99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心
3天內(nèi)不再提示

亞馬遜云科技結(jié)合大語言模型和自然語言問答,加速的數(shù)據(jù)決策

科技新思路 ? 來源:科技新思路 ? 作者:科技新思路 ? 2023-08-14 19:04 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

亞馬遜科技近日宣布,正在將Amazon Bedrock提供的大語言模型能力與支持自然語言問答的Amazon QuickSight Q相結(jié)合,在Amazon QuickSight中提供生成式BI功能。該功能很快將在Amazon QuickSight上線,幫助企業(yè)輕松探索數(shù)據(jù)、發(fā)現(xiàn)并分享洞察。

借助Amazon QuickSight中新增的生成式BI功能,業(yè)務(wù)分析師能夠使用自然語言輕松執(zhí)行日常任務(wù),包括:

基于Amazon QuickSight Q全新的視覺創(chuàng)作體驗(yàn)功能,在幾秒鐘內(nèi)創(chuàng)建數(shù)據(jù)可視化圖表;

使用自然語言微調(diào)和格式化圖表效果;

無需學(xué)習(xí)特定語法,通過自然語言即可創(chuàng)建計(jì)算任務(wù)。

針對使用儀表盤并需要與之進(jìn)行交互的業(yè)務(wù)用戶,亞馬遜云科技還發(fā)布了Stories功能,助力業(yè)務(wù)用戶使用生成式BI的強(qiáng)大能力,通過自然語言提示來生成、定制和共享極具信息量的可視化圖表。

為所有用戶加速數(shù)據(jù)驅(qū)動的決策

這些新功能能夠幫助業(yè)務(wù)分析師快速創(chuàng)建儀表盤,并幫助業(yè)務(wù)用戶使用數(shù)據(jù)輕松創(chuàng)建強(qiáng)大和可共享的圖表。

wKgZomTaCieAZs1OAATnGn0rHcY892.png

使用自然語言構(gòu)建可視化內(nèi)容

業(yè)務(wù)分析師使用自然語言簡單描述想要的可視化內(nèi)容,就可以快速生成可視化圖表,這種由Amazon QuickSight Q提供的全新流暢創(chuàng)作體驗(yàn),加速了儀表盤的創(chuàng)建流程。業(yè)務(wù)分析師可以一鍵將可視化內(nèi)容添加到分析報(bào)告中。

業(yè)務(wù)分析師還可以在創(chuàng)作體驗(yàn)窗口頂部選擇新的“Ask Q”選項(xiàng)來使用這一新功能,然后用自然語言描述他們希望看到的數(shù)據(jù)?!癚 for authoring”可以回答諸如“鞋子”或“頂級客戶”等模糊問題,也可以回答“圣安東尼奧2020年各月的鞋子銷售量”等精確問題。它還能提供相關(guān)備選問題的建議,幫助業(yè)務(wù)分析師查看并解決一問多答的模糊情況。在將可視化內(nèi)容添加到儀表盤之前,用戶可以通過調(diào)整問題術(shù)語(例如,應(yīng)用篩選器或更改度量),輕松地對其進(jìn)行迭代。例如,可以使用點(diǎn)擊方式來更改視覺內(nèi)容類型或配置預(yù)測時間窗口。

在分析報(bào)告中使用自然語言

優(yōu)化可視化內(nèi)容

用戶使用生成式BI在儀表盤和報(bào)告中編輯可視化內(nèi)容,就像使用自然語言描述變化一樣簡單。用戶使用可視化內(nèi)容中新的Build for me菜單選項(xiàng),可以減少更新所需的操作步驟。

使用這項(xiàng)功能很簡單。用戶只需打開已有的分析報(bào)告,選擇要更改的可視化內(nèi)容,選擇“Build for me”菜單選項(xiàng),然后用通俗易懂的語言描述更改。例如:“更改為條形圖”或“將日期軸更改為月份”來快速更改視覺圖表的格式。

