Yakın geçmişte, özellikle metin ve resim biçimindeki veriler için tahminlerde bulunmak amacıyla makine öğrenimini (ML) kullanmak, derin öğrenme modellerinin oluşturulması ve ayarlanması için kapsamlı ML bilgisi gerektiriyordu. Bugün ML, iş değeri oluşturmak için ML modellerini kullanmak isteyen tüm kullanıcılar için daha erişilebilir hale geldi. İle Amazon SageMaker Tuvalile tek satır kod yazmadan tablo veya zaman serisi verilerinin ötesinde çok sayıda farklı veri türü için tahminler oluşturabilirsiniz. Bu yetenekler görüntü, metin ve belge veri türleri için önceden eğitilmiş modelleri içerir.

Bu yazıda, tablo halindeki verilerin ötesinde desteklenen veri türlerine ilişkin tahminleri almak için önceden eğitilmiş modelleri nasıl kullanabileceğinizi tartışıyoruz.

Metin verileri

SageMaker Canvas, ML modellerini oluşturmak, eğitmek ve dağıtmak için görsel, kodsuz bir ortam sağlar. Doğal dil işleme (NLP) görevleri için SageMaker Canvas, Amazon Kavramak dil tespiti, varlık tanıma, duygu analizi, konu modelleme ve daha fazlası gibi önemli NLP yeteneklerini gerçekleştirmenize olanak tanır. Entegrasyon, Amazon Comprehend'in güçlü NLP modellerini kullanmak için herhangi bir kodlama veya veri mühendisliği ihtiyacını ortadan kaldırır. Metin verilerinizi sağlamanız ve yaygın olarak kullanılan dört özellik arasından seçim yapmanız yeterlidir: duygu analizi, dil algılama, varlık çıkarma ve kişisel bilgi algılama. Her senaryoda, test etmek için kullanıcı arayüzünü kullanabilir ve içinde depolanan verileri seçmek için toplu tahmini kullanabilirsiniz. Amazon Basit Depolama Hizmeti (Amazon S3).

Duygu analizi

Duygu analizi ile SageMaker Canvas, giriş metninizin duygusunu analiz etmenize olanak tanır. Aşağıdaki ekran görüntüsünde gösterildiği gibi genel duyarlılığın olumlu, olumsuz, karışık veya nötr olup olmadığını belirleyebilir. Bu, ürün incelemelerini analiz etmek gibi durumlarda kullanışlıdır. Örneğin, "Bu ürüne bayıldım, harika!" SageMaker Canvas tarafından olumlu düşünceye sahip olarak sınıflandırılırken, "Bu ürün berbat, satın aldığıma pişmanım" ifadesi olumsuz düşünceye sahip olarak etiketlenir.

Varlık çıkarma

SageMaker Canvas, metni analiz edebilir ve içinde bahsedilen varlıkları otomatik olarak algılayabilir. Bir belge analiz için SageMaker Canvas'a gönderildiğinde metindeki kişileri, kuruluşları, yerleri, tarihleri, miktarları ve diğer varlıkları tanımlayacaktır. Bu varlık çıkarma yeteneği, belgelerde tartışılan önemli kişiler, yerler ve ayrıntılar hakkında hızlı bir şekilde öngörü elde etmenizi sağlar. Desteklenen varlıkların listesi için bkz. Varlıklar.

Dil algılama

SageMaker Canvas, Amazon Comprehend'i kullanarak metnin baskın dilini de belirleyebilir. Ana dili tanımlamak için metni analiz eder ve tespit edilen baskın dil için güven puanları sağlar, ancak çok dilli belgeler için yüzde dağılımlarını göstermez. Birden fazla dilde uzun belgelerde en iyi sonuçları elde etmek için metni daha küçük parçalara bölün ve dil yüzdelerini tahmin etmek için sonuçları toplayın. En az 20 karakterlik metinle en iyi sonucu verir.

