At AWS re: आविष्कार 2023, हमने इसकी सामान्य उपलब्धता की घोषणा की अमेज़ॅन बेडरॉक के लिए ज्ञानकोष. ज्ञान आधार के साथ, आप फाउंडेशन मॉडल (एफएम) को सुरक्षित रूप से कनेक्ट कर सकते हैं अमेज़ॅन बेडरॉक पूरी तरह से प्रबंधित रिट्रीवल ऑगमेंटेड जेनरेशन (आरएजी) के लिए आपकी कंपनी के डेटा में।

में पिछले पोस्ट, हमने बताया कि कैसे अमेज़ॅन बेडरॉक के लिए नॉलेज बेस आपके लिए एंड-टू-एंड आरएजी वर्कफ़्लो का प्रबंधन करता है और हाल के कुछ फीचर लॉन्च के बारे में विवरण साझा किया है।

आरएजी-आधारित अनुप्रयोगों के लिए, बड़े भाषा मॉडल (एलएलएम) से उत्पन्न प्रतिक्रिया की सटीकता मॉडल को प्रदान किए गए संदर्भ पर निर्भर है। उपयोगकर्ता क्वेरी के आधार पर वेक्टर डेटाबेस से संदर्भ पुनर्प्राप्त किया जाता है। सिमेंटिक खोज का व्यापक रूप से उपयोग किया जाता है क्योंकि यह अधिक मानवीय प्रश्नों को समझने में सक्षम है - उपयोगकर्ता की क्वेरी हमेशा सीधे उस सामग्री के सटीक कीवर्ड से संबंधित नहीं होती है जो इसका उत्तर देती है। सिमेंटिक खोज पाठ के अर्थ के आधार पर उत्तर प्रदान करने में मदद करती है। हालाँकि, इसमें सभी प्रासंगिक कीवर्ड कैप्चर करने की सीमाएँ हैं। इसका प्रदर्शन पाठ के अर्थ को दर्शाने के लिए उपयोग किए जाने वाले शब्द एम्बेडिंग की गुणवत्ता पर निर्भर करता है। ऐसी सीमाओं को दूर करने के लिए, सिमेंटिक खोज को कीवर्ड खोज (हाइब्रिड) के साथ संयोजित करने से बेहतर परिणाम मिलेंगे।

इस पोस्ट में, हम हाइब्रिड सर्च की नई सुविधा पर चर्चा करते हैं, जिसे आप सिमेंटिक सर्च के साथ-साथ क्वेरी विकल्प के रूप में चुन सकते हैं।

हाइब्रिड खोज सिंहावलोकन

हाइब्रिड खोज कई खोज एल्गोरिदम की ताकत का लाभ उठाती है, और लौटाए गए खोज परिणामों की प्रासंगिकता को बढ़ाने के लिए उनकी अद्वितीय क्षमताओं को एकीकृत करती है। आरएजी-आधारित अनुप्रयोगों के लिए, खोज परिणामों की प्रासंगिकता में सुधार के लिए सिमेंटिक खोज क्षमताओं को आमतौर पर पारंपरिक कीवर्ड-आधारित खोज के साथ जोड़ा जाता है। यह दस्तावेज़ों की सामग्री और उनके अंतर्निहित अर्थ दोनों की खोज करने में सक्षम बनाता है। उदाहरण के लिए, निम्नलिखित क्वेरी पर विचार करें:

What is the cost of the book "<book_name>" on <website_name>?