使用自然語言創(chuàng)建計(jì)算字段

創(chuàng)建一個新的計(jì)算任務(wù)和問Amazon QuickSight Q幾個問題一樣簡單!用戶只要簡單描述一下計(jì)算任務(wù),Amazon QuickSight就會生成相應(yīng)的表達(dá)式語法。使用自然語言生成表達(dá)式可以節(jié)省時間,這對于那些剛接觸Amazon QuickSight或不熟悉特定表達(dá)式語法的人尤為可貴。

用戶還可以使用“Build for me”按鈕生成計(jì)算任務(wù)。該功能通過生成表達(dá)式預(yù)覽,讓用戶在添加任何計(jì)算任務(wù)前都有機(jī)會再檢查,并且可以使用Amazon QuickSight表達(dá)式語法直接編輯所生成的計(jì)算任務(wù)。

創(chuàng)建和共享豐富的數(shù)據(jù)故事

為了向其他利益相關(guān)者進(jìn)行展示,業(yè)務(wù)用戶通常要花費(fèi)大量時間從儀表盤中提取數(shù)據(jù)和洞察。為此,他們通常會將視覺內(nèi)容復(fù)制并粘貼到BI系統(tǒng)之外的各種共享文檔中,但這可能無法滿足數(shù)據(jù)治理的要求,也會影響獲取洞察的時效性。

Amazon QuickSight中新增的Stories功能可幫助業(yè)務(wù)用戶通過信息豐富的圖表來解讀數(shù)據(jù)并分享洞察。Stories功能將數(shù)據(jù)驅(qū)動的洞察、真實(shí)世界的專業(yè)知識和人工智能結(jié)合在一起,所有這些都融入了交互式的設(shè)計(jì)。有說服力的數(shù)據(jù)故事可以幫助團(tuán)隊(duì)更快地得出結(jié)論并推動業(yè)務(wù)決策。

業(yè)務(wù)用戶可以簡單地用自然語言輸入他們想要的故事描述,并讓Amazon QuickSight在幾秒鐘內(nèi)生成一個故事。Amazon QuickSight中的Stories功能將相關(guān)儀表盤中的視覺內(nèi)容與基于文本的數(shù)據(jù)描述和分析結(jié)合在一起,包括其與常見業(yè)務(wù)問題之間的關(guān)系(如爭取新客戶或減少客戶流失等)。用戶可以靈活地從零開始創(chuàng)建故事,或通過簡單的點(diǎn)擊對故事進(jìn)行修改。

準(zhǔn)備就緒的企業(yè)級Amazon QuickSight:可治理、安全且可擴(kuò)展

作為一個完全托管的安全解決方案,Amazon QuickSight的生成式BI功能可以開箱即用,加速客戶的數(shù)字化轉(zhuǎn)型進(jìn)程。在Amazon QuickSight中使用生成式BI的優(yōu)勢包括:

圖表中的計(jì)算任務(wù)由Amazon QuickSight執(zhí)行,并且使用在Amazon QuickSight Q中久經(jīng)驗(yàn)證的技術(shù)構(gòu)建,降低了大語言模型中可能出現(xiàn)的數(shù)據(jù)幻覺風(fēng)險(xiǎn)。

Amazon QuickSight Q可以讓業(yè)務(wù)分析師通過添加所在企業(yè)特有的縮略語及其他術(shù)語,來提升他們在特定上下文中的語言理解。

AI生成的數(shù)據(jù)洞察是可以后續(xù)被手動調(diào)整的,這樣既能加速業(yè)務(wù)用戶構(gòu)建并優(yōu)化最終結(jié)果,又不會限制他們的領(lǐng)域?qū)iL和獨(dú)到見解。

Amazon QuickSight Q實(shí)現(xiàn)了數(shù)據(jù)準(zhǔn)備的自動化,使用戶能夠更快地準(zhǔn)備數(shù)據(jù),以支持自然語言查詢。自動化數(shù)據(jù)準(zhǔn)備利用機(jī)器學(xué)習(xí)(ML)來推理數(shù)據(jù)的語義信息,并將其作為關(guān)于特定列(字段)的元數(shù)據(jù)添加到數(shù)據(jù)集中。

