See postitus on kirjutatud koos peateadlase Greg Bensoniga; Aaron Kesler, vanem tootejuht; ja Rich Dill, SnapLogici ettevõtete lahenduste arhitekt.
Paljud kliendid loovad generatiivseid AI-rakendusi Amazonase aluspõhi ja Amazon Code Whisperer luua loomulikul keelel põhinevaid koodiartefakte. See kasutusjuhtum tõstab esile, kuidas suured keelemudelid (LLM-id) on võimelised tõlkima inimkeelte (inglise, hispaania, araabia jt) ja masintõlgendatavate keelte (Python, Java, Scala, SQL ja nii edasi) vahel koos keerukate sisemine arutluskäik. See LLM-ide esilekerkiv võimalus on sundinud tarkvaraarendajaid kasutama LLM-e automatiseerimise ja kasutajakogemuse täiustamise tööriistana, mis muudab loomuliku keele domeenispetsiifiliseks keeleks (DSL): süsteemijuhised, API päringud, koodiartefaktid ja palju muud. Selles postituses näitame teile, kuidas SnapLogic, AWS-i klient, kasutas oma toiteallikaks Amazon Bedrocki SnapGPT toode nende keerukate DSL-artefaktide automaatse loomise kaudu inimkeelest.
Kui kliendid loovad LLM-idest DSL-objekte, on tulemuseks olev DSL olemasoleva liidese andmete ja skeemi täpne koopia või tuletis, mis moodustab kasutajaliidese ja tugiteenuse äriloogika vahelise lepingu. See muster on eriti populaarne sõltumatute tarkvaramüüjate (ISV) ja tarkvara kui teenuse (SaaS) ISV-de puhul, kuna neil on ainulaadne viis konfiguratsioonide esitamiseks koodi kaudu ja soov oma klientide kasutuskogemust lihtsustada. Kasutusjuhtumite näideteks on:
Kõige lihtsam viis AWS-i LLM-idega tekstist torujuhtmeks rakenduste loomiseks ja skaleerimiseks on Amazon Bedrocki kasutamine. Amazon Bedrock on lihtsaim viis generatiivsete AI-rakenduste loomiseks ja skaleerimiseks alusmudelite (FM) abil. See on täielikult hallatav teenus, mis pakub ühe API kaudu juurdepääsu juhtivate tehisintellektide suure jõudlusega sihtasutus-FM-idele ning laiale hulgale võimalustele, mida vajate privaatsuse ja turvalisusega generatiivsete AI-rakenduste loomiseks. Anthropic, tehisintellekti ohutus- ja uurimislabor, mis loob usaldusväärseid, tõlgendatavaid ja juhitavaid tehisintellektisüsteeme, on üks juhtivaid tehisintellekti ettevõtteid, mis pakub Amazon Bedrockis juurdepääsu oma tipptasemel LLM-ile Claude. Claude on LLM, kes suudab suurepäraselt hakkama saada paljude ülesannetega, alates läbimõeldud dialoogist, sisu loomisest, keerukatest arutlustest, loovusest ja kodeerimisest. Anthropic pakub nii Claude'i kui ka Claude Instanti mudeleid, mis kõik on saadaval Amazon Bedrocki kaudu. Claude on nendes teksti-konveieri rakendustes kiiresti populaarsust kogunud tänu oma täiustatud arutlusvõimele, mis võimaldab tal silma paista mitmetähenduslike tehniliste probleemide lahendamises. Amazon Bedrocki Claude 2 toetab 100,000 200 märgiga kontekstiakent, mis võrdub umbes XNUMX lehekülje ingliskeelse tekstiga. See on eriti oluline funktsioon, millele saate toetuda teksti-konveieri rakenduste loomisel, mis nõuavad keerulisi põhjendusi, üksikasjalikke juhiseid ja põhjalikke näiteid.
SnapLogic taust
SnapLogic on AWS-i klient, kelle missiooniks on tuua ettevõtte automatiseerimine maailma. SnapLogic Intelligent Integration Platform (IIP) võimaldab organisatsioonidel realiseerida kogu ettevõtet hõlmavat automatiseerimist, ühendades kogu oma rakenduste, andmebaaside, suurandmete, masinate ja seadmete, API-de ja muu ökosüsteemi eelehitatud intelligentsete konnektoritega, mida nimetatakse Snapsiks. SnapLogic andis hiljuti välja funktsiooni nimega SnapGPT, mis pakub tekstiliidest, kuhu saate lihtsas inimkeeles tippida soovitud integratsioonikonveieri, mida soovite luua. SnapGPT kasutab Amazon Bedrocki kaudu Anthropicu Claude'i mudelit, et automatiseerida nende integreerimiskonveierite loomist koodina, mida seejärel kasutatakse SnapLogici lipulaeva integratsioonilahenduse kaudu. SnapLogici teekond SnapGPT-sse on aga olnud paljude aastate AI-ruumis tegutsemise kulminatsioon.
SnapLogici AI teekond
Integratsiooniplatvormide valdkonnas on SnapLogic olnud pidevalt esirinnas, kasutades tehisintellekti transformatiivset jõudu. Aastate jooksul on ettevõtte pühendumus AI-ga uuendustele muutunud ilmseks, eriti kui jälgime teekonda alates Iiris et Automaatne link.
Alandlik algus Irisega
2017. aastal avalikustas SnapLogic Irise, tööstusharu esimese AI-toega integratsiooniassistendi. Iris loodi masinõppe (ML) algoritmide abil, et ennustada andmekonveieri ehitamise järgmisi samme. Analüüsides miljoneid metaandmeelemente ja andmevooge, saaks Iris teha kasutajatele intelligentseid soovitusi, demokratiseerides andmete integratsiooni ja võimaldades isegi neil, kellel puudub sügav tehniline taust, luua keerulisi töövooge.
