Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Cas d'utilisation et exemples d’utilisation d'Amazon A2I
Note
Amazon SageMaker A2I n'est plus ouvert aux nouveaux clients. Les clients existants peuvent continuer à utiliser le service normalement. AWS continue d'investir dans l'amélioration de la sécurité et de la disponibilité d'A2I, mais nous ne prévoyons pas d'introduire de nouvelles fonctionnalités.
Vous pouvez utiliser l’IA augmentée d’Amazon pour incorporer une vérification humaine à votre flux pour des types de tâches intégrés, Amazon Textract et Amazon Rekognition, ou vos propres tâches personnalisées à l’aide d’un type de tâche personnalisé.
Lorsque vous créez un flux de vérification humaine à l’aide de l’un des types de tâches intégrés, vous pouvez spécifier des conditions telles que des seuils de fiabilité, qui initieront une vérification humaine. Le service (Amazon Rekognition ou Amazon Textract) crée une boucle humaine en votre nom lorsque ces conditions sont remplies et fournit vos données d'entrée directement dans Amazon A2I pour les soumettre à vérification humaine. Pour en savoir plus sur les types de tâches intégrés, procédez comme suit :
Lorsque vous utilisez un type de tâche personnalisé, vous créez et démarrez une boucle humaine à l'aide de l'API d'exécution Amazon A2I. Utilisez le type de tâche personnalisé pour incorporer un flux de vérification humaine à d’autres services AWS ou à votre propre application ML personnalisée.
-
Pour plus d'informations, consultez Utiliser l’IA augmentée d’Amazon avec des types de tâches personnalisés.
Le tableau suivant présente divers cas d'utilisation d'Amazon A2I que vous pouvez explorer à l'aide des blocs-notes SageMaker AI Jupyter. Pour commencer à utiliser un bloc-notes Jupyter, suivez les instructions fournies dans Utiliser une instance de SageMaker bloc-notes avec Amazon A2I Jupyter Notebook. Pour plus d'exemples, consultez ce GitHub référentiel
| Cas d'utilisation | Description | Type de tâche |
|---|---|---|
|
Utilisation d'Amazon A2I avec Amazon Textract |
Demandez à des humains de vérifier des documents d'une seule page pour vérifier des paires clé-valeur de formulaires importantes, ou demandez à Amazon Textract d'échantillonner au hasard des documents de votre jeu de données et de les envoyer pour vérification humaine. |
Built-in |
| Utilisation d'Amazon A2I avec Amazon Rekognition |
Demandez à des humains de vérifier des images inappropriées à la recherche de contenu violent ou pour adultes si Amazon Rekognition renvoie un indice de confiance faible, ou demandez à Amazon Rekognition d'échantillonner au hasard des images de votre jeu de données et de les envoyer pour vérification humaine. |
Built-in |
| Utilisation d'Amazon A2I avec Amazon Comprehend |
Demandez à des humains de vérifier des inférences Amazon Comprehend sur les données textuelles telles que l'analyse du ressenti, la syntaxe du texte et la détection d’entités. |
Personnalisé |
| Utilisation d'Amazon A2I avec Amazon Transcribe |
Demandez à des humains de vérifier des transcriptions des fichiers vidéo ou audio Amazon Transcribe. Utilisez les résultats des boucles de vérification humaine de transcription pour créer un vocabulaire personnalisé et améliorer les transcriptions de contenus vidéo ou audio similaires à l’avenir. |
Personnalisé |
| Utilisation d'Amazon A2I avec Amazon Translate |
Demandez à des humains de vérifier les traductions de faible confiance renvoyées par Amazon Translate. |
Personnalisé |
| Utilisation d'Amazon A2I pour vérifier les inférences de machine learning en temps réel |
Utilisez Amazon A2I pour examiner les inférences en temps réel et peu fiables faites par un modèle déployé sur un point de terminaison hébergé par SageMaker IA et entraînez progressivement votre modèle à l'aide des données de sortie Amazon A2I. |
Personnalisé |
| Utilisation d'Amazon A2I pour vérifier des données tabulaires |
Utilisez Amazon A2I pour intégrer une boucle de vérification humaine dans une application ML qui utilise des données tabulaires. |
Personnalisé |
Rubriques
Utiliser une instance de SageMaker bloc-notes avec Amazon A2I Jupyter Notebook
Pour un exemple de bout en bout qui montre comment intégrer une boucle de révision humaine Amazon A2I dans un flux de travail d'apprentissage automatique, vous pouvez utiliser un bloc-notes Jupyter provenant de ce GitHub référentiel
Pour utiliser un exemple de bloc-notes de type de tâche personnalisé Amazon A2I dans une instance de SageMaker bloc-notes Amazon :
-
Si vous ne possédez pas d'instance de SageMaker bloc-notes active, créez-en une en suivant les instructions figurant dansCréation d'une instance Amazon SageMaker Notebook pour le didacticiel.
-
Lorsque votre instance de bloc-notes est active, choisissez Ouvrir JupyterLab à droite du nom de l'instance de bloc-notes. Le chargement peut prendre quelques instants. JupyterLab
-
Cliquez sur l'icône Ajouter un dépôt Github (
) pour cloner un GitHub référentiel dans votre espace de travail. -
Entrez l'URL HTTPS du référentiel amazon-a2i-sample-jupyter-notebooks
. -
Choisissez CLONE (CLONER).
-
Ouvrez le bloc-notes que vous souhaitez exécuter.
-
Suivez les instructions du bloc-notes pour configurer votre flux de vérification humaine et votre boucle humaine, et pour exécuter les cellules.
-
Pour éviter des frais inutiles, lorsque vous aurez terminé la démonstration, arrêtez et supprimez votre instance de bloc-notes en plus des compartiments Amazon S3, des rôles IAM et des ressources d' CloudWatch événements créés lors de la procédure pas à pas.