與Amazon QuickSight Q一樣,生成式BI將用戶的所有數(shù)據(jù)都存儲于亞馬遜云科技賬戶中,用戶可以享受到亞馬遜云科技的安全和合規(guī)優(yōu)勢。Amazon QuickSight不會使用客戶數(shù)據(jù)來訓(xùn)練生成式BI的底層大語言模型。

Amazon QuickSight的持續(xù)創(chuàng)新

從誕生的第一天起,Amazon QuickSight作為云原生的serverless BI服務(wù)一直在持續(xù)快速創(chuàng)新,其中包括推出機(jī)器學(xué)習(xí)洞察、Amazon QuickSight Q、全面而易用的嵌入選項(xiàng),以及分頁報(bào)告——所有這些都已集成在統(tǒng)一的用戶體驗(yàn)中。目前,Amazon QuickSight正在為全球數(shù)千家客戶的商業(yè)智能嵌入式分析提供支持,這些客戶包括納斯達(dá)克、美國橄欖球聯(lián)盟、沃爾沃、Capital One和西門子。隨著生成式BI的推出,Amazon QuickSight在重新構(gòu)想企業(yè)如何更快地將數(shù)據(jù)轉(zhuǎn)化為影響力方面邁出了飛躍性的一步。

審核編輯 黃宇


聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • 可視化
    +關(guān)注

    關(guān)注

    1

    文章

    1264

    瀏覽量

    21868
  • BI
    BI
    +關(guān)注

    關(guān)注

    0

    文章

    49

    瀏覽量

    12997
  • 亞馬遜
    +關(guān)注

    關(guān)注

    8

    文章

    2696

    瀏覽量

    84684
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    小白學(xué)大模型:從零實(shí)現(xiàn) LLM語言模型

    在當(dāng)今人工智能領(lǐng)域,大型語言模型(LLM)的開發(fā)已經(jīng)成為一個熱門話題。這些模型通過學(xué)習(xí)大量的文本數(shù)據(jù),能夠生成自然語言文本,完成各種復(fù)雜的任
    的頭像 發(fā)表于 04-30 18:34 ?515次閱讀
    小白學(xué)大<b class='flag-5'>模型</b>:從零實(shí)現(xiàn) LLM<b class='flag-5'>語言</b><b class='flag-5'>模型</b>

    如何優(yōu)化自然語言處理模型的性能

    優(yōu)化自然語言處理(NLP)模型的性能是一個多方面的任務(wù),涉及數(shù)據(jù)預(yù)處理、特征工程、模型選擇、模型調(diào)參、
    的頭像 發(fā)表于 12-05 15:30 ?1708次閱讀

    如何使用自然語言處理分析文本數(shù)據(jù)

    使用自然語言處理(NLP)分析文本數(shù)據(jù)是一個復(fù)雜但系統(tǒng)的過程,涉及多個步驟和技術(shù)。以下是一個基本的流程,幫助你理解如何使用NLP來分析文本數(shù)據(jù): 1. 數(shù)據(jù)收集 收集文本
    的頭像 發(fā)表于 12-05 15:27 ?1586次閱讀

    自然語言處理與機(jī)器學(xué)習(xí)的關(guān)系 自然語言處理的基本概念及步驟

    Learning,簡稱ML)是人工智能的一個核心領(lǐng)域,它使計(jì)算機(jī)能夠從數(shù)據(jù)中學(xué)習(xí)并做出預(yù)測或決策。自然語言處理與機(jī)器學(xué)習(xí)之間有著密切的關(guān)系,因?yàn)闄C(jī)器學(xué)習(xí)提供了一種強(qiáng)大的工具,用于從大量文本數(shù)
    的頭像 發(fā)表于 12-05 15:21 ?1988次閱讀

    語音識別與自然語言處理的關(guān)系

    在人工智能的快速發(fā)展中,語音識別和自然語言處理(NLP)成為了兩個重要的技術(shù)支柱。語音識別技術(shù)使得機(jī)器能夠理解人類的語音,而自然語言處理則讓機(jī)器能夠理解、解釋和生成人類語言。這兩項(xiàng)技術(shù)共同推動
    的頭像 發(fā)表于 11-26 09:21 ?1507次閱讀

