AWS의 NLP에서 시작 — NLP 시리즈 1부 | 카를로스 코르테스 | 먹구름 깨기

Audio Blog

이것은 우리의 텍스트와 표지 이미지를 위대한 시작으로 분할할 것이다. 이것은 소스 소프트웨어가Coreference가 만든 포옹 얼굴이라고 불리는 것이다. 그렇지?우리 몇 부분으로 나눕시다...
만약 당신이 포옹 얼굴과 Sage Maker에 대해 알고 싶다면, 나는 며칠 전에 이곳에서 이 화제와 최근 AWS와의 연맹에 대해 깊이 있게 이야기했다.

학습 곡선

학습 곡선이 매우 길어서 우리가 원한다면 복잡해질 수 있다.따라서 어떤 절차와 틀은 우리가 현재의 처지를 알 수 있도록 도와줄 수 있다.

자연 언어 처리(NLP) 프로세스*

우리는 모든 단계를 진정으로 이해하기 전에 중요한 단계를 뛰어넘는 경우가 많다.예를 들어 데이터 촬영, 웹 캡처, 텍스트 분석, EDA(탐색적 분석 등)

크리스피-DM 기억나세요?

그것은 데이터 발굴 구조로 현재는 기계 학습, 심도 있는 학습, 데이터 과학 등으로 불린다.

AWS 시작 필수 사항

어디로 가든지 우리는 이 신발을 주머니에 넣을 것이다.

Python 3.x+boto3*

**Boto3*은 AWS python 라이브러리로 클라우드의 모든 자원을 실행하고 관리할 수 있습니다.*import Boto3로 간단하게, **키를 설정하거나 캐릭터를 정확하게 만들 수 있습니다.

프리 트레이닝 모델

미리 훈련하는 모형은 우리가 이미 존재하는 것을 발명하기 시작하는 것이 아니라 연구, 훈련, 분석 시간을 단축시키는 데 도움을 준다.이를 위해 우리는 클라우드 서비스를 사용할 수 있다.
**Amazon Understand(Applied NLP)**, 이것은 SaaS 유형의 서비스로 AWS boto3 라이브러리의 API를 사용할 준비가 되어 있고 데이터에서 견해를 얻기 시작했다는 것을 의미한다.Amazon 웹 서비스에서 이미 교육받은 모델을 포함하고 있습니다. 우리는 이 모델을 다시 사용해서 자신의 모델을 만들 수 있습니다. 우리는 이 위대한 서비스를 이해하기 시작하고 다른 AWS 서비스로 재미있는 응용 프로그램을 구축하기 시작합니다.
**포옹 얼굴(고급)**, 잠시 후 이 포옹 얼굴의 딥러닝 모형을 이용하여 트랜스포머, 표기기 등을 할 것입니다.

자체 모델을 만들려면 다음과 같이 하십시오.

일단 우리가 NLP의 자기관리 클라우드 서비스에 대해 잘 알게 되면 아마존 Sagemaker를 통해 다음 단계로 진입할 수 있다.
또는, 당신의 용기를 사용하면, 우리도 배우거나, 현지에서 사용할 것입니다

NLP 오픈 소스 라이브러리

나는 지금 이런 것들을 언급할 것이다. 앞으로 몇 달 동안 우리는 그 중 두 가지 이상을 틀림없이 알게 될 것이다.

NLTK

Spark NLP

CoreNLP

스파시

Pytorch

Tensorflow

등.

도구 및 IDE

지금부터 우리는 데이터 과학 IDE를 사용하여 클라우드에서 일하는 느낌을 한 걸음 한 걸음 이해하고 배우며 AWS의 인공지능 서비스를 이해할 것이다.

나는 여러분에게 아래의 내용을 좀 보라고 건의합니다. 어떤 것은 비용을 지불하는 것이고, 어떤 것은 무료입니다.

Sagemaker 스튜디오/Sagemaker 노트북

Jupyter 노트북/Jupyter 랩

블록

구글 Colab

그중에...

