chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

亞馬遜云科技結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

亞馬遜云科技近日宣布,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)務分析師能夠使用自然語言輕松執(zhí)行日常任務,包括:

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

使用自然語言微調和格式化圖表效果;

無需學習特定語法,通過自然語言即可創(chuàng)建計算任務。

針對使用儀表盤并需要與之進行交互的業(yè)務用戶,亞馬遜云科技還發(fā)布了Stories功能,助力業(yè)務用戶使用生成式BI的強大能力,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)驅動的決策

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

wKgZomTaCieAZs1OAATnGn0rHcY892.png

使用自然語言構建可視化內容

業(yè)務分析師使用自然語言簡單描述想要的可視化內容,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,加速了儀表盤的創(chuàng)建流程。業(yè)務分析師可以一鍵將可視化內容添加到分析報告中。

業(yè)務分析師還可以在創(chuàng)作體驗窗口頂部選擇新的“Ask Q”選項來使用這一新功能,然后用自然語言描述他們希望看到的數(shù)據(jù)。“Q 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。它還能提供相關備選問題的建議,幫助業(yè)務分析師查看并解決一問多答的模糊情況。在將可視化內容添加到儀表盤之前,用戶可以通過調整問題術語(例如,應用篩選器或更改度量),輕松地對其進行迭代。例如,可以使用點擊方式來更改視覺內容類型或配置預測時間窗口。

在分析報告中使用自然語言

優(yōu)化可視化內容

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

使用這項功能很簡單。用戶只需打開已有的分析報告,選擇要更改的可視化內容,選擇“Build for me”菜單選項,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)建計算字段

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

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

創(chuàng)建和共享豐富的數(shù)據(jù)故事

為了向其他利益相關者進行展示,業(yè)務用戶通常要花費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容復制并粘貼到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)驅動的洞察、真實世界的專業(yè)知識和人工智能結合在一起,所有這些都融入了交互式的設計。有說服力的數(shù)據(jù)故事可以幫助團隊更快地得出結論并推動業(yè)務決策。

業(yè)務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在幾秒鐘內生成一個故事。Amazon QuickSight中的Stories功能將相關儀表盤中的視覺內容與基于文本的數(shù)據(jù)描述和分析結合在一起,包括其與常見業(yè)務問題之間的關系(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,或通過簡單的點擊對故事進行修改。

準備就緒的企業(yè)級Amazon QuickSight:可治理、安全且可擴展

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)字化轉型進程。在Amazon QuickSight中使用生成式BI的優(yōu)勢包括:

圖表中的計算任務由Amazon QuickSight執(zhí)行,并且使用在Amazon QuickSight Q中久經驗證的技術構建,降低了大語言模型中可能出現(xiàn)的數(shù)據(jù)幻覺風險。

Amazon QuickSight Q可以讓業(yè)務分析師通過添加所在企業(yè)特有的縮略語及其他術語,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)被手動調整的,這樣既能加速業(yè)務用戶構建并優(yōu)化最終結果,又不會限制他們的領域專長和獨到見解。

Amazon QuickSight Q實現(xiàn)了數(shù)據(jù)準備的自動化,使用戶能夠更快地準備數(shù)據(jù),以支持自然語言查詢。自動化數(shù)據(jù)準備利用機器學習(ML)來推理數(shù)據(jù)的語義信息,并將其作為關于特定列(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服務一直在持續(xù)快速創(chuàng)新,其中包括推出機器學習洞察、Amazon QuickSight Q、全面而易用的嵌入選項,以及分頁報告——所有這些都已集成在統(tǒng)一的用戶體驗中。目前,Amazon QuickSight正在為全球數(shù)千家客戶的商業(yè)智能和嵌入式分析提供支持,這些客戶包括納斯達克、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在重新構想企業(yè)如何更快地將數(shù)據(jù)轉化為影響力方面邁出了飛躍性的一步。

審核編輯 黃宇


聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,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習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 可視化
    +關注

    關注

    1

    文章

    1311

    瀏覽量

    22571
  • BI
    BI
    +關注

    關注

    0

    文章

    54

    瀏覽量

    13141
  • 亞馬遜
    +關注

    關注

    8

    文章

    2718

    瀏覽量

    85416
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

    相關推薦
    熱點推薦

    知聲論文入選自然語言處理頂會EMNLP 2025

    近日,自然語言處理(NLP)領域國際權威會議 ——2025 年計算語言學與自然語言處理國際會議(EMNLP 2025)公布論文錄用結果,知聲提交的《面向門診病歷生成的高質量醫(yī)患對話合
    的頭像 發(fā)表于 11-10 17:30 ?471次閱讀
    <b class='flag-5'>云</b>知聲論文入選<b class='flag-5'>自然語言</b>處理頂會EMNLP 2025

    【HZ-T536開發(fā)板免費體驗】5- 無需死記 Linux 命令!用 CangjieMagic 在 HZ-T536 開發(fā)板上搭建 MCP 服務器,自然語言輕松控板

