDP. يساعدك تطبيق IDP Well-Architected Lens أيضًا على التحقق من أن هذه الاختيارات تهدف إلى تحقيق التميز التشغيلي، مما يضمن تلبية أهدافك التشغيلية المحددة.

فيما يلي مجالات التركيز الرئيسية للتميز التشغيلي لحل IDP في السحابة:

• الثقافة التنظيمية – تلعب الثقافة التنظيمية دورًا محوريًا في تشكيل كيفية تنفيذ وإدارة مشاريع IDP. يتم الحفاظ على هذه الثقافة من خلال اتفاقيات مستوى الخدمة الواضحة التي تحدد توقعات محددة لأوقات المعالجة والدقة، مما يضمن توجيه جميع أعضاء الفريق نحو الأهداف المشتركة. ويكتمل ذلك بوظيفة مركزية تعمل كمركز للتميز التشغيلي، وتوحيد أفضل الممارسات وتوجيه مشاريع IDP نحو النجاح.
• تصميم عبء العمل – يتضمن ذلك إنشاء نظام قادر على التعامل بمرونة مع المتطلبات المتنوعة، وتحسين الجودة والدقة في معالجة المستندات، والتكامل بكفاءة مع الأنظمة الخارجية.
• بناء وإصدار الأمثل - تؤكد هذه المنطقة على تنفيذ عمليات DevSecOps الموحدة. الهدف هو تبسيط دورة حياة التطوير واستخدام الأتمتة لضمان النشر السلس والسريع للتحديثات أو الميزات الجديدة. ويهدف هذا النهج إلى تعزيز الكفاءة والأمن والموثوقية في تطوير ونشر نظام IDP.
• قابلية الملاحظة - في IDP، تركز إمكانية المراقبة على إمكانيات المراقبة والتنبيه والتسجيل الشاملة، إلى جانب إدارة حصص الخدمة. يتضمن ذلك مراقبة أداء النظام عن كثب، وإنشاء آليات تنبيه فعالة للمشكلات المحتملة، والاحتفاظ بسجلات مفصلة للتحليل، والتأكد من أن النظام يعمل ضمن تخصيصات الموارد الخاصة به.

الثقافة التنظيمية

لتحقيق التميز التشغيلي في IDP، يجب على المؤسسات تضمين بعض أفضل الممارسات في ثقافتها وعملياتها اليومية. فيما يلي بعض المجالات المهمة التي يمكنها توجيه المؤسسات في تحسين سير عمل IDP الخاص بها:

• الثقافة ونموذج التشغيل - تنمية ثقافة تدعم التصميم الاستراتيجي ونشر وإدارة أعباء عمل IDP. وينبغي أن يكون هذا معيارًا ثقافيًا مدمجًا في نموذج التشغيل لدعم السرعة والاستجابة في معالجة المستندات.
• محاذاة الأعمال وSLA – مواءمة مبادرات IDP مع أهداف العمل واتفاقيات مستوى الخدمة. تضمن هذه الممارسة أن معالجة المستندات تدعم استراتيجية العمل الشاملة وتلبي مقاييس الأداء التي يقدرها أصحاب المصلحة.
• التدريب المستمر على AWS – الالتزام بالتدريب المنتظم وتحسين المهارات في خدمات AWS لتعزيز قدرات IDP. يمكن لفريق مدرب جيدًا استخدام ميزات AWS المتطورة لتحسين كفاءة معالجة المستندات والابتكار.
• تغيير الإدارة – إنشاء عمليات قوية لإدارة التغيير للتنقل في الطبيعة الديناميكية للمشهد النازحين داخليًا. تدعم إدارة التغيير الفعالة التحولات السلسة وتساعد في الحفاظ على عمليات IDP دون انقطاع أثناء الترقيات أو التحولات في الإستراتيجية.
• المقاييس المحددة لنجاح IDP - إنشاء ومراقبة مقاييس واضحة لقياس نجاح وتأثير عمليات النازحين. على سبيل المثال: باستخدام Amazon CloudWatch، يمكنك مراقبة عدد المستندات التي تتم معالجتها من خلال Amazon Textract. وبالمثل، فإن مراقبة حجم وحجم المستندات التي يتم تحميلها إلى Amazon Simple Storage Service (Amazon S3) يمكن أن تعطي نظرة ثاقبة حول معدل زيادة الطلب على المعالجة. علاوة على ذلك، باستخدام AWS Step Functions، يمكنك استخدام المقاييس المضمنة لتتبع معدل نجاح مهمة المعالجة، مما يوفر رؤى حول فعالية تنسيق سير العمل.
• تحسينات متكررة – تشجيع ثقافة ردود الفعل والتطوير التكراري لتحسين عمليات النازحين. من خلال التحليل المنتظم لبيانات الأداء وتعليقات المستخدمين، يمكن للمنظمة إجراء تحسينات مستنيرة ومتزايدة على نظام IDP.
• حلقة ردود الفعل من المراجعة البشرية – دمج حلقة ردود الفعل من المراجعة البشرية في نظام IDP. يوفر هذا رؤى قيمة يمكنك استخدامها لتحسين دقة وفعالية العمليات الآلية بشكل مستمر.