AutoLink: hoo loomine
Tuginedes Irise edule ja õpitule, tutvustas SnapLogic AutoLinki – funktsiooni, mille eesmärk on andmete kaardistamise protsessi veelgi lihtsustada. Tüütu ülesanne väljade käsitsi kaardistamine lähte- ja sihtsüsteemide vahel muutus AutoLinki abil imelihtsaks. AI abil tuvastas AutoLink automaatselt võimalikud vasted ja soovitas neid. Integratsioone, mis kunagi kestsid tunde, sai käivitada vaid minutitega.
Generatiivne hüpe SnapGPT-ga
SnapLogici uusim katse AI-s toob meieni SnapGPT, mille eesmärk on integratsiooni veelgi enam muuta. SnapGPT-ga tutvustab SnapLogic maailma esimest generatiivset integratsioonilahendust. See ei tähenda ainult olemasolevate protsesside lihtsustamist, vaid integratsioonide kavandamise täielikku ümberkujundamist. Generatiivse AI võimsus võib luua nullist terveid integratsioonitorusid, optimeerides töövoogu soovitud tulemuse ja andmete omaduste põhjal.
SnapGPT on SnapLogici klientidele äärmiselt mõjukas, kuna nad saavad järsult lühendada oma esimese SnapLogici torujuhtme genereerimiseks kuluvat aega. Traditsiooniliselt peavad SnapLogici kliendid veetma päevi või nädalaid integratsioonitorude nullist seadistamiseks. Nüüd saavad need kliendid lihtsalt paluda SnapGPT-l näiteks "luua torujuhe, mis viib kõik minu aktiivsed SFDC kliendid WorkDay'i." Sellele kliendile luuakse automaatselt toimiv esimene torujuhtme mustand, mis vähendab oluliselt nende integratsioonitoru aluse loomiseks kuluvat arendusaega. See võimaldab lõppkliendil integratsioonikonveieri konfiguratsioonide kallal töötamise asemel kulutada rohkem aega sellele, mis neil on tõeline ärimõju. Järgmine näide näitab, kuidas SnapLogici klient saab sisestada SnapGPT-funktsiooni kirjelduse, et luua kiiresti konveieri loomulikus keeles.
AWS ja SnapLogic on selle toote loomise jooksul teinud tihedat koostööd ja on selle käigus palju õppinud. Ülejäänud see postitus keskendub tehnilistele teadmistele, mida AWS ja SnapLogic on saanud tekstist torujuhtme rakenduste jaoks LLM-ide kasutamisel.
Lahenduse ülevaade
Selle teksti-konveieri probleemi lahendamiseks kavandasid AWS ja SnapLogic tervikliku lahenduse, mis on näidatud järgmises arhitektuuris.
Taotlus SnapGPT-le läbib järgmise töövoo:
- Kasutaja esitab rakendusele kirjelduse.
- SnapLogic kasutab rakendust Retrieval Augmented Generation (RAG), et hankida asjakohaseid näiteid SnapLogic torujuhtmetest, mis on sarnased kasutaja taotlusega.
- Need ekstraheeritud asjakohased näited kombineeritakse kasutaja sisendiga ja läbivad teatud teksti eeltöötluse, enne kui need saadetakse Amazon Bedrocki Claude'ile.
- Claude toodab JSON-i artefakti, mis esindab SnapLogici torujuhet.
- JSON-i artefakt on otse integreeritud SnapLogici põhiintegratsiooniplatvormiga.
- SnapLogic torujuhe renderdatakse kasutajale visuaalselt sõbralikul viisil.
AWS-i ja SnapLogici vaheliste erinevate katsete käigus oleme leidnud, et lahendusskeemi kiire projekteerimise samm on ülimalt oluline kvaliteetsete väljundite genereerimiseks nende teksti-konveieri väljundite jaoks. Järgmises jaotises käsitletakse mõnda konkreetset tehnikat, mida Claude'iga selles ruumis kasutatakse.
Kiire katsetamine
SnapGPT arendusfaasis leidsid AWS ja SnapLogic, et Claude'ile saadetavate viipade kiire iteratsioon oli kriitilise tähtsusega arendusülesanne, et parandada SnapLogici väljundite tekstist torujuhtmele väljundite täpsust ja asjakohasust. Kasutades Amazon SageMaker Studio interaktiivsete sülearvutite abil suutsid AWS-i ja SnapLogici meeskonnad kiiresti läbi töötada viipade erinevad versioonid, kasutades Boto3 SDK ühendus Amazon Bedrockiga. Sülearvutipõhine arendus võimaldas meeskondadel kiiresti luua kliendipoolseid ühendusi Amazon Bedrockiga, lisada Pythoni koodi kõrvale tekstipõhiseid kirjeldusi viipade saatmiseks Amazon Bedrockile ja korraldada ühiseid viipade inseneriseansse, kus tehti kiireid iteratsioone mitme isiku vahel.
Antroopsed Claude'i kiired insenerimeetodid
Selles jaotises kirjeldame mõningaid iteratiivseid tehnikaid, mida kasutasime suure jõudlusega viipa loomiseks näitliku kasutajapäringu alusel: „Tehke konveier, mis kasutab NäideCompany andmebaasi, mis toob välja kõik aktiivsed kliendid.” Pange tähele, et see näide ei ole skeem, mida SnapGPT toidab, ja seda kasutatakse ainult teksti-konveieri rakenduse illustreerimiseks.