    )進行調試或控制,不僅門檻高,還容易記錯命令。 解決方案 :MCP(Machine Control Protocol)服務器可將自然語言指令轉換為底層操作,結合 Cangjie Magic 的自然語言
    發(fā)表于 08-23 13:10

    知聲四篇論文入選自然語言處理頂會ACL 2025

    結果正式公布。知聲在此次國際學術盛會中表現(xiàn)卓越,共有4篇論文被接收,其中包括2篇主會論文(Main Paper)和2篇Findings。入選的4篇論文聚焦大語言模型知識溯源、圖文音多模態(tài)大
    的頭像 發(fā)表于 05-26 14:15 ?1019次閱讀
    <b class='flag-5'>云</b>知聲四篇論文入選<b class='flag-5'>自然語言</b>處理頂會ACL 2025

    小白學大模型:從零實現(xiàn) LLM語言模型

    在當今人工智能領域,大型語言模型(LLM)的開發(fā)已經成為一個熱門話題。這些模型通過學習大量的文本數(shù)據(jù),能夠生成自然語言文本,完成各種復雜的任
    的頭像 發(fā)表于 04-30 18:34 ?1036次閱讀
    小白學大<b class='flag-5'>模型</b>:從零實現(xiàn) LLM<b class='flag-5'>語言</b><b class='flag-5'>模型</b>

    自然語言提示原型在英特爾Vision大會上首次亮相

    在英特爾Vision大會上,Network Optix首次展示了自然語言提示原型,該方案將重新定義視頻管理,為各行各業(yè)由AI驅動的洞察和效率提速。
    的頭像 發(fā)表于 04-09 09:30 ?763次閱讀

    ?VLM(視覺語言模型)?詳細解析

    視覺語言模型(Visual Language Model, VLM)是一種結合視覺(圖像/視頻)和語言(文本)處理能力的多模態(tài)人工智能模型,
    的頭像 發(fā)表于 03-17 15:32 ?7485次閱讀
    ?VLM(視覺<b class='flag-5'>語言</b><b class='flag-5'>模型</b>)?詳細解析

    語言模型的解碼策略與關鍵優(yōu)化總結

    的技術參考。主要涵蓋貪婪解碼、束搜索、采樣技術等核心解碼方法,以及溫度參數(shù)、懲罰機制等關鍵優(yōu)化手段。大型語言模型的技術基礎大型語言模型是當代自然語言
    的頭像 發(fā)表于 02-18 12:00 ?1052次閱讀
    大<b class='flag-5'>語言</b><b class='flag-5'>模型</b>的解碼策略與關鍵優(yōu)化總結

    望獲實時Linux系統(tǒng)與大語言模型深度融合,開創(chuàng)實時智能無限可能!

    語言模型的崛起為智能化應用開辟了新的可能性。借助深度學習技術,這些模型能夠理解和生成自然語言,處理復雜的文本和語義信息。這使得它們在諸如人機問答
    的頭像 發(fā)表于 01-08 13:44 ?1016次閱讀

    語言模型管理的作用

    要充分發(fā)揮語言模型的潛力,有效的語言模型管理非常重要。以下,是對語言模型管理作用的分析,由AI部
    的頭像 發(fā)表于 01-02 11:06 ?565次閱讀

    語言模型開發(fā)框架是什么

    語言模型開發(fā)框架是指用于訓練、推理和部署大型語言模型的軟件工具和庫。下面,AI部落小編為您介紹大語言
    的頭像 發(fā)表于 12-06 10:28 ?810次閱讀

    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,涉及數(shù)據(jù)預處理、特征工程、模型選擇、模型調參、
    的頭像 發(fā)表于 12-05 15:30 ?2364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)是一個復雜但系統(tǒng)的過程,涉及多個步驟和技術。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 ?2366次閱讀

    自然語言處理在聊天機器人中的應用

    上歸功于自然語言處理技術的進步。 聊天機器人的工作原理 聊天機器人的核心是一個對話系統(tǒng),它能夠處理用戶的輸入(通常是文本形式),并生成相應的回復。這個系統(tǒng)通常包括以下幾個關鍵組件: 語言理解 :機器人需要理解用
    的頭像 發(fā)表于 12-05 15:24 ?1705次閱讀

    自然語言處理與機器學習的關系 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域,它使計算機能夠從數(shù)據(jù)中學習并做出預測或決策。自然語言處理與機器學習之間有著密切的關系,因為機器學習提供了一種強大的工具,用于從大量文本數(shù)
    的頭像 發(fā)表于 12-05 15:21 ?2521次閱讀

    語言模型開發(fā)語言是什么

    在人工智能領域,大語言模型(Large Language Models, LLMs)背后,離不開高效的開發(fā)語言和工具的支持。下面,AI部落小編為您介紹大語言
    的頭像 發(fā)表于 12-04 11:44 ?1027次閱讀