Kişisel bilgi algılama

Ayrıca SageMaker Canvas ile kişisel bilgi tespitini kullanarak hassas verileri koruyabilirsiniz. Kişisel olarak tanımlanabilir bilgi (PII) varlıklarını otomatik olarak tespit etmek için metin belgelerini analiz edebilir ve adlar, adresler, doğum tarihleri, telefon numaraları, e-posta adresleri ve daha fazlası gibi hassas verileri bulmanıza olanak tanır. 100 KB'ye kadar olan belgeleri analiz eder ve tespit edilen her varlık için bir güven puanı sağlar; böylece en hassas bilgileri inceleyebilir ve seçerek düzeltebilirsiniz. Algılanan varlıkların listesi için bkz. PII varlıklarını tespit etme.

Görüntü veri

SageMaker Canvas, bilgisayarla görme yeteneklerini kullanmanızı kolaylaştıran görsel, kodsuz bir arayüz sağlar. Amazon Rekognisyon görüntü analizi için. Örneğin, bir görüntü veri kümesi yükleyebilir, nesneleri ve sahneleri algılamak için Amazon Rekognition'ı kullanabilir ve çok çeşitli kullanım durumlarını karşılamak için metin algılama gerçekleştirebilirsiniz. Görsel arayüz ve Amazon Rekognition entegrasyonu, geliştirici olmayanların gelişmiş bilgisayarlı görüntü tekniklerinden yararlanmasını mümkün kılar.

Görüntülerde nesne algılama

SageMaker Canvas, bir görüntüdeki etiketleri (nesneleri) algılamak için Amazon Rekognition'ı kullanır. Görüntüyü SageMaker Canvas kullanıcı arayüzünden yükleyebilir veya Toplu Tahmin S3 klasöründe saklanan görüntüleri seçmek için sekmesini kullanın. Aşağıdaki örnekte gösterildiği gibi görüntüdeki saat kulesi, otobüs, binalar ve daha fazlası gibi nesneleri çıkarabilir. Tahmin sonuçlarını aramak ve sıralamak için arayüzü kullanabilirsiniz.

Resimlerde metin algılama

Resimlerden metin çıkarmak çok yaygın bir kullanım durumudur. Artık bu görevi SageMaker Canvas'ta kod kullanmadan kolaylıkla gerçekleştirebilirsiniz. Metin, aşağıdaki ekran görüntüsünde gösterildiği gibi satır öğeleri olarak çıkarılır. Görseldeki kısa ifadeler bir arada sınıflandırılarak cümle olarak tanımlanır.

Bir dizi görsel yükleyerek toplu tahminler gerçekleştirebilir, tüm görselleri tek bir toplu işte çıkarabilir ve sonuçları CSV dosyası olarak indirebilirsiniz. Bu çözüm, görüntülerdeki metni ayıklamak ve algılamak istediğinizde kullanışlıdır.

Belge verileri

SageMaker Canvas, günlük belge anlama ihtiyaçlarınızı çözen çeşitli kullanıma hazır çözümler sunar. Bu çözümler tarafından desteklenmektedir Amazon Metin Yazısı. Belgeler için mevcut tüm seçenekleri görüntülemek için şunu seçin: Kullanıma hazır modeller Gezinti bölmesinde ve filtreleyerek evraklar, aşağıdaki ekran görüntüsünde gösterildiği gibi.

Doküman analizi

Doküman analizi, tespit edilen metinler arasındaki ilişkiler için belgeleri ve formları analiz eder. İşlemler dört belge çıkarma kategorisi döndürür: ham metin, formlar, tablolar ve imzalar. Çözümün belge yapısını anlama yeteneği, belgelerden çıkarmak istediğiniz veri türü konusunda size ekstra esneklik sağlar. Aşağıdaki ekran görüntüsü tablo algılamanın nasıl göründüğüne bir örnektir.

Bu çözüm, karmaşık belgelerin düzenlerini anlayabilir ve belgelerinizdeki belirli bilgileri ayıklamanız gerektiğinde yararlı olur.

Kimlik belgesi analizi

Bu çözüm, kişisel kimlik kartları, sürücü belgeleri veya diğer benzer kimlik bilgileri gibi belgeleri analiz etmek için tasarlanmıştır. Aşağıdaki ekran görüntüsünde gösterildiği gibi, her kimlik belgesi için göbek adı, ilçe ve doğum yeri gibi bilgiler, doğruluk konusundaki bireysel güven puanıyla birlikte döndürülecektir.