Oma kiire inseneritöö alustamiseks kasutame järgmist algset viipa:
Loo konveier, mis kasutab NäideCompany andmebaasi, mis hangib kõik aktiivsed kliendid
Eeldatav väljund on järgmine:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
Täiendus nr 1: Inimese ja Assistendi märkuste kasutamine
Claude’i treeningprotseduur õpetab FM-i mõistma dialoogi inimese ja assistendi vahel selle kiires ülesehituses. Claude'i kasutajad saavad seda struktuuri ära kasutada, lõpetades oma viipa rakenduses Assistant:, mis käivitab Claude'i inimese öeldu põhjal päringule vastuse genereerimise. Pange tähele, et kuna Claude jätkab teksti genereerimist seni, kuni kästakse lõpetada, veenduge, et kasutate Claude'i kasutamisel Amazon Bedrocki API päringus nnHuman: stoppjärjestust. See tagab, et saate vastuse ainult assistendilt, mitte aga dialoogiahelas inimeselt ennustatud järgmist vastust. Need nnInimese ja nnAssistanti indikaatorid mitte ainult ei aita piirata Claude'i reageerimist asjakohasele teabele, vaid aitavad ka selgelt eristada inimese esmastest sisenditest ja muudest interaktsioonidest tulenevaid assistentide vastuseid. See on eriti abiks mõne võttega viipade seadistuses, kus saate esitada mitu päringut ja vastust päringutega, mis on märgistatud nnHuman ja varasemate vastuste märgistusega nnAssistant. Vaatame täiustatud viipa ja sellega seotud illustreerivat API-kutset Amazon Bedrockile Boto3 SDK kaudu.
Kasutame järgmist viipa:
Inimene: loo konveier, mis kasutab NäideCompany andmebaasi ja otsib kõik aktiivsed kliendid
Assistent:
Väljund on järgmine:
Siin on MongoDB torujuhe kõigi aktiivsete klientide toomiseks ExampleCompany andmebaasist:
pipeline = [ { '$match': { 'database': 'ExampleCompany', 'status': 'active' } } ] db.customers.aggregate(pipeline)
Peamised sammud on järgmised:
– `$match`, et filtreerida dokumendid ainult NäideCompany andmebaasis olevatele dokumentidele, mille olek on võrdne "aktiivne".
– „db.customers.aggregate()” käivitab konveieri klientide kogus ja tagastab filtreeritud tulemused.
Seega tagastab see kõik kliendidokumendid NäideCompany andmebaasist, kus olekuväljaks on seatud "aktiivne".
Pange tähele, kuidas väljundis annab Claude vastuse meie küsimusele ilma kontekstita. Vastus on potentsiaalselt kasulik, kuid see ei ole spetsiifiline probleemiga, mida me püüame lahendada, kuna sellele pole piisavalt konteksti. Samuti on oluline märkida, et Anthropic nõuab Claude'i mudelite kasutamisel seda inimese ja assistendi vormingut; kui te seda sammu ei lisa, tagastab Amazon Bedrock veateate.
Täiendus nr 2: lisage Claude'i jaoks hüperspetsiifiline kontekst enne, kui talle öeldakse, mida teha
Claude toimib kõige paremini siis, kui talle on antud hea kontekst selle kohta, mida ta peab täitma ja kuidas ta seda ülesannet täitma peaks. Siin on mõned näited asjadest, mida Claude'ile kontekstina lisada, enne kui talle ülesande ütled:
- Kirjeldage tööfunktsiooni, mida soovite, et Claude täidaks. Seda tehes paned Claude’i mõtlema sellele, kes sellel töökohal töötab, või pigem nagu keegi, kes just sellele konkreetsele ametikohale tööle võetakse. See aitab Claude'il sõnastada vastust selle konkreetse töörolli vaatenurgast, vähendades hallutsinatsioone ja vastuse juhuslikkust.
- Lisage väljundvormingu tehnilised üksikasjad. Vundamendimudelid on üldiselt head toimingute järgimisel, nii et kui paluda Claude'il genereerida väljund konkreetses vormingus või skeemis ühe või mõne näite abil, aitab Claude anda vastuse õiges vormingus, vähendades vajadust väljundi filtreerimise ja järeltöötluse järele. Järgmise viipa näide näitab fiktiivset skeemi, mis vastab eeldatavale väljundile.
Kombineerime need soovitused, et parandada oma algset viipa:
Inimene: teie ülesanne on tegutseda ETL-i torujuhtmete eksperdina. Täpsemalt on teie ülesanne luua ETL-i konveieri JSON-esitus, mis lahendab teile esitatud kasutajapäringu.
JSON-väljund peaks järgima järgmist vormingut:
Siin on teie ülesanne: looge konveier, mis kasutab NäideCompany andmebaasi, mis otsib kõik aktiivsed kliendid
Assistent:
Väljund on järgmine:
Siin on ETL-i konveieri JSON-esitus kõigi aktiivsete klientide toomiseks ExampleCompany andmebaasist:
See torujuhe kasutab NäideCompany andmebaasi ja SQL-päringut, et valida klientide tabelist kõik kirjed, mille olek on "aktiivne".
Konteksti lisamisega suudab mudel nüüd enamuse meie vastuseni jõuda. Nüüd teab see, kuidas väljundit struktureerida ja mõistab, et ülesande lahendamiseks on vaja kirjutada SQL-lause. Siiski märkate, et mudel ei kasuta õigesti ec_prod.customers nomenklatuuri, mida ootame. Arenguruum! Samuti pange tähele, et praktikas peate tekstist torujuhtmeks muutmise puhul kvaliteetsete tulemuste saamiseks kaasama oluliselt rohkem konteksti, kui selles näites esitasime.