تصميم عبء العمل

يعد التصميم الفعال لأعباء العمل أمرًا ضروريًا للإدارة الناجحة لأنظمة معالجة المستندات الذكية. يجب أن يكون هذا التصميم قابلاً للتكيف لتلبية المتطلبات المتنوعة للتعامل مع المتطلبات المتنوعة، والحفاظ على الجودة والدقة العالية، وتحقيق التكامل السلس مع الأنظمة الأخرى. وفيما يلي أفضل الممارسات التي يمكن أن تساعد في تحقيق هذه الأهداف:

• الاستفادة من مراحل سير عمل IDP– عند تصميم بنية لـ IDP، من المهم مراعاة المراحل النموذجية لسير عمل IDP، والتي قد تختلف بناءً على حالات الاستخدام المحددة واحتياجات العمل. تشمل المراحل الشائعة التقاط البيانات، وتصنيف المستندات، واستخراج نص المستند، وإثراء المحتوى، ومراجعة المستندات والتحقق من صحتها، واستهلاك البيانات. ومن خلال تحديد هذه المراحل وفصلها بوضوح في بنيتك، يمكنك إنشاء نظام أكثر مرونة. يساعد هذا الأسلوب في عزل المكونات المختلفة في حالة حدوث عطل، مما يؤدي إلى عمليات أكثر سلاسة وسهولة الصيانة.
• مرونة التعامل مع الطلب – إنشاء نظام لمعالجة المستندات يمكنه التكيف بسهولة مع التغيرات في الطلب. ويضمن ذلك أنه مع تغير احتياجات العمل، يمكن للنظام توسيع نطاقه أو خفضه وفقًا لذلك والاستمرار في العمل بسلاسة.
  • على سبيل المثال، عند التعامل مع Amazon Textract، تأكد من إدارة تقييد الاتصالات وإسقاطها عن طريق تعيين معلمة التكوين عند إنشاء عميل Amazon Textract. يوصى بتعيين عدد مرات إعادة المحاولة على 5، لأن AWS SDK يعيد محاولة العملية بهذا العدد المحدد من المرات قبل اعتبارها فاشلة. يمكن أن يؤدي دمج هذه الآلية إلى التعامل مع التقييد بشكل أكثر فعالية باستخدام إستراتيجية التراجع الأسي المضمنة في SDK.
  • قد تقوم AWS بتحديث حدود الخدمة بشكل دوري بناءً على عوامل مختلفة. ابق على اطلاع بأحدث الوثائق واضبط إستراتيجيات إدارة التقييد وفقًا لذلك. على سبيل المثال، يمكنك استخدام Amazon Texttract حاسبة حصص الخدمة لتقدير قيم الحصص التي تلبي حالة الاستخدام الخاصة بك. إذا كان تطبيقك يعمل باستمرار ضمن حدود التقييد، ففكر في مطالبة AWS بزيادة حصص الخدمة الخاصة بك أمازون تيكستراك و فهم الأمازون.
• تحسين الجودة والدقة - تعظيم دقة استخراج البيانات باستخدام Amazon Textract من خلال إعداد المستندات بتنسيق يفضي إلى دقة عالية، كما هو موضح في أفضل ممارسات AWS Textract. استفد من ميزة التخطيط في Textract، والتي تم تدريبها مسبقًا على مجموعة متنوعة من المستندات من مختلف الصناعات، بما في ذلك الخدمات المالية والتأمين. تعمل هذه الميزة على تبسيط عملية استخراج البيانات عن طريق تقليل الحاجة إلى تعليمات برمجية معقدة لمرحلة ما بعد المعالجة، وتعزيز الكفاءة في عمليات معالجة المستندات، وفي النهاية تعزيز الجودة والكفاءة في عمليات معالجة المستندات.