पुस्तक के नाम और वेबसाइट के नाम के लिए इस क्वेरी में, कीवर्ड खोज बेहतर परिणाम देगी, क्योंकि हम विशिष्ट पुस्तक की कीमत चाहते हैं। हालाँकि, शब्द "लागत" में "कीमत" जैसे पर्यायवाची शब्द हो सकते हैं, इसलिए सिमेंटिक खोज का उपयोग करना बेहतर होगा, जो पाठ के अर्थ को समझता है। हाइब्रिड खोज दोनों दृष्टिकोणों में सर्वश्रेष्ठ लाती है: अर्थ संबंधी खोज की सटीकता और कीवर्ड का कवरेज। यह आरएजी-आधारित अनुप्रयोगों के लिए बहुत अच्छा काम करता है जहां रिट्रीवर को विभिन्न प्रकार की प्राकृतिक भाषा प्रश्नों को संभालना होता है। कीवर्ड क्वेरी में विशिष्ट संस्थाओं जैसे उत्पाद का नाम, रंग और कीमत को कवर करने में मदद करते हैं, जबकि शब्दार्थ क्वेरी के भीतर अर्थ और इरादे को बेहतर ढंग से समझता है। उदाहरण के लिए, यदि आप किसी ईकॉमर्स वेबसाइट के लिए रिटर्न पॉलिसी या उत्पाद के विवरण जैसे ग्राहकों के प्रश्नों को संभालने के लिए एक चैटबॉट बनाना चाहते हैं, तो हाइब्रिड खोज का उपयोग करना सबसे उपयुक्त होगा।

हाइब्रिड खोज के लिए मामलों का उपयोग करें

हाइब्रिड खोज के लिए कुछ सामान्य उपयोग के मामले निम्नलिखित हैं:

• डोमेन प्रश्न उत्तर खोलें - इसमें विभिन्न विषयों पर प्रश्नों के उत्तर देना शामिल है। इसके लिए वेबसाइट डेटा जैसे विविध सामग्री वाले दस्तावेज़ों के बड़े संग्रह की खोज की आवश्यकता होती है, जिसमें स्थिरता, नेतृत्व, वित्तीय परिणाम और बहुत कुछ जैसे विभिन्न विषय शामिल हो सकते हैं। अकेले सिमेंटिक खोज इस कार्य के लिए अच्छी तरह से सामान्यीकरण नहीं कर सकती है, क्योंकि इसमें अनदेखी संस्थाओं के शाब्दिक मिलान की क्षमता का अभाव है, जो डोमेन से बाहर के उदाहरणों को संभालने के लिए महत्वपूर्ण है। इसलिए, कीवर्ड-आधारित खोज को सिमेंटिक खोज के साथ संयोजित करने से दायरे को कम करने और खुले डोमेन प्रश्न उत्तर के लिए बेहतर परिणाम प्रदान करने में मदद मिल सकती है।
• प्रासंगिक-आधारित चैटबॉट - बातचीत तेजी से दिशा बदल सकती है और अप्रत्याशित विषयों को कवर कर सकती है। हाइब्रिड खोज ऐसे ओपन-एंडेड संवादों को बेहतर ढंग से संभाल सकती है।
• वैयक्तिकृत खोज - विविध सामग्री पर वेब-स्केल खोज एक हाइब्रिड दृष्टिकोण से लाभान्वित होती है। सिमेंटिक खोज लोकप्रिय प्रमुख प्रश्नों को संभालती है, जबकि कीवर्ड दुर्लभ लंबी-पूंछ वाले प्रश्नों को कवर करते हैं।

हालाँकि हाइब्रिड खोज दो दृष्टिकोणों को मिलाकर व्यापक कवरेज प्रदान करती है, जब डोमेन संकीर्ण होता है और शब्दार्थ अच्छी तरह से परिभाषित होते हैं, या जब गलत व्याख्या के लिए बहुत कम जगह होती है, जैसे कि फैक्टॉइड प्रश्न उत्तर प्रणाली, तो सिमेंटिक खोज में सटीक लाभ होते हैं।