Täiendus nr 3: näidete lisamine XML-märgenditesse
Mõne võttega õppimine on populaarne viis FM-ide täpsuse suurendamiseks, kus on asjakohased näited FM-i ülesande täitmiseks. See on eriti oluline teksti-konveieri rakendustes töötamisel, kuna neid hüperspetsiifilisi konveierväljundeid tavaliselt ei kaasata ühtegi avalikku andmekogumisse, kuna need on konkreetse kliendi andmete esituse jaoks spetsiifilised. Claude'i kasutamisel saate ära kasutada selle loomupäraseid teadmisi suvaliste XML-märgendite kohta, et esitada need näited mõne pildiga vormingus. Järgmises täiustatud viipas märkige XML-märgenditesse lisatud näidete lisamist. Samuti võite kasutada Claude'i konteksti loomiseks lühendeid human ja assistant koos H ja A-ga, ilma et see arvaks, et tegemist on juba toimunud dialoogi konkreetsete osadega.
Kasutame järgmist viipa:
Inimene: teie ülesanne on tegutseda ETL-i torujuhtmete eksperdina. Täpsemalt on teie ülesanne luua ETL-i konveieri JSON-esitus, mis lahendab teile esitatud kasutajapäringu.
JSON-väljund peaks järgima järgmist vormingut:
Siin on mõned näited kasutaja taotlustest ja nendega seotud JSON-i väljundartefaktidest, mis lahendavad antud ülesande õigesti. Kui kasutate samu andmebaase, kasutage kindlasti sama nomenklatuuri, mis on toodud näidetes.
H: küsige NäideCompany andmebaasist kliendi #1234 aktiivseid tellimusi
A:
Selle päringu põhjenduseks on see, et klient nr 1234 on filtreeritud ja me otsime tabelist „tellimused” kõiki olemasolevaid kirjeid pärast „aktiivset” filtrit.
H: eemaldage NäideCompany andmebaasist kõik kliendid, kes pole viimase kuu jooksul aktiivsed olnud
A:
Seda päringut põhjendatakse sellega, et tabel „ec_prod.customers” on andmebaasi ExampleCompany ainus tabel, mis sisaldab kliendikirjeid.
Siin on teie ülesanne: looge konveier, mis kasutab NäideCompany andmebaasi, mis otsib kõik aktiivsed kliendid.
Assistent:
Väljund on järgmine:
Siin on JSON-i esitus ETL-konveieri jaoks, et tuua välja kõik aktiivsed kliendid ExampleCompany andmebaasist:
Põhjendus on järgmine:
NäideCompany andmebaas on määratud kasutatavaks andmebaasiks
Tabel ec_prod.customers sisaldab kliendiandmeid
Olekuväli näitab, kas klient on aktiivne, nii et päring filtreerib ainult aktiivseid kliente
See peaks tooma NäideCompany andmebaasist kõik aktiivsed kliendikirjed. Andke mulle teada, kui vajate ETL-i torustikule selgitusi või lisanõudeid!
JSON-i väljundil on nüüd õige andmebaasi nomenklatuur, mida Claude sai meie esitatud näidete tõttu kasutada. Inimese ja assistendi indikaatorite ühendamine XML-märgenditega muudab Claude'i jaoks lihtsamaks aru, mis on ülesanne ja mis oli vastus sarnastes näidetes, kusjuures mitmete mõne kaadri näited on väga selgelt eraldatud. Mida lihtsam on Claude'il sellest aru saada, seda parem ja asjakohasem on vastus, mis vähendab veelgi modelli võimalust hallutsineerida ja anda juhuslikke ebaolulisi vastuseid.
Täiustus nr 4: Claude'i käivitamine, et alustada JSON-i genereerimist XML-märgenditega
Väike väljakutse FM-e kasutavate tekstist torujuhtme rakenduste puhul on vajadus saadud teksti väljund täpselt sõeluda, et seda saaks tõlgendada koodina allavoolurakenduses. Üks viis selle lahendamiseks Claude'iga on kasutada ära selle XML-märgendi mõistmist ja kombineerida seda kohandatud stoppjärjestusega. Järgmises viibas oleme andnud Claude'ile korralduse lisada väljund XML-märgenditesse. Seejärel lisasime viipa lõppu märgendi . See tagab, et esimene tekst, mis Claude'ist välja tuleb, on JSON-i väljundi algus. Kui te seda ei tee, vastab Claude sageli vestlustekstiga, seejärel tõelise koodi vastusega. Kui annate Claude'ile korralduse kohe väljundit genereerima hakata, saate sulgeva sildi nägemisel loomise hõlpsalt peatada. Seda näidatakse värskendatud Boto3 API kutses. Selle tehnika eelised on kahekordsed. Esiteks saate Claude'i koodi vastuse täpselt sõeluda. Teiseks saate vähendada kulusid, kuna Claude genereerib ainult koodiväljundeid ja ei lisa teksti. See vähendab Amazon Bedrocki kulusid, kuna teilt võetakse tasu iga märgi eest, mis on toodetud kõigist FM-idest.
Kasutame järgmist viipa:
Inimene: teie ülesanne on tegutseda ETL-i torujuhtmete eksperdina. Täpsemalt on teie ülesanne luua ETL-i konveieri JSON-esitus, mis lahendab teile esitatud kasutajapäringu.
JSON-väljund peaks järgima järgmist vormingut:
Siin on mõned näited kasutaja taotlustest ja nendega seotud JSON-i väljundartefaktidest, mis lahendavad antud ülesande õigesti. Kui kasutate samu andmebaase, kasutage kindlasti sama nomenklatuuri, mis on toodud näidetes.
H: küsige NäideCompany andmebaasist kliendi #1234 aktiivseid tellimusi
A:
Selle päringu põhjenduseks on see, et klient nr 1234 on filtreeritud ja me otsime tabelist „tellimused” kõiki olemasolevaid kirjeid pärast „aktiivset” filtrit.
