Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Tutorial: Memulai di Amazon A2I Console
**catatan**
Amazon SageMaker A2I tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk A2I, tetapi kami tidak berencana untuk memperkenalkan fitur baru.
Tutorial berikut menunjukkan cara memulai menggunakan Amazon A2I di konsol Amazon A2I.
Tutorial ini memberi Anda opsi untuk menggunakan Augmented AI dengan Amazon Textract untuk tinjauan dokumen atau Amazon Rekognition untuk tinjauan konten gambar.
## Prasyarat
Untuk mulai menggunakan Amazon A2I, lengkapi prasyarat berikut.
+ Buat bucket Amazon S3 di Wilayah yang sama AWS dengan alur kerja untuk data input dan output Anda. Misalnya, jika Anda menggunakan Amazon A2I dengan Amazon Textract di us-east-1, buat bucket Anda di us-east-1. Untuk membuat bucket, ikuti petunjuk di Buat Buc [ ket di ](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/create-bucket.html) Panduan Pengguna Konsol Layanan Penyimpanan Sederhana * Amazon*.
+ Lakukan salah satu tindakan berikut:
+ Jika Anda ingin menyelesaikan tutorial menggunakan Amazon Textract, unduh gambar berikut dan letakkan di bucket Amazon S3 Anda.
+ Jika Anda ingin menyelesaikan tutorial menggunakan Amazon Rekognition, unduh gambar berikut dan letakkan di bucket Amazon S3 Anda.
**catatan**
Konsol Amazon A2I tertanam di konsol SageMaker AI.
## Langkah 1: Buat Tim Kerja
Pertama, buat tim kerja di konsol Amazon A2I dan tambahkan diri Anda sebagai pekerja sehingga Anda dapat melihat pratinjau tugas peninjauan pekerja.
**penting**
Tutorial ini menggunakan tim kerja pribadi. Tenaga kerja swasta Amazon A2I dikonfigurasi di area Ground Truth pada konsol SageMaker AI dan dibagi antara Amazon A2I dan Ground Truth.
**Untuk membuat tenaga kerja swasta menggunakan email pekerja**
1. Buka konsol SageMaker AI di [ https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Di panel navigasi, pilih Labeling work ** force ** di bawah G ** round Truth**.
1. Pilih ** Pribadi**, lalu pilih ** Buat tim pribadi**.
1. Pilih ** Undang pekerja baru melalui email**.
1. Untuk tutorial ini, masukkan email Anda dan yang lainnya yang Anda inginkan untuk dapat melihat pratinjau UI tugas manusia. Anda dapat menempelkan atau mengetik daftar hingga 50 alamat email, dipisahkan dengan koma, ke dalam kotak alamat email.
1. Masukkan nama organisasi dan email kontak.
1. Secara opsional, pilih topik Amazon SNS untuk berlangganan tim sehingga pekerja diberi tahu melalui email ketika pekerjaan pelabelan Ground Truth baru tersedia. Pemberitahuan Amazon SNS didukung oleh Ground Truth dan tidak didukung oleh Augmented AI. Jika Anda berlangganan notifikasi Amazon SNS kepada pekerja, mereka hanya menerima pemberitahuan tentang pekerjaan pelabelan Ground Truth. Mereka tidak menerima pemberitahuan tentang tugas Augmented AI.
1. Pilih ** Buat tim pribadi**.
Jika Anda menambahkan diri Anda ke tim kerja pribadi, Anda menerima email dari `no-reply@verificationemail.com` dengan informasi login. Gunakan tautan di email ini untuk mengatur ulang kata sandi Anda dan masuk ke portal pekerja Anda. Di sinilah tugas tinjauan manusia Anda muncul ketika Anda membuat lingkaran manusia.
## Langkah 2: Buat Alur Kerja Tinjauan Manusia
Pada langkah ini, Anda membuat alur kerja tinjauan manusia. Setiap alur kerja peninjauan manusia dibuat untuk jenis [ tugas tertentu](https://docs.aws.amazon.com/sagemaker/latest/dg/a2i-task-types-general.html). Tutorial ini memungkinkan Anda untuk memilih antara jenis tugas bawaan: Amazon Rekognition dan Amazon Textract.
**Untuk membuat alur kerja tinjauan manusia:**
1. Buka konsol Augmented AI di [ https://console.aws.amazon.com/a2i ](https://console.aws.amazon.com/a2i/) untuk mengakses ** halaman al ** ur kerja tinjauan manusia.
1. Pilih ** Buat alur kerja peninjauan manusia**.
1. Di ** Pengaturan alur kerja**, masukkan ** Nama alur kerja**, bucket ** S3**, dan peran ** IAM ** yang Anda buat untuk tutorial ini, dengan kebijakan `AmazonAugmentedAIIntegratedAPIAccess` terkel AWS ola terlampir.