Toplu tahmin yapma seçeneği vardır; bu sayede kimlik belgesi setlerini toplu olarak yükleyebilir ve bunları toplu iş olarak işleyebilirsiniz. Bu, kimlik belgesi ayrıntılarını veri analizi gibi alt süreçler için kullanılabilecek anahtar/değer çiftlerine dönüştürmenin hızlı ve kusursuz bir yolunu sağlar.

Gider analizi

Gider analizi, fatura ve makbuz gibi gider belgelerini analiz etmek için tasarlanmıştır. Aşağıdaki ekran görüntüsü, çıkarılan bilgilerin nasıl göründüğüne bir örnektir.

Sonuçlar özet alanları ve satır öğesi alanları olarak döndürülür. Özet alanları, belgeden çıkarılan anahtar/değer çiftleridir ve aşağıdaki gibi anahtarlar içerir: Genel Toplam, Bitiş tarihi, ve Vergi. Satır öğesi alanları, belgede tablo olarak yapılandırılmış verilere atıfta bulunur. Bu, düzenini korurken belgeden bilgi çıkarmak için kullanışlıdır.

Belge sorguları

Belge sorguları, belgelerinizle ilgili sorular sormanız için tasarlanmıştır. Bu, çok sayfalı belgeleriniz olduğunda ve belgelerinizden çok spesifik yanıtlar çıkarmak istediğinizde kullanabileceğiniz harika bir çözümdür. Aşağıda sorabileceğiniz soru türlerinin ve çıkarılan yanıtların nasıl göründüğünün bir örneği bulunmaktadır.

Çözüm, belgelerinizle etkileşimde bulunabilmeniz için basit bir arayüz sağlar. Bu, büyük belgelerde belirli ayrıntılara ulaşmak istediğinizde faydalıdır.

Sonuç

SageMaker Canvas, metin, görseller ve belgeler gibi çeşitli veri türlerinde ML'yi kolaylıkla kullanmak için kodsuz bir ortam sağlar. Amazon Comprehend, Amazon Rekognition ve Amazon Textract gibi AWS hizmetleriyle görsel arayüz ve entegrasyon, kodlama ve veri mühendisliği ihtiyacını ortadan kaldırır. Metni duyarlılık, varlıklar, diller ve kişisel bilgiler açısından analiz edebilirsiniz. Görüntüler için nesne ve metin algılama, bilgisayarlı görme kullanım senaryolarını mümkün kılar. Son olarak, belge analizi, alt süreçler için düzenini korurken metni çıkarabilir. SageMaker Canvas'taki kullanıma hazır çözümler, hem yapılandırılmış hem de yapılandırılmamış verilerden öngörüler oluşturmak için gelişmiş makine öğrenimi tekniklerinden yararlanmanızı mümkün kılar. Kullanıma hazır makine öğrenimi modelleri ile kodsuz araçlar kullanmak ilginizi çekiyorsa SageMaker Canvas'ı bugün deneyin. Daha fazla bilgi için bkz. Amazon SageMaker Canvas'ı kullanmaya başlama.

yazarlar hakkında

Julia Ang Singapur merkezli bir Çözüm Mimarıdır. Sağlık ve kamu sektöründen dijital yerel işletmelere kadar çeşitli alanlardaki müşterilerle iş ihtiyaçlarına uygun çözümler benimsemek için çalıştı. Ayrıca Güneydoğu Asya ve ötesindeki müşterilerin işletmelerinde AI ve ML'yi kullanmalarını destekliyor. İş dışında seyahat ederek ve yaratıcı uğraşlara katılarak dünyayı öğrenmekten hoşlanıyor.

Loke Jun Kai Singapur merkezli AI/ML alanında Uzman Çözüm Mimarıdır. AWS'de geniş ölçekte makine öğrenimi çözümleri tasarlamak için ASEAN genelindeki müşterilerle birlikte çalışıyor. Jun Kai, Düşük Kodlu Kodsuz makine öğrenimi araçlarının savunucusudur. Boş zamanlarında doğayla iç içe olmaktan hoşlanıyor.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://aws.amazon.com/blogs/machine-learning/use-machine-learning-without-writing-a-single-line-of-code-with-amazon-sagemaker-canvas/