H: eemaldage NäideCompany andmebaasist kõik kliendid, kes pole viimase kuu jooksul aktiivsed olnud
A:
Seda päringut põhjendatakse sellega, et tabel „ec_prod.customers” on andmebaasi ExampleCompany ainus tabel, mis sisaldab kliendikirjeid.
Ärge unustage alati lisada oma JSON-väljundid siltidesse.
Siin on teie ülesanne: looge konveier, mis kasutab NäideCompany andmebaasi, mis otsib kõik aktiivsed kliendid.
Assistent:
Kasutame järgmist koodi:
body = json.dumps({"prompt": prompt, "stop_sequences": ['nnHuman:', '</json>']})
response = bedrock.invoke_model(
body=body,
modelId='anthropic.claude-v2'
)
Väljund on järgmine:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
Nüüd oleme jõudnud oodatud väljundini, tagastades ainult JSON-objekti! Seda meetodit kasutades suudame genereerida kohe kasutatava tehnilise artefakti ja vähendada genereerimiskulusid, vähendades väljundmärke.
Järeldus
SnapGPT-ga täna alustamiseks taotlege a SnapLogici tasuta prooviversioon or taotlege toote demo. Kui soovite neid kontseptsioone täna rakenduste ehitamisel kasutada, soovitame käed külge katsetades selle postituse kiire inseneri jaotisega, kasutades sama voogu erineva DSL-i põlvkonna kasutusjuhtumi puhul, mis sobib teie ettevõttele, ja sukeldudes sügavamale RAG-i funktsioonid, mis on saadaval Amazon Bedrocki kaudu.
SnapLogic ja AWS on suutnud tõhusalt koostööd teha, et luua täiustatud tõlkija inimkeele ja Amazon Bedrocki toiteallika SnapLogic integratsioonitorujuhtmete keeruka skeemi vahel. Kogu selle teekonna jooksul oleme näinud, kuidas Claude'iga loodud väljundit saab teksti-konveieri rakendustes täiustada, kasutades konkreetseid kiireid inseneritehnikaid. AWS ja SnapLogic on põnevil, et saavad seda Generative AI partnerlust jätkata ning ootavad tulevast koostööd ja uuendusi selles kiiresti muutuvas ruumis.
Autoritest
Greg Benson on San Francisco ülikooli arvutiteaduse professor ja SnapLogici peateadur. Ta liitus USF arvutiteaduse osakonnaga 1998. aastal ning on õpetanud bakalaureuse- ja magistriõppe kursusi, sealhulgas operatsioonisüsteeme, arvutiarhitektuuri, programmeerimiskeeli, hajutatud süsteeme ja sissejuhatavat programmeerimist. Greg on avaldanud uuringuid operatsioonisüsteemide, paralleelarvutuse ja hajutatud süsteemide valdkonnas. Alates SnapLogiciga liitumisest 2010. aastal on Greg aidanud kavandada ja juurutada mitmeid platvormi põhifunktsioone, sealhulgas klastrite töötlemist, suurandmete töötlemist, pilvearhitektuuri ja masinõpet. Praegu töötab ta andmete integreerimiseks generatiivse AI-ga.
Aaron Kesler on SnapLogici tehisintellekti toodete ja teenuste vanem tootejuht. Aaron rakendab üle kümne aasta tootejuhtimise kogemusi tehisintellekti/ML-i tootearenduse pioneeriks ja teenuste levitamiseks kogu organisatsioonis. Ta on ilmuva raamatu “What’s Your Problem?” autor. mille eesmärk on suunata uusi tootejuhte läbi tootejuhtimise karjääri. Tema ettevõtlustee sai alguse tema kolledži idufirmast STAK, mille Carvertise hiljem omandas koos Aaroniga, mis aitas oluliselt kaasa nende tunnustamisele 2015. aasta idufirmana Delaware'is. Lisaks ametialastele tegevustele tunneb Aaron rõõmu oma isaga golfi mängimisest, reisidel uute kultuuride ja toitude avastamisest ning ukulele harjutamisest.
Rikas till on peamiste lahenduste arhitekt, kellel on laialdased kogemused mitmes spetsialiseerumisvaldkonnas. Edu saavutamine, mis hõlmab mitme platvormi ettevõttetarkvara ja SaaS-i. Tuntud selle poolest, et muudab klientide kaitsmise (kliendi häälena toimimise) uuteks tulu teenivateks funktsioonideks ja toodeteks. Tõestatud võime tuua turule tipptasemel tooteid ning viia projekte graafiku ja eelarve piires lõpule kiire tempoga maismaa- ja avamerekeskkondades. Lihtne viis mind kirjeldada: teadlase mõistus, maadeuurija süda ja kunstniku hing.
Clay Elmore on AWS-i AI/ML-i spetsialistilahenduste arhitekt. Pärast paljude tundide veetmist materjaliuuringute laboris jäi tema keemiatehnoloogia taust kiiresti maha, et jätkata huvi masinõppe vastu. Ta on töötanud ML rakenduste kallal paljudes erinevates tööstusharudes, alates energiakaubandusest kuni hotelliturunduseni. Clay praegune töö AWS-is keskendub klientide abistamisele tarkvaraarenduse tavade viimisel ML ja generatiivse AI töökoormuse juurde, võimaldades klientidel nendes keerulistes keskkondades luua korratavaid, skaleeritavaid lahendusi. Vabal ajal meeldib Clayle suusatada, Rubiku kuubikuid lahendada, lugeda ja süüa teha.