हाइब्रिड खोज के लाभ

कीवर्ड और सिमेंटिक खोज दोनों अपने प्रासंगिकता स्कोर के साथ परिणामों का एक अलग सेट लौटाएंगे, जिन्हें फिर सबसे अधिक प्रासंगिक परिणाम देने के लिए संयोजित किया जाएगा। अमेज़ॅन बेडरॉक के लिए नॉलेज बेस वर्तमान में चार वेक्टर स्टोर्स का समर्थन करता है: Amazon OpenSearch सर्वर रहित, Amazon Aurora PostgreSQL-संगत संस्करण, सनोबर की चिलग़ोज़ा, तथा रेडिस एंटरप्राइज क्लाउड. इस लेखन के समय, हाइब्रिड खोज सुविधा ओपनसर्च सर्वरलेस के लिए उपलब्ध है, अन्य वेक्टर स्टोर्स के लिए समर्थन जल्द ही आने वाला है।

हाइब्रिड खोज का उपयोग करने के कुछ लाभ निम्नलिखित हैं:

• बेहतर सटीकता - एफएम से उत्पन्न प्रतिक्रिया की सटीकता सीधे प्राप्त परिणामों की प्रासंगिकता पर निर्भर है। आपके डेटा के आधार पर, केवल सिमेंटिक खोज का उपयोग करके अपने एप्लिकेशन की सटीकता में सुधार करना चुनौतीपूर्ण हो सकता है। हाइब्रिड खोज का उपयोग करने का मुख्य लाभ पुनर्प्राप्त परिणामों की बेहतर गुणवत्ता प्राप्त करना है, जो बदले में एफएम को अधिक सटीक उत्तर उत्पन्न करने में मदद करता है।
• विस्तारित खोज क्षमताएँ - कीवर्ड खोज एक व्यापक जाल फैलाती है और ऐसे दस्तावेज़ ढूंढती है जो प्रासंगिक हो सकते हैं लेकिन पूरे दस्तावेज़ में अर्थ संबंधी संरचना नहीं हो सकती है। यह आपको कीवर्ड के साथ-साथ पाठ के अर्थपूर्ण अर्थ को खोजने की अनुमति देता है, जिससे खोज क्षमताओं का विस्तार होता है।

निम्नलिखित अनुभागों में, हम प्रदर्शित करते हैं कि अमेज़ॅन बेडरॉक के लिए नॉलेज बेस के साथ हाइब्रिड खोज का उपयोग कैसे करें।

एसडीके के माध्यम से हाइब्रिड खोज और सिमेंटिक खोज विकल्पों का उपयोग करें

जब आप रिट्रीव एपीआई को कॉल करते हैं, तो अमेज़ॅन बेडरॉक के लिए नॉलेज बेस आपको सबसे प्रासंगिक परिणाम देने के लिए आपके लिए सही खोज रणनीति का चयन करता है। आपके पास एपीआई में हाइब्रिड या सिमेंटिक सर्च का उपयोग करने के लिए इसे ओवरराइड करने का विकल्प है।

एपीआई पुनः प्राप्त करें

रिट्रीव एपीआई को उपयोगकर्ता क्वेरी, ज्ञान आधार आईडी और उन परिणामों की संख्या प्रदान करके प्रासंगिक खोज परिणाम प्राप्त करने के लिए डिज़ाइन किया गया है जिन्हें आप एपीआई वापस करना चाहते हैं। यह एपीआई उपयोगकर्ता प्रश्नों को एम्बेडिंग में परिवर्तित करता है, हाइब्रिड खोज या सिमेंटिक (वेक्टर) खोज का उपयोग करके ज्ञान आधार खोजता है, और प्रासंगिक परिणाम देता है, जिससे आपको खोज परिणामों के शीर्ष पर कस्टम वर्कफ़्लो बनाने के लिए अधिक नियंत्रण मिलता है। उदाहरण के लिए, आप पुनर्प्राप्त परिणामों में पोस्टप्रोसेसिंग तर्क जोड़ सकते हैं या अपना स्वयं का संकेत जोड़ सकते हैं और उत्तर उत्पन्न करने के लिए अमेज़ॅन बेडरॉक द्वारा प्रदान किए गए किसी भी एफएम से जुड़ सकते हैं।