1. Untuk Jenis ** tugas**, pilih ** Textract - ekstraksi Key-value pasangan ** atau ** Rekognition - Moderasi gambar. **
1. Pilih jenis tugas yang Anda pilih dari tabel berikut untuk petunjuk untuk jenis tugas tersebut.
------
#### [ Amazon Textract – Key-value pair extraction ]
1. Pilih ** Memicu tinjauan manusia untuk kunci formulir tertentu berdasarkan skor kepercayaan kunci formulir atau saat kunci formulir tertentu hilang**.
2. Untuk Nama ** kunci**, masukkan`Mail Address`.
3. Tetapkan ambang kepercayaan identifikasi antara `0` dan`99`.
4. Tetapkan ambang kepercayaan kualifikasi antara `0` dan`99`.
5. Pilih ** Memicu tinjauan manusia untuk semua kunci formulir yang diidentifikasi oleh Amazon Textract dengan skor kepercayaan dalam rentang ** tertentu.
6. Tetapkan ambang kepercayaan identifikasi antara `0` dan`90`.
7. Tetapkan ambang kepercayaan kualifikasi antara `0` dan`90`.
Ini memulai peninjauan manusia jika Amazon Textract mengembalikan skor kepercayaan yang kurang dari `99` for `Mail Address` dan kuncinya, atau jika mengembalikan skor kepercayaan kurang dari `90` untuk pasangan nilai kunci apa pun yang terdeteksi dalam dokumen.
Gambar berikut menunjukkan ekstraksi formulir Amazon Textract - Kondisi untuk memanggil bagian tinjauan manusia dari konsol Amazon A2I. Pada gambar, kotak centang untuk dua jenis pemicu yang dijelaskan dalam paragraf lanjutan dicentang, dan `Mail Address` digunakan sebagai nama ** kunci ** untuk pemicu pertama. Ambang kepercayaan identifikasi ditentukan menggunakan skor kepercayaan untuk pasangan kunci-nilai yang dideteksi dalam formulir dan diatur antara 0 dan 99. Ambang kepercayaan kualifikasi ditentukan menggunakan skor kepercayaan untuk teks yang terkandung dalam kunci dan nilai dalam formulir dan ditetapkan antara 0 dan 99.
------
#### [ Amazon Rekognition – Image moderation ]
1. Pilih ** Trigger review manusia untuk label yang diidentifikasi oleh Amazon Rekognition berdasarkan skor kepercayaan label. **
2. Atur Am ** bang batas ** antara `0` dan`98`.
Ini memulai tinjauan manusia jika Amazon Rekognition mengembalikan skor kepercayaan yang kurang dari `98` untuk pekerjaan moderasi gambar.
Gambar berikut menunjukkan bagaimana Anda dapat memilih ** Trigger human review untuk label yang diidentifikasi oleh Amazon Rekognition berdasarkan ** opsi skor kepercayaan label dan memasukkan Threshold ** ** antara 0 dan 98 di konsol Amazon A2I.
------
1. Di bawah ** Pembuatan templat tugas pekerja**, pilih ** Buat dari templat default**.
1. Masukkan nama ** Template**.
1. Di ** bidang Deskripsi ** tugas, masukkan teks berikut:
`Read the instructions carefully and complete the task.`
1. Di bawah ** Pekerja**, pilih ** Pribadi**.
1. Pilih tim pribadi yang Anda buat.
1. Pilih **Buat**.
Setelah alur kerja tinjauan manusia dibuat, alur kerja tersebut muncul di tabel di ** halaman alur kerja tinjauan ** manusia. Ketika ** Status ** ada`Active`, salin dan simpan ARN Alur Kerja. Anda membutuhkannya untuk langkah selanjutnya.
## Langkah 3: Mulai Human Loop
Anda harus menggunakan operasi API untuk memulai loop manusia. Ada berbagai SDK khusus bahasa yang dapat Anda gunakan untuk berinteraksi dengan operasi API ini. Untuk melihat dokumentasi untuk masing-masing SDK ini, lihat ** bagian Lihat ** Juga dalam dokumentasi API, seperti yang ditunjukkan pada gambar berikut.
Untuk tutorial ini, Anda menggunakan salah satu API berikut:
+ Jika Anda memilih jenis tugas Amazon Textract, Anda menggunakan `[AnalyzeDocument](https://docs.aws.amazon.com/textract/latest/dg/API_AnalyzeDocument.html)` operasi.