Sina Sojoodi on tehnoloogiajuht, süsteemiinsener, tootejuht, endine asutaja ja käivitamisnõustaja. Ta liitus AWS-iga 2021. aasta märtsis peamiste lahenduste arhitektina. Sina on praegu USA-Lääne ISV piirkonna juhtiv lahenduste arhitekt. Ta teeb koostööd SaaS-i ja B2B tarkvaraettevõtetega, et luua ja kasvatada oma äri AWS-is. Varem Amazonis töötamist oli Sina VMware ja Pivotal Software tehnoloogiajuht (IPO 2018. aastal, VMware M&A 2020. aastal) ning täitis mitut juhtivat rolli, sealhulgas Xtreme Labsi asutajainsener (Pivotali omandamine 2013. aastal). Sina on viimased 15 aastat oma töökogemust pühendanud tarkvaraplatvormide ja -tavade loomisele ettevõtetele, tarkvaraettevõtetele ja avalikule sektorile. Ta on tööstusharu juht, kellel on kirg uuenduste vastu. Sinal on bakalaureusekraad Waterloo ülikoolist, kus ta õppis elektrotehnikat ja psühholoogiat.
Sandeep Rohilla on AWS-i vanemlahenduste arhitekt, kes toetab ISV kliente USA läänepiirkonnas. Ta keskendub klientide abistamisele lahenduste väljatöötamisel, kasutades konteinereid ja generatiivset AI-d AWS-i pilves. Sandeep on kirglik mõista klientide äriprobleeme ja aidata neil tehnoloogia abil oma eesmärke saavutada. Ta liitus AWS-iga pärast enam kui kümme aastat töötamist lahenduste arhitektina, tuues sellega oma 17-aastase kogemuse. Sandeep on magistrikraadiga. Ühendkuningriigis Bristolis asuva Lääne-Inglismaa ülikooli tarkvaratehnika erialal.
Dr Farooq Sabir on AWS-i tehisintellekti ja masinõppe lahenduste vanemarhitekt. Tal on doktori- ja magistrikraad elektrotehnika alal Texase ülikoolist Austinis ning magistrikraadi arvutiteaduses Georgia Tehnoloogiainstituudist. Tal on üle 15-aastane töökogemus ning talle meeldib õpetada ja juhendada ka kolledži üliõpilasi. AWS-is aitab ta klientidel sõnastada ja lahendada äriprobleeme andmeteaduse, masinõppe, arvutinägemise, tehisintellekti, numbrilise optimeerimise ja sellega seotud valdkondades. Teksases Dallases asuv talle ja ta perele meeldib reisida ja pikki teereise teha.
- SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
- PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
- PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
- PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
- PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
- Allikas: https://aws.amazon.com/blogs/machine-learning/how-snaplogic-built-a-text-to-pipeline-application-with-amazon-bedrock-to-translate-business-intent-into-action/
- :on
- :on
- :mitte
- : kus
- $ UP
- 10
- 100
- 121
- 14
- 15 aastat
- 15%
- 150
- 17
- 1998
- 200
- 2010
- 2013
- 2015
- 2017
- 2018
- 2020
- 2021
- 31
- 33
- 7
- 8
- 9
- a
- Aaron
- võime
- Võimalik
- MEIST
- juurdepääs
- täitma
- täpsus
- Saavutada
- omandatud
- omandamine
- üle
- tegu
- tegevus
- meetmete
- aktiivne
- lisatud
- lisamine
- Täiendavad lisad
- edasijõudnud
- ADEelis
- nõuandja
- propageerimise
- pärast
- AI
- Tehisintellekti süsteemid
- Tehisintellekti toega
- AI / ML
- eesmärk
- Eesmärgid
- algoritme
- Materjal: BPA ja flataatide vaba plastik
- lubatud
- Lubades
- võimaldab
- mööda
- kõrval
- juba
- Ka
- Amazon
- Amazon Web Services
- summa
- an
- analüüsides
- ja
- vastus
- vastuseid
- Antroopne
- mistahes
- API
- API-liidesed
- taotlus
- rakendused
- kehtib
- lähenemine
- apps
- araabia
- arhitektuur
- OLEME
- PIIRKOND
- valdkondades
- ümber
- saabunud
- kunst
- kunstlik
- tehisintellekti
- Tehisintellekt ja masinõpe
- kunstnik
- AS
- küsima
- küsib
- assistent
- seotud
- At
- suurendatud
- Austin
- autor
- automatiseerima
- Automatiseeritud
- automaatselt
- Automaatika
- saadaval
- AWS
- AWS-i klient
- B2B
- tagapõhi
- toetus
- baas
- põhineb
- Baseline
- BE
- Pidage
- sai
- sest
- muutuma
- olnud
- enne
- hakkas
- alustama
- taga
- on
- Kasu
- BEST
- Parem
- vahel
- Peale
- Suur
- Big andmed
- raamat
- mõlemad
- tooma
- Toomine
- Toob
- Bristol
- lai
- üldjoontes
- eelarve
- ehitama
- Ehitus
- Ehitab
- ehitatud
- äri
- ärimõju
- ettevõtted
- kuid
- by
- helistama
- kutsutud
- CAN
- võimeid
- Karjäär
- juhul
- juhtudel
- Centers
- kett
- väljakutse
- võimalus
- omadused
- laetud
- keemiline
- juht
- valik
- selge
- lähedalt
- Sulgemine
- Cloud
- Cluster
- kood