    什么是LLM?LLM在自然語言處理中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,自然語言處理(NLP)領(lǐng)域迎來了革命性的進(jìn)步。其中,大型語言模型(LLM)的出現(xiàn),標(biāo)志著我們對語言理解能力的一次飛躍。LLM通過深度學(xué)習(xí)和海量
    的頭像 發(fā)表于 11-19 15:32 ?3664次閱讀

    ASR與自然語言處理的結(jié)合

    。以下是對ASR與自然語言處理結(jié)合的分析: 一、ASR與NLP的基本概念 ASR(自動語音識別) : 專注于將人類的語音轉(zhuǎn)換為文字。 涉及從聲音信號中提取特征,并將這些特征映射到文本。 NLP(自然語言處理) : 涉及理解和解釋
    的頭像 發(fā)表于 11-18 15:19 ?1026次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)在自然語言處理中的應(yīng)用

    自然語言處理是人工智能領(lǐng)域的一個重要分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)作為一種強(qiáng)大的模型,在圖像識別和語音處理等領(lǐng)域取得了顯著成果
    的頭像 發(fā)表于 11-15 14:58 ?807次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)在自然語言處理中的應(yīng)用

    自然語言處理(NLP)是人工智能領(lǐng)域的一個重要分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)因其在處理序列數(shù)據(jù)方面的優(yōu)勢而在NLP中扮演了重要
    的頭像 發(fā)表于 11-15 09:41 ?820次閱讀

    自然語言處理與機(jī)器學(xué)習(xí)的區(qū)別

    是計(jì)算機(jī)科學(xué)、人工智能和語言學(xué)領(lǐng)域的分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類語言。NLP的目標(biāo)是縮小人類語言和計(jì)算機(jī)之間的差距,使計(jì)算機(jī)能夠處理和生成自然語言
    的頭像 發(fā)表于 11-11 10:35 ?1556次閱讀

    使用LLM進(jìn)行自然語言處理的優(yōu)缺點(diǎn)

    自然語言處理(NLP)是人工智能和語言學(xué)領(lǐng)域的一個分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類語言。大型語言模型(LLM)是NLP領(lǐng)域的一
    的頭像 發(fā)表于 11-08 09:27 ?2460次閱讀

    AI大模型自然語言處理中的應(yīng)用

    AI大模型自然語言處理(NLP)中的應(yīng)用廣泛且深入,其強(qiáng)大的語義理解和生成能力為NLP任務(wù)帶來了顯著的性能提升。以下是對AI大模型在NLP中應(yīng)用的介紹: 一、核心應(yīng)用 文本生成 AI大模型
    的頭像 發(fā)表于 10-23 14:38 ?1548次閱讀

    AI智能化問答自然語言處理技術(shù)的重要應(yīng)用

    自然語言處理(NLP)是人工智能領(lǐng)域的一個重要分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類語言。問答系統(tǒng)作為NLP的一個重要應(yīng)用,能夠精確地解析用戶以自然語言提出的問題,并從包含豐富
    的頭像 發(fā)表于 10-12 10:58 ?1097次閱讀
    AI智能化<b class='flag-5'>問答</b>:<b class='flag-5'>自然語言</b>處理技術(shù)的重要應(yīng)用

    【《大語言模型應(yīng)用指南》閱讀體驗(yàn)】+ 基礎(chǔ)知識學(xué)習(xí)

    今天來學(xué)習(xí)大語言模型自然語言理解方面的原理以及問答回復(fù)實(shí)現(xiàn)。 主要是基于深度學(xué)習(xí)和自然語言處理技術(shù)。 大
    發(fā)表于 08-02 11:03

    【《大語言模型應(yīng)用指南》閱讀體驗(yàn)】+ 基礎(chǔ)篇

    。首先結(jié)合ChatGPT的4次迭代升級介紹了什么是大語言模型,大語言模型的特點(diǎn):參數(shù)多、通用性強(qiáng);之后用較大的篇幅詳細(xì)講解了
    發(fā)表于 07-25 14:33