• التكامل الخارجي السلس – تأكد من أن نظام IDP الخاص بك يمكنه التكامل بكفاءة مع الخدمات والأنظمة الخارجية. يوفر هذا سير عمل متماسكًا ويسمح بوظائف أوسع ضمن مسار معالجة المستندات. على سبيل المثال، قم بمراجعة البنية الحالية للوحدات النمطية وتحديد المكونات التي تتعامل مع عمليات تكامل النظام الخارجي وتقسيم منطق التكامل إلى وظائف أصغر حجمًا باستخدام AWS لامدا من أجل المرونة وقابلية التوسع. ابحث باستمرار عن التعليقات من المطورين وشركاء التكامل لتحسين البنية وتحسينها. استخدم استراتيجيات للعمليات المنفصلة، ​​مثل المعالجة المستندة إلى الأحداث، حيثما ترغب الخدمات أمازون إيفينت بريدج يمكن استخدامها لالتقاط الأحداث وتوجيهها من الأنظمة الخارجية.
• معالجة شفافة وقابلة للتكيف – إعداد مسارات واضحة يمكن تتبعها لكل جزء من البيانات من مصدرها إلى استخراجها، مما يبني الثقة في النظام. احتفظ بتوثيق قواعد المعالجة بشكل شامل ومحدث، مما يعزز بيئة شفافة لجميع أصحاب المصلحة.
• تحسين IDP باستخدام Amazon Comprehend Flywheel واستعلامات Amazon Textract المخصصة
  • استفد من دولاب الموازنة Amazon Comprehend لإجراء عملية مبسطة لتعلم الآلة، بدءًا من استيعاب البيانات وحتى النشر. من خلال مركزية مجموعات البيانات داخل مستودع بيانات Amazon S3 المخصص لدولاب الموازنة، فإنك تضمن إدارة البيانات بكفاءة. تضمن تكرارات دولاب الموازنة المنتظمة تدريب النماذج بأحدث البيانات وتقييمها لتحقيق الأداء الأمثل. قم دائمًا بترقية النماذج ذات الأداء الأعلى إلى الحالة النشطة، ونشر نقاط النهاية المتزامنة مع النموذج النشط، مما يقلل من التدخلات اليدوية. يؤدي هذا النهج المنهجي، الذي يرتكز على مبادئ MLOps، إلى تحقيق التميز التشغيلي ويضمن جودة فائقة للنموذج.
  • بالإضافة إلى ذلك، مع طرح Amazon Texttract مؤخرًا الاستعلامات المخصصة الميزة، يمكنك تحسين عملية الاستخراج لتلبية متطلبات العمل الفريدة باستخدام أسئلة اللغة الطبيعية، وبالتالي تحسين الدقة لأنواع معينة من المستندات. تعمل الاستعلامات المخصصة على تبسيط عملية تكييف ميزة Amazon Textract Queries، مما يلغي الحاجة إلى خبرة عميقة في تعلم الآلة وتسهيل طريقة أكثر سهولة لاستخراج المعلومات القيمة من المستندات.

بناء وإصدار الأمثل

يعد تبسيط عمليات البناء والإصدار أمرًا حيويًا لسرعة وأمان حلول IDP. فيما يلي الممارسات الأساسية في تحسين البناء والإصدار، مع التركيز على الأتمتة والتكامل المستمر والتسليم المستمر (CI/CD) والأمان:

• النشر الآلي – تصميم حل IDP الخاص بك باستخدام مبادئ البنية التحتية كرمز (IaC) لعمليات النشر المتسقة والمتكررة؛ يمكن نشر البنية التحتية بدون خادم باستخدام مجموعة تطوير سحابة AWS (AWS CDK) ومنسقة مع خدمة سير عمل مرئية ذات تعليمات برمجية منخفضة مثل AWS Step Functions.
• خطوط أنابيب CI / CD - أدوات النفوذ مثل AWS CodePipeline, AWS كود البناء, كود AWS نشر لأتمتة مراحل البناء والاختبار والإصدار لمكونات ونماذج IDP. قم بإعداد عمليات التراجع التلقائية للتخفيف من مخاطر النشر، ودمج تتبع التغيير والحوكمة للتحقق الشامل قبل نشر الإنتاج.
• الأمان مع AWS KMS – لا يقتصر التميز التشغيلي على الكفاءة فحسب؛ ويلعب الأمن دورًا أساسيًا أيضًا. على وجه التحديد، بالنسبة لنقاط نهاية Amazon Comprehend حيث تقوم المفاتيح التي يديرها العميل بتشفير النماذج الأساسية، مع الحفاظ على التكامل باستخدام خدمة إدارة مفتاح AWS (AWS KMS) أصبحت أذونات المفاتيح حيوية. يستخدم مستشار AWS الموثوق به للتحقق من مخاطر الوصول إلى نقطة النهاية وإدارة أذونات مفتاح KMS.
• التكامل السلس مع الأنظمة الخارجية المتنوعة - تصميم خطوط الأنابيب وإصدارها خصيصًا للتأكيد على التكامل السلس مع الأنظمة الخارجية المتنوعة. استخدم خدمات AWS وأفضل الممارسات لتصميم سير عمل معالجة المستندات للتفاعل بسهولة مع المتطلبات الخارجية المختلفة والتكيف معها. ويضمن ذلك الاتساق والسرعة في عمليات النشر، مع إعطاء الأولوية للتميز التشغيلي حتى في سيناريوهات التكامل المعقدة.

قابلية الملاحظة

يتطلب تحقيق التميز التشغيلي في IDP اتباع نهج متكامل حيث تلعب المراقبة وإمكانية الملاحظة أدوارًا محورية. فيما يلي الممارسات الأساسية لضمان الوضوح والبصيرة والتحسين المستمر داخل بيئة AWS:

• إمكانية الملاحظة الشاملة – تنفيذ حل شامل للمراقبة والملاحظة باستخدام أدوات مثل سجلات الأمازون CloudWatch لخدمات مثل Amazon Textract وAmazon Comprehend. يوفر هذا النهج رؤى تشغيلية واضحة لجميع أصحاب المصلحة، مما يعزز التشغيل الفعال والتعامل مع الأحداث سريعة الاستجابة ودورة من التحسين المستمر.
• مراقبة نقطة النهاية من Amazon Comprehend والقياس التلقائي - توظيف مستشار موثوق به للمراقبة الدقيقة لنقاط نهاية Amazon Comprehend لتحسين استخدام الموارد. ضبط تكوينات الإنتاجية أو استخدامها التحجيم التلقائي لتطبيق AWS لمواءمة الموارد مع الطلب، وتعزيز الكفاءة وفعالية التكلفة.
• استراتيجية مراقبة Amazon Text - لتحقيق التميز التشغيلي في استخدام Amazon Textract، اتبع نهجًا شاملاً:
  • استخدم CloudWatch لمراقبة عمليات Amazon Textract بجدية، واستخلاص الرؤى من المقاييس الرئيسية مثل SuccessfulRequestCount، ThrottledCount، ResponseTime، ServerErrorCount، UserErrorCount
  • قم بتعيين إنذارات دقيقة بناءً على هذه المقاييس، وقم بدمجها معها خدمة إعلام أمازون البسيطة (Amazon SNS) للكشف عن الحالات الشاذة في الوقت الفعلي.
  • تصرف بسرعة بناءً على هذه الإخطارات، مما يضمن تصحيح المشكلة بسرعة وكفاءة معالجة المستندات بشكل متسق. تجمع هذه الإستراتيجية بين المراقبة الدقيقة والتدخل الاستباقي، مما يضع المعيار الذهبي للتميز التشغيلي.
• تسجيل مكالمات واجهة برمجة التطبيقات (API) باستخدام AWS CloudTrail – بدافع أوس كلاود تريل ، يمكنك الحصول على رؤية لسجل مكالمات API ونشاط المستخدم، وهو أمر بالغ الأهمية للمراقبة التشغيلية والاستجابة السريعة للحوادث. تم دمج خدمات Amazon Textract وAmazon Comprehend مع AWS CloudTrail.

وفي الختام

في هذا المنشور، شاركنا مبادئ التصميم ومجالات التركيز والأسس وأفضل الممارسات لتحقيق التميز التشغيلي في حل IDP الخاص بك. من خلال اعتماد مبادئ إطار العمل جيدة التصميم الموضحة في هذا المنشور، يمكنك تحسين أعباء عمل IDP لديك لتحقيق التميز التشغيلي. ركز على المجالات الرئيسية مثل IaC، والأجهزة، وقابلية الملاحظة، والتحسين المستمر، مما سيساعدك على تحقيق التميز التشغيلي والتأكد من أن أنظمة IDP الخاصة بك تقدم قيمة أعمال على نطاق واسع بطريقة آمنة ومتوافقة.