+ Jika Anda memilih jenis tugas Amazon Rekognition, Anda menggunakan operasi. `[DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/dg/API_DetectModerationLabels.html)`
Anda dapat berinteraksi dengan API ini menggunakan instance SageMaker buku catatan (direkomendasikan untuk pengguna baru) atau AWS Command Line Interface (AWS CLI). Pilih salah satu dari berikut ini untuk mempelajari lebih lanjut tentang opsi ini:
+ Untuk mempelajari selengkapnya tentang dan mengatur instance buku catatan, lihat[Instans SageMaker notebook Amazon](nbi.md).
+ Untuk mempelajari lebih lanjut tentang dan mulai menggunakan AWS CLI, lihat [ Apa itu Antarmuka Bar AWS is Perintah? ](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-welcome.html)dalam Panduan *AWS Command Line Interface Pengguna*.
Pilih jenis tugas Anda di tabel berikut untuk melihat contoh permintaan untuk Amazon Textract dan Amazon Rekognition menggunakan. AWS SDK for Python (Boto3)
------
#### [ Amazon Textract – Key-value pair extraction ]
Contoh berikut menggunakan AWS SDK for Python (Boto3) untuk memanggil `analyze_document` us-west-2. Ganti teks merah miring dengan sumber daya Anda. Sertakan [`DataAttributes`](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html) parameter jika Anda menggunakan tenaga kerja Amazon Mechanical Turk. Untuk informasi selengkapnya, lihat `[analyze\_document](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/textract.html#Textract.Client.analyze_document)` dokumentasi di Referensi *AWS SDK for Python (Boto) API. *
```
response = client.analyze_document(
Document={
"S3Object": {
"Bucket": "{{amzn-s3-demo-bucket}}",
"Name": "{{document-name.pdf}}"
}
},
HumanLoopConfig={
"FlowDefinitionArn":"{{arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name}}",
"HumanLoopName":"{{human-loop-name}}",
"DataAttributes" : {
"ContentClassifiers":[{{"FreeOfPersonallyIdentifiableInformation"}},{{"FreeOfAdultContent"}}]
}
},
FeatureTypes=["TABLES", "FORMS"])
```
------
#### [ Amazon Rekognition – Image moderation ]
Contoh berikut menggunakan AWS SDK for Python (Boto3) untuk memanggil `detect_moderation_labels` us-west-2. Ganti teks merah miring dengan sumber daya Anda. Sertakan [`DataAttributes`](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html) parameter jika Anda menggunakan tenaga kerja Amazon Mechanical Turk. Untuk informasi selengkapnya, lihat `[detect\_moderation\_labels](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/rekognition.html#Rekognition.Client.detect_moderation_labels)` dokumentasi di Refer *AWS SDK for Python (Boto) ensi API*.
```
response = client.detect_moderation_labels(
Image={
"S3Object":{
"Bucket": "{{amzn-s3-demo-bucket}}",
"Name": "{{image-name.png}}"
}
},
HumanLoopConfig={
"FlowDefinitionArn":"{{arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name}}",
"HumanLoopName":"{{human-loop-name}}",
"DataAttributes":{
ContentClassifiers:[{{"FreeOfPersonallyIdentifiableInformation"}}|{{"FreeOfAdultContent"}}]
}
})
```
------
## Langkah 4: Lihat Status Human Loop di Konsol
Saat memulai loop manusia, Anda dapat melihat statusnya di konsol Amazon A2I.
**Untuk melihat status human loop Anda**
1. Buka konsol Augmented AI di [ https://console.aws.amazon.com/a2i ](https://console.aws.amazon.com/a2i/) untuk mengakses ** halaman al ** ur kerja tinjauan manusia.
1. Pilih alur kerja tinjauan manusia yang Anda gunakan untuk memulai loop manusia Anda.
1. Di ** bagian ** Human loop, Anda dapat melihat lingkaran manusia Anda. Lihat statusnya di ** kolom ** Status.
## Langkah 5: Unduh Data Keluaran
Data keluaran Anda disimpan di bucket Amazon S3 yang Anda tentukan saat membuat alur kerja peninjauan manusia.
**Untuk melihat data keluaran Amazon A2I Anda**
1. Buka [konsol Amazon S3](https://console.aws.amazon.com/s3/).
1. Pilih bucket Amazon S3 yang Anda tentukan saat membuat alur kerja tinjauan manusia pada langkah 2 contoh ini.
1. Dimulai dengan folder yang dinamai alur kerja peninjauan manusia Anda, navigasikan ke data keluaran Anda dengan memilih folder dengan konvensi penamaan berikut:
```
s3://{{output-bucket-specified-in-human-review-workflow}}/{{human-review-workflow-name}}/{{YYYY}}/{{MM}}/{{DD}}/{{hh}}/{{mm}}/{{ss}}/{{human-loop-name}}/output.json
```
1. Pilih `output.json` dan pilih ** Unduh**.