- Kodeerimine
- koostööd teinud
- koostöö
- kogumine
- kolledž
- ühendama
- kombineeritud
- tuleb
- kohustus
- Ettevõtted
- Ettevõtte omad
- sunnitud
- lõpetamist
- keeruline
- terviklik
- arvuti
- Arvutiteadus
- Arvuti visioon
- arvutustehnika
- mõisted
- seadistamine
- ühendamine
- ühendus
- Side
- järjepidevalt
- Konteinerid
- sisaldab
- sisu
- sisu loomine
- kontekst
- jätkama
- leping
- kaasa
- jutukas
- cooking
- tuum
- parandada
- õigesti
- Maksma
- võiks
- kursused
- looma
- loodud
- loomine
- loovus
- kriitiline
- Praegune
- Praegu
- tava
- klient
- Kliendid
- lõikamine
- viimase peal
- Dallas
- andmed
- andmete integreerimine
- andmetöötlus
- andmeteadus
- andmebaas
- andmebaasid
- Päeva
- kümme aastat
- vähenema
- pühendunud
- sügav
- sügavam
- Delaware
- Demo
- Demokraatlik
- osakond
- tuletisinstrument
- kirjeldama
- kirjeldus
- Disain
- kavandatud
- soov
- soovitud
- üksikasjalik
- detailid
- Arendajad
- & Tarkvaraarendus
- seadmed
- Dialoog
- erinev
- otse
- jagatud
- hajutatud süsteemid
- sukeldumine
- do
- dokumendid
- Ei tee
- teeme
- Domeenid
- Ära
- alla
- eelnõu
- drastiliselt
- ajam
- kaks
- iga
- lihtsam
- lihtsaim
- kergesti
- ökosüsteemi
- tõhusalt
- kumbki
- Elektrotehnika
- elemendid
- võimaldab
- lõpp
- lõpetamine
- energia
- insener
- Inseneriteadus
- Inglismaa
- Inglise
- Lisaseade
- piisavalt
- tagama
- tagab
- sisene
- ettevõte
- ettevõtte tarkvara
- Enterprise Solutions
- ettevõtete
- Kogu
- täielikult
- ettevõtlikkus
- keskkondades
- võrdne
- Samaväärne
- viga
- eriti
- Eeter (ETH)
- Isegi
- ilmne
- täpselt
- näide
- näited
- Excel
- erutatud
- täidesaatev
- olemasolevate
- oodatav
- ootab
- kogemus
- ekspert
- teadmised
- uurija
- Avastades
- lisatasu
- äärmiselt
- pere
- kiiresti liikuv
- tempokas
- tunnusjoon
- FUNKTSIOONID
- vähe
- väli
- Valdkonnad
- filtreerida
- filtreerimine
- Filtrid
- leiab
- esimene
- Lipulaev
- voog
- Voolud
- Keskenduma
- keskendub
- keskendumine
- järgima
- Järel
- järgneb
- toiduained
- eest
- Foray
- esirinnas
- formaat
- vormid
- edasi
- avastatud
- Sihtasutus
- asutamine
- Francisco
- sõbralik
- Alates
- Täida
- täielikult
- funktsioon
- edasi
- tulevik
- saadud
- üldiselt
- tekitama
- loodud
- genereerib
- teeniva
- põlvkond
- generatiivne
- Generatiivne AI
- Georgia
- Georgia Institute of Technology
- saama
- gif
- antud
- Go
- Eesmärgid
- Goes
- hea
- koolilõpetaja
- Kasvama
- suunata
- olnud
- käsi
- Kasutamine
- Olema
- he
- süda
- aitama
- aitas
- kasulik
- aidates
- aitab
- siin
- suure jõudlusega
- kvaliteetne
- rõhutab
- tema
- hoidma
- omab
- külalislahkus
- Lahtiolekuajad
- Kuidas
- Kuidas
- aga
- HTML
- HTTPS
- inim-
- tagasihoidlik
- tuvastatud
- if
- Illustreerima
- kohe
- mõju
- mõjuv
- rakendada
- oluline
- parandama
- paranenud
- Paranemist
- in
- sisaldama
- lisatud
- Kaasa arvatud
- Suurendama
- sõltumatud
- näitab
- näitajad
- eraldi
- tööstusharudes
- tööstus
- tööstuse juht
- info
- kaasasündinud
- uuenduslik
- Innovatsioon
- sisend
- sisendite
- kiire
- selle asemel
- Instituut
- juhised
- integreeritud
- integratsioon
- integratsioon
- Intelligentsus
- Intelligentne
- tahtlus
- interaktsioonid
- interaktiivne
- huvi
- Interface
- sisemine
- sisse
- sisse
- Tutvustab
- sissejuhatav
- IPO
- isv
- IT
- iteratsioon
- kordused
- ITS
- Java
- töö
- liitunud
- liitumine
- ühine
- teekond
- rõõm
- jpg
- Json
- lihtsalt
- Võti
- Teadma
- teadmised
- teatud
- teab
- labor
- Labs
- keel
- Keeled
- suur
- viimane
- pärast
- hiljemalt
- viima
- juht
- Juhtimine
- juhtivate
- Hüpe
- õppinud
- õppimine
- lahkus
- laskma
- võimendav
- nagu
- meeldib
- loogika
- Pikk
- Vaata
- Partii
- armastus
- Ühinemised ja ülevõtmised
- masin
- masinõpe
- masinad
- tehtud
- tegema
- TEEB
- Tegemine
- juhitud
- juhtimine
- juht
- Juhid
- viis
- käsitsi
- palju
- kaardistus
- Märts
- Turg
- Turundus
- tikud
- materjalid
- me
- mentor
- pelk
- Metaandmed
- meetod
- miljonid
- meeles
- protokoll
- missioon
- ML
- mudel
- mudelid
- MongoDB
- rohkem
- kõige
- liikuma
- MS
- Mitmeplatvormiline
- mitmekordne
- my
- nimi
- Natural
- Loomulik keel
- Vajadus
- vajadustele
- Uus
- Uued funktsioonid
- uus toode
- järgmine
- ei
- meeles
- märkmikud
- Märka..