تلتزم AWS بـ IDP Well-Architected Lens كأداة حية. مع تطور حلول IDP وخدمات AWS AI ذات الصلة وتوافر خدمات AWS الجديدة، سنقوم بتحديث IDP Lens Well-Architected وفقًا لذلك.

إذا كنت تريد معرفة المزيد حول إطار عمل AWS Well-Architected، فارجع إلى AWS مصمم جيدًا.

إذا كنت بحاجة إلى إرشادات إضافية من الخبراء، فاتصل بفريق حسابات AWS الخاص بك لإشراك مهندس حلول متخصص في IDP.

حول المؤلف

بريجيش باتي هو مهندس حلول المؤسسات في AWS. ينصب تركيزه الأساسي على مساعدة عملاء المؤسسات على اعتماد التقنيات السحابية لأعباء عملهم. لديه خلفية في تطوير التطبيقات وهندسة المؤسسات وعمل مع عملاء من مختلف الصناعات مثل الرياضة والتمويل والطاقة والخدمات المهنية. تشمل اهتماماته البنى التحتية بدون خادم والذكاء الاصطناعي/التعلم الآلي.

ميا تشانغ هو مهندس حلول متخصص في ML لخدمات الويب من Amazon. وهي تعمل مع العملاء في أوروبا والشرق الأوسط وأفريقيا وتشارك أفضل الممارسات لتشغيل أعباء عمل الذكاء الاصطناعي/تعلم الآلة على السحابة بفضل خلفيتها في الرياضيات التطبيقية وعلوم الكمبيوتر والذكاء الاصطناعي/تعلم الآلة. وهي تركز على أعباء العمل الخاصة بالبرمجة اللغوية العصبية، وتشارك تجربتها كمتحدثة في المؤتمر ومؤلفة كتاب. وفي أوقات فراغها، تستمتع بالمشي لمسافات طويلة وألعاب الطاولة وتحضير القهوة.

روي كاردوسو هو مهندس حلول شريك في Amazon Web Services (AWS). وهو يركز على الذكاء الاصطناعي/التعلم الآلي وإنترنت الأشياء. يعمل مع شركاء AWS ويدعمهم في تطوير الحلول في AWS. عندما لا يعمل، يستمتع بركوب الدراجات والمشي لمسافات طويلة وتعلم أشياء جديدة.

تيم كونديلو هو مهندس حلول متخصص في الذكاء الاصطناعي (AI) والتعلم الآلي (ML) في Amazon Web Services (AWS). ينصب تركيزه على معالجة اللغة الطبيعية ورؤية الكمبيوتر. يستمتع تيم بأخذ أفكار العملاء وتحويلها إلى حلول قابلة للتطوير.

شيري دينج هو مهندس حلول متخصص في الذكاء الاصطناعي (AI) والتعلم الآلي (ML) في Amazon Web Services (AWS). تتمتع بخبرة واسعة في التعلم الآلي وحصلت على درجة الدكتوراه في علوم الكمبيوتر. وهي تعمل بشكل أساسي مع عملاء القطاع العام على مختلف تحديات الأعمال المتعلقة بالذكاء الاصطناعي/التعلم الآلي، مما يساعدهم على تسريع رحلة التعلم الآلي الخاصة بهم على سحابة AWS. عندما لا تساعد العملاء، فإنها تستمتع بالأنشطة الخارجية.

سوين وانغ هو مهندس حلول متخصص في الذكاء الاصطناعي/تعلم الآلة في AWS. تتمتع بخلفية تعليمية متعددة التخصصات في التعلم الآلي وخدمة المعلومات المالية والاقتصاد، إلى جانب سنوات من الخبرة في بناء تطبيقات علوم البيانات والتعلم الآلي التي تحل مشاكل الأعمال في العالم الحقيقي. إنها تستمتع بمساعدة العملاء على تحديد أسئلة العمل المناسبة وبناء حلول الذكاء الاصطناعي/تعلم الآلة المناسبة. وفي أوقات فراغها تحب الغناء والطبخ.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://aws.amazon.com/blogs/machine-learning/build-well-architected-idp-solutions-with-a-custom-lens-part-1-operational-excellence/