무료로 시작하기 위해서 **Databricks와Colab**를 제안합니다. 첫 번째는 커뮤니티 플랫폼이 있어서 무료로 그룹을 만들 수 있습니다. 제한된 시간 안에 사용하지 않으면 탈락합니다. 구글의 Colab은 구글 하드디스크에서 직접 실행할 수 있고 비용이 필요하지 않습니다.

클라우드에 내 모델 배포

아직은 배치를 고려할 때가 아니다. 그래, 우리는 가장 오래된 것부터 가장 현대적인 것까지 많은 방법을 찾을 것이다.

기존 서버(VM, 베어 메탈)

컨테이너(AWS ECS, EKS, Fargate)

서버 없음

이것은 서버리스와 Sagemaker를 결합시키는 좋은 시작이다.

서버 없음 우선 고려

이제 AWS Lambda, AWS Step 함수, Sagemaker 파이프, AWS CodePipeline 실행 서버를 사용할 필요가 없습니다. 이 서비스들은 클라우드에 배치되어 있으며, 개발과 시작 속도를 높일 수 있습니다.
다음 게시물에서는 AWS Lambda 및 Amazon을 사용하여 배포하는 방법을 학습합니다.

아마존 및 그 초강대국

당신은 간단한 일을 상상할 수 있습니까? 예를 들어 몇 줄의 코드를 쓰고, 몇 분 안에 단어 탐지기와 단어 추출을 만드는 것이지, 많은 시간을 들여 연구하는 것이 아닙니다.만약 네가 아마존, 파이톤 조금, 그리고 몇 방울의 Serverless를 이용하기 시작한다면, 이것은 가능하다
구문 추출:
저희가 여기서 사용하는 건 파이톤 3.6과boto3 라이브러리입니다.

response **=** client**.**detect_key_phrases(

Text=’string’,

LanguageCode=’en’|’es’

)

실체, 감정, 언어, 문법, 주제와 문서 분류의 추출은 우리가 Understand에 대해 해야 할 추가적인 일이자 의학의 특정한 버전이다. 이를 **Amazon Understand Medical**이라고 부른다.

우리 계속 뭐 할까요?

데이터 섭취와 텍스트 분석은 NLP를 이해하는 중요한 기초 중 하나이기 때문에 다음 글에서 데이터 상자에서 데이터, 텍스트, 제목을 얻을 수 있도록 우리의 첫 번째 네트워크 데이터 섭취를 구축하기 시작할 것이다.
** 다음 게시물: (4월 2일 방송)**
(원본: Medium 및
Dev.cortez.cloud )
만약 네가 이 글을 좋아한다면, 그것에 칭찬을 하고, 공유하고, 평론을 해라.

사물을 타파하는 것에서 배우다.

내 채널에 가입하여 클라우드를 타파하고 AWShttps://cortez.cloud를 통해 최신 정보를 확인
⭐내 채널 구독: http://bit.ly/aldiaconaws
비디오, AWS 뉴스, 분석, 리뷰, 프레젠테이션, 워크숍

🔥🔥 Sígueme en mis redes🔥🔥

따라오십시오:
🦜 내 트위터:
📺 Youtube 채널: http://bit.ly/aldiaconaws
📺 오소그파쿠
📟 내 페이스북: https://www.facebook.com/ccortezb/
🤳 내 Instagram: ccortezbazan
📜내 AWS 강좌: https://cennticloud.thinkific.com
🕮 내 블로그 - cortez.cloud
대단히 감사합니다. 우리 다시 만날 수 있기를 바랍니다

🔥🔥 나에 관하여🔥🔥

Cortez.Cloud/whoami
제 개인 홈페이지https://www.Cortez.Cloud를 보여드리겠습니다. 이름은'파운'입니다.
나는 계속해서 매주 AWS에서Al/ML, 서버 없음, 안전과 규칙을 깨뜨리는 방법으로 내용을 만들 것이다!
그리고 나의 다음 계획, 세미나, 수업, 무료 동영상 등.