आपको हाइब्रिड और सिमेंटिक (वेक्टर) खोज विकल्पों के बीच स्विच करने का एक उदाहरण दिखाने के लिए, हमने इसका उपयोग करके एक ज्ञान आधार बनाया है 10 के लिए अमेज़न 2023K दस्तावेज़. ज्ञान आधार बनाने के बारे में अधिक जानकारी के लिए देखें अमेज़ॅन बेडरॉक के लिए नॉलेज बेस का उपयोग करके एक प्रासंगिक चैटबॉट एप्लिकेशन बनाएं.

हाइब्रिड खोज के मूल्य को प्रदर्शित करने के लिए, हम निम्नलिखित क्वेरी का उपयोग करते हैं:

As of December 31st 2023, what is the leased square footage for physical stores in North America?

पिछली क्वेरी के उत्तर में कुछ कीवर्ड शामिल हैं, जैसे कि date, physical stores, तथा North America. सही प्रतिक्रिया है 22,871 thousand square feet. आइए हाइब्रिड और सिमेंटिक खोज दोनों के लिए खोज परिणामों में अंतर देखें।

निम्नलिखित कोड दिखाता है कि Boto3 के साथ पुनर्प्राप्त एपीआई का उपयोग करके हाइब्रिड या सिमेंटिक (वेक्टर) खोज का उपयोग कैसे करें:

import boto3

bedrock_agent_runtime = boto3.client(
    service_name = "bedrock-agent-runtime"
)

def retrieve(query, kbId, numberOfResults=5):
    return bedrock_agent_runtime.retrieve(
        retrievalQuery= {
            'text': query
        },
        knowledgeBaseId=kbId,
        retrievalConfiguration= {
            'vectorSearchConfiguration': {
                'numberOfResults': numberOfResults,
                'overrideSearchType': "HYBRID/SEMANTIC", # optional
            }
        }
    )
response = retrieve("As of December 31st 2023, what is the leased square footage for physical stores in North America?", "<knowledge base id>")["retrievalResults"]

RSI overrideSearchType में विकल्प retrievalConfiguration दोनों में से किसी एक का उपयोग करने का विकल्प प्रदान करता है HYBRID or SEMANTIC. डिफ़ॉल्ट रूप से, यह आपको सबसे अधिक प्रासंगिक परिणाम देने के लिए सही रणनीति का चयन करेगा, और यदि आप हाइब्रिड या सिमेंटिक खोज का उपयोग करने के लिए डिफ़ॉल्ट विकल्प को ओवरराइड करना चाहते हैं, तो आप मान को सेट कर सकते हैं HYBRID/SEMANTIC. का आउटपुट Retrieve एपीआई में पुनर्प्राप्त पाठ खंड, स्रोत डेटा का स्थान प्रकार और यूआरआई, और पुनर्प्राप्ति की प्रासंगिकता स्कोर शामिल हैं। स्कोर यह निर्धारित करने में मदद करते हैं कि कौन सा हिस्सा क्वेरी की प्रतिक्रिया से सबसे अच्छा मेल खाता है।

हाइब्रिड खोज का उपयोग करके पिछली क्वेरी के परिणाम निम्नलिखित हैं (संक्षिप्तता के लिए कुछ आउटपुट को संशोधित किया गया है):