- nüüd
- objekt
- esemeid
- toimunud
- of
- Pakkumised
- sageli
- on
- kunagi
- ONE
- ainult
- tegutsevad
- operatsioonisüsteemid
- optimeerimine
- optimeerimine
- or
- et
- tellimuste
- organisatsioon
- organisatsioonid
- originaal
- Muu
- meie
- välja
- Tulemus
- väljund
- väljundid
- üle
- lehekülge
- Parallel
- eriti
- partner
- Partnerlus
- kirg
- kirglik
- minevik
- Muster
- täidab
- perspektiiv
- faas
- phd
- tükki
- pioneer
- torujuhe
- Keskses
- Koht
- inimesele
- Platvormid
- Platon
- Platoni andmete intelligentsus
- PlatoData
- populaarne
- populaarsus
- post
- potentsiaal
- potentsiaalselt
- võim
- sisse
- tava
- tavad
- ennustada
- ennustada
- eelmine
- esmane
- Peamine
- privaatsus
- Privaatsus ja turvalisus
- Probleem
- probleeme
- menetlus
- protsess
- Protsessid
- töötlemine
- Toodetud
- toodab
- Toode
- tootearendus
- tootehaldus
- tootejuht
- Toodet
- Tooted ja teenused
- professionaalne
- Õpetaja
- Programming
- programmeerimiskeeled
- projektid
- küsib
- tõestatud
- anda
- tingimusel
- annab
- pakkudes
- Psühholoogia
- avalik
- avaldatud
- Avaldatud uurimustöö
- jätkama
- Python
- päringud
- küsimus
- kiiresti
- juhuslik
- juhuslikkus
- valik
- alates
- kiire
- Lugemine
- mõistma
- realm
- saama
- hiljuti
- tunnustamine
- soovitama
- rekord
- andmed
- vähendama
- vähendab
- vähendamine
- kohta
- piirkond
- ümberkujundamine
- seotud
- vabastatud
- asjakohane
- usaldusväärne
- lootma
- meeles pidama
- kõrvaldama
- sulatatud
- korratav
- vastus
- esindamine
- esindavad
- esindab
- taotleda
- Taotlusi
- nõudma
- nõutav
- Nõuded
- Vajab
- teadustöö
- vastus
- vastuste
- REST
- tulemuseks
- Tulemused
- tagasipöördumine
- Tulu
- murranguliseks muuta
- Rikas
- õige
- tee
- Roll
- rollid
- ruum
- jooks
- jookseb
- SaaS
- ohutus
- salveitegija
- Ütlesin
- sama
- San
- San Francisco
- Scala
- skaalautuvia
- Skaala
- ajakava
- teadus
- teadlane
- kriimustada
- SDK
- otsimine
- Teine
- Osa
- sektor
- turvalisus
- vaata
- nähtud
- valima
- saatmine
- vanem
- Saadetud
- Jada
- serveeritud
- teenus
- Teenused
- teenindavad
- istungid
- komplekt
- kehtestamine
- mitu
- peaks
- näitama
- näidatud
- Näitused
- märgatavalt
- sarnane
- lihtne
- lihtsustama
- lihtsustamine
- lihtsalt
- alates
- ühekordne
- väike
- So
- tarkvara
- tarkvara
- Tarkvaraarendajad
- tarkvaraarenduse
- tarkvaraarendus
- lahendus
- Lahendused
- LAHENDAGE
- Lahendamine
- mõned
- Keegi
- keeruline
- hing
- allikas
- Ruum
- hispaania
- Pinge
- spetsialist
- konkreetse
- eriti
- määratletud
- kulutama
- Kulutused
- SQL
- algus
- alustatud
- käivitamisel
- väljavõte
- olek
- Samm
- Sammud
- Peatus
- lihtne
- struktuur
- Õpilased
- õppinud
- edu
- Toetamine
- Toetab
- peaks
- kindel
- süsteem
- süsteemid
- tabel
- TAG
- Võtma
- sihtmärk
- Ülesanne
- ülesanded
- õpetas
- meeskond
- meeskonnad
- tech
- tehnoloogia käivitamine
- Tehniline
- tehnika
- tehnikat
- Tehnoloogia
- öelda
- kümme
- texas
- tekst
- kui
- et
- .
- Lääs
- maailm
- oma
- Neile
- SIIS
- Need
- nad
- asjad
- mõtlema
- see
- need
- Läbi
- läbi kogu
- aeg
- et
- täna
- sümboolne
- märgid
- ütles
- võttis
- tööriist
- jälgida
- jälgida
- Kauplemine
- traditsiooniliselt
- koolitus
- muundav
- muudab
- tõlkima
- reisima
- reisib
- trendid
- kohtuprotsess
- vallandada
- käivitamine
- tõsi
- Tõeline kood
- üritab
- Pööramine
- tüüp
- ui
- Uk
- all
- mõistma
- mõistmine
- mõistab
- ainulaadne
- Ülikool
- kuni
- Avalikustas
- tulemas
- ajakohastatud
- peale
- us
- kasutatav
- kasutama
- kasutage juhtumit
- Kasutatud
- Kasutaja
- User Experience
- Kasutajad
- kasutusalad
- kasutamine
- tavaliselt
- ux
- eri
- müüjad
- väga
- kaudu
- nägemus
- visuaalne
- vmware
- Hääl
- tahan
- oli
- Tee..
- we
- web
- veebiteenused
- nädalat
- Hästi
- olid
- Läände
- M
- Mis on
- millal
- mis
- lai
- Lai valik
- will
- aken
- koos
- ilma
- Töö
- töötas
- töövoog
- Töövoogud
- töö
- töötab
- maailm
- maailma
- oleks
- kirjutama
- XML
- aasta
- aastat
- sa
- Sinu
- youtube
- sephyrnet