[
  {
    "content": {
      "text": "... Description of Use Leased Square Footage (1).... Physical stores (2) 22,871  ..."
    },
    "location": {
      "type": "S3",
      "s3Location": {
        "uri": "s3://<bucket_name>/amazon-10k-2023.pdf"
      }
    },
    "score": 0.6389407
  },
  {
    "content": {
      "text": "Property and equipment, net by segment is as follows (in millions): December 31, 2021 2022 2023 North America $ 83,640 $ 90,076 $ 93,632 International 21,718 23,347 24,357 AWS 43,245 60,324 72,701 Corporate 1.."
    },
    "location": {
      "type": "S3",
      "s3Location": {
        "uri": "s3://<bucket_name>/amazon-10k-2023.pdf"
      }
    },
    "score": 0.6389407
  },
  {
    "content": {
      "text": "..amortization of property and equipment acquired under finance leases of $9.9 billion, $6.1 billion, and $5.9 billion for 2021, 2022, and 2023. 54 Table of Contents Note 4 — LEASES We have entered into non-cancellable operating and finance leases for fulfillment network, data center, office, and physical store facilities as well as server and networking equipment, aircraft, and vehicles. Gross assets acquired under finance leases, ..."
    },
    "location": {
      "type": "S3",
      "s3Location": {
        "uri": "s3://<bucket_name>/amazon-10k-2023.pdf"
      }
    },
    "score": 0.61908984
  }
]

सिमेंटिक खोज के परिणाम निम्नलिखित हैं (संक्षिप्तता के लिए कुछ आउटपुट संशोधित किए गए हैं):

[
  {
    "content": {
      "text": "Property and equipment, net by segment is as follows (in millions):    December 31,    2021 2022 2023   North America $ 83,640 $ 90,076 $ 93,632  International 21,718 23,347 24,357  AWS 43,245 60,324 72,701.."
    },
    "location": {
      "type": "S3",
      "s3Location": {
        "uri": "s3://<bucket_name>/amazon-10k-2023.pdf"
      }
    },
    "score": 0.6389407
  },
  {
    "content": {
      "text": "Depreciation and amortization expense on property and equipment was $22.9 billion, $24.9 billion, and $30.2 billion which includes amortization of property and equipment acquired under finance leases of $9.9 billion, $6.1 billion, and $5.9 billion for 2021, 2022, and 2023.   54        Table of Contents   Note 4 — LEASES We have entered into non-cancellable operating and finance leases for fulfillment network, data center, office, and physical store facilities as well a..."
    },
    "location": {
      "type": "S3",
      "s3Location": {
        "uri": "s3://<bucket_name>/amazon-10k-2023.pdf"
      }
    },
    "score": 0.61908984
  },
  {
    "content": {
      "text": "Incentives that we receive from property and equipment   vendors are recorded as a reduction to our costs. Property includes buildings and land that we own, along with property we have acquired under build-to-suit lease arrangements when we have control over the building during the construction period and finance lease arrangements..."
    },
    "location": {
      "type": "S3",
      "s3Location": {
        "uri": "s3://<bucket_name>/amazon-10k-2023.pdf"
      }
    },
    "score": 0.61353767
  }
]

जैसा कि आप परिणामों में देख सकते हैं, हाइब्रिड खोज उपयोगकर्ता क्वेरी में उल्लिखित उत्तरी अमेरिका में भौतिक दुकानों के लिए पट्टे पर दिए गए वर्ग फुटेज के साथ खोज परिणाम को पुनः प्राप्त करने में सक्षम थी। मुख्य कारण यह था कि हाइब्रिड खोज जैसे कीवर्ड से परिणामों को संयोजित करने में सक्षम थी date, physical stores, तथा North America क्वेरी में, जबकि सिमेंटिक खोज नहीं हुई। इसलिए, जब खोज परिणाम उपयोगकर्ता क्वेरी और संकेत के साथ संवर्धित होते हैं, तो एफएम सिमेंटिक खोज के मामले में सही प्रतिक्रिया प्रदान करने में सक्षम नहीं होगा।

अब देखते हैं RetrieveAndGenerate एफएम द्वारा उत्पन्न अंतिम प्रतिक्रिया को समझने के लिए हाइब्रिड खोज के साथ एपीआई।

एपीआई पुनर्प्राप्त करें और जेनरेट करें

RSI RetrieveAndGenerate एपीआई ज्ञान आधार पर सवाल उठाता है और प्राप्त परिणामों के आधार पर प्रतिक्रिया उत्पन्न करता है। आप परिणामों से प्रतिक्रिया उत्पन्न करने के लिए ज्ञान आधार आईडी के साथ-साथ एफएम भी निर्दिष्ट करते हैं। अमेज़ॅन बेडरॉक प्रश्नों को एम्बेडिंग में परिवर्तित करता है, खोज प्रकार के आधार पर ज्ञान आधार पर प्रश्न पूछता है, और फिर संदर्भ जानकारी के रूप में खोज परिणामों के साथ एफएम प्रॉम्प्ट को बढ़ाता है और एफएम-जनित प्रतिक्रिया देता है।

आइए क्वेरी का उपयोग करें "31 दिसंबर 2023 तक, उत्तरी अमेरिका में भौतिक दुकानों के लिए पट्टे पर दिया गया वर्ग फ़ुटेज क्या है?" और पूछो RetrieveAndGenerate हमारी क्वेरी का उपयोग करके प्रतिक्रिया उत्पन्न करने के लिए एपीआई:

def retrieveAndGenerate(input, kbId):
    return bedrock_agent_runtime.retrieve_and_generate(
        input={
            'text': input
        },
        retrieveAndGenerateConfiguration={
            'type': 'KNOWLEDGE_BASE',
            'knowledgeBaseConfiguration': {
                'knowledgeBaseId': kbId,
                'modelArn': 'arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-instant-v1'
                'retrievalConfiguration': {
                'overrideSearchType': 'HYBRID/SEMANTIC',
                }
                }
            }
        )
response = retrieveAndGenerate("As of December 31st 2023, what is the leased square footage for physical stores in North America?", "<knowledge base id>")["output"]["text"]

हाइब्रिड खोज का उपयोग करने वाले परिणाम निम्नलिखित हैं:

22,871 thousand leased square feet

सिमेंटिक खोज का उपयोग करने वाले परिणाम निम्नलिखित हैं:

The search results do not contain any information about the leased square footage for physical stores in North America for 2023.

प्रश्न का वास्तविक उत्तर है 22,871 thousand leased square feet, जो हाइब्रिड खोज द्वारा उत्पन्न होता है। हाइब्रिड खोज के लिए पुनर्प्राप्त खोज परिणामों में उत्तरी अमेरिका में भौतिक दुकानों के लिए पट्टे पर दिए गए वर्ग फुटेज के बारे में जानकारी शामिल थी, जबकि सिमेंटिक खोज एम्बेडिंग अनुवाद के कारण वेक्टर स्टोर से सही जानकारी प्राप्त करने में सक्षम नहीं थी। इसलिए, एफएम सही प्रतिक्रिया नहीं दे सका क्योंकि उसके पास सही और सबसे प्रासंगिक खोज परिणाम नहीं थे।

हालाँकि, अधिक सामान्य प्रश्नों के लिए जिनमें संस्थाएँ शामिल नहीं हैं physical stores or North America, हाइब्रिड और सिमेंटिक दोनों खोज समान परिणाम देती हैं।

निम्नलिखित कुछ प्रश्नों के नमूना प्रतिक्रियाएं हैं जो ऐसे मामलों को प्रदर्शित करती हैं जब हाइब्रिड और सिमेंटिक खोज दोनों समान परिणाम देते हैं।

अमेज़ॅन बेडरॉक कंसोल के माध्यम से हाइब्रिड खोज और सिमेंटिक खोज विकल्पों का उपयोग करें

अमेज़ॅन बेडरॉक कंसोल पर हाइब्रिड और सिमेंटिक खोज विकल्पों का उपयोग करने के लिए, निम्नलिखित चरणों को पूरा करें:

1. अमेज़ॅन बेडरॉक कंसोल पर, चुनें नॉलेज बेस नेविगेशन फलक में
2. आपके द्वारा बनाया गया ज्ञान आधार चुनें.
3. चुनें ज्ञान आधार का परीक्षण करें.
4. कॉन्फ़िगरेशन आइकन चुनें.
   
5. के लिए तलाश की विधिचुनते हैं हाइब्रिड खोज (शब्दार्थ और पाठ).
   

डिफ़ॉल्ट रूप से, आप अपनी क्वेरी के लिए जेनरेटेड प्रतिक्रिया प्राप्त करने के लिए एफएम चुन सकते हैं। यदि आप केवल पुनर्प्राप्त परिणाम देखना चाहते हैं, तो आप टॉगल कर सकते हैं प्रतिक्रिया उत्पन्न करें केवल पुनर्प्राप्त परिणाम प्राप्त करने के लिए बंद करें।

निष्कर्ष

इस पोस्ट में, हमने अमेज़ॅन बेडरॉक के लिए नॉलेज बेस में नई क्वेरी सुविधा को कवर किया है, जो हाइब्रिड खोज को सक्षम बनाता है। हमने सीखा कि एसडीके और अमेज़ॅन बेडरॉक कंसोल में हाइब्रिड खोज विकल्प को कैसे कॉन्फ़िगर किया जाए। यह केवल सिमेंटिक खोज पर निर्भर रहने की कुछ सीमाओं को दूर करने में मदद करता है, विशेष रूप से विविध सामग्री वाले दस्तावेज़ों के बड़े संग्रह की खोज के लिए। हाइब्रिड खोज का उपयोग दस्तावेज़ प्रकार और उस उपयोग के मामले पर निर्भर करता है जिसे आप लागू करने का प्रयास कर रहे हैं।

अतिरिक्त संसाधनों के लिए, निम्नलिखित देखें:

संदर्भ

हाइब्रिड खोज के साथ आरएजी पाइपलाइनों में पुनर्प्राप्ति प्रदर्शन में सुधार

लेखक के बारे में

मणि खानूजा एक टेक लीड - जेनेरेटिव एआई स्पेशलिस्ट, एडब्ल्यूएस पर एप्लाइड मशीन लर्निंग एंड हाई परफॉर्मेंस कंप्यूटिंग पुस्तक की लेखिका और मैन्युफैक्चरिंग एजुकेशन फाउंडेशन बोर्ड में महिलाओं के लिए निदेशक मंडल की सदस्य हैं। वह कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण और जेनरेटिव एआई जैसे विभिन्न डोमेन में मशीन लर्निंग प्रोजेक्ट्स का नेतृत्व करती हैं। वह आंतरिक और बाहरी सम्मेलनों जैसे एडब्ल्यूएस री:इन्वेंट, वीमेन इन मैन्युफैक्चरिंग वेस्ट, यूट्यूब वेबिनार और जीएचसी 23 में बोलती हैं। अपने खाली समय में, वह समुद्र तट के किनारे लंबी सैर करना पसंद करती हैं।

पल्लवी नरगुंद AWS में प्रिंसिपल सॉल्यूशंस आर्किटेक्ट हैं। क्लाउड प्रौद्योगिकी सक्षमकर्ता के रूप में अपनी भूमिका में, वह ग्राहकों के साथ उनके लक्ष्यों और चुनौतियों को समझने के लिए काम करती है, और AWS पेशकशों के साथ उनके उद्देश्य को प्राप्त करने के लिए निर्देशात्मक मार्गदर्शन देती है। वह प्रौद्योगिकी में महिलाओं के प्रति भावुक हैं और अमेज़ॅन में एआई/एमएल में महिलाओं की एक प्रमुख सदस्य हैं। वह AWS re:Invent, AWS समिट्स और वेबिनार जैसे आंतरिक और बाहरी सम्मेलनों में बोलती हैं। काम के अलावा उसे स्वयंसेवा, बागवानी, साइकिल चलाना और लंबी पैदल यात्रा करना पसंद है।

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://aws.amazon.com/blogs/machine-learning/knowledge-bases-for-amazon-bedrock-now-supports-hybrid-search/