Aprenda a usar o Amazon Augmented AI com uma equipe privada

📚 Table of Contents:

1. Introdução
2. Criação de uma instância do Amazon SageMaker Notebook
3. Configuração de um bucket S3
4. Clonagem de um repositório público do GitHub
5. Execução de células para configuração de SDKs e bibliotecas
6. Configuração de funções e permissões do IAM
7. Criação de uma equipe de trabalho
8. Execução do notebook
9. Conclusão

📝 Introdução:

Neste artigo, iremos explorar como criar os recursos necessários para executar um Tutorial de notebook do Amazon H2i Jupiter. Isso inclui a criação de uma instância do Amazon SageMaker Notebook, um bucket S3 e uma equipe de trabalho privada. Vamos guiar você através do passo a passo e fornecer todas as informações necessárias para seguir em frente.

🏗️ Criação de uma instância do Amazon SageMaker Notebook:

Para começar, vamos criar uma instância do Amazon SageMaker Notebook. Acesse o console do SageMaker e vá para a seção "Notebook Instances". Se você ainda não tem uma instância criada, clique em "Create Notebook Instance" e dê a ela um nome exclusivo. Para este tutorial, recomendamos o uso do tipo de instância Mlt2.medium.

☁️ Configuração de um bucket S3:

É necessário configurar um bucket S3 para armazenar os dados utilizados no tutorial. Acesse o console do S3 e crie um novo bucket na região desejada. Lembre-se de fornecer um nome único para o bucket.

📥 Clonagem de um repositório público do GitHub:

É possível clonar um repositório público do GitHub diretamente para a instância do seu notebook. Isso permitirá acessar facilmente todos os arquivos e pastas contidos nele. Para este tutorial, iremos clonar o repositório "Amazon Hoi Sample Jupiter Notebooks". Basta copiar a URL do repositório e colá-la no campo apropriado durante a criação da instância do notebook.

🧪 Execução de células para configuração de SDKs e bibliotecas:

Depois de criar e abrir o Jupyter Lab, você deve executar as células que configuram os SDKs e outras bibliotecas necessárias para este tutorial. Essas células são responsáveis por preparar o ambiente e garantir que todas as dependências estejam corretamente instaladas.

🚀 Configuração de funções e permissões do IAM:

É importante garantir que a função de execução do notebook tenha as permissões adequadas para acessar o Amazon Transcribe, o Amazon Augmented AI e o bucket S3. Para fazer isso, é necessário configurar as políticas corretas e associá-las à função. Certifique-se de seguir todas as etapas necessárias para garantir que a função tenha as permissões corretas.

👥 Criação de uma equipe de trabalho:

Na próxima etapa, vamos criar uma equipe de trabalho. Isso permitirá que você realize revisões humanas das transcrições geradas pelo Amazon Transcribe. Acesse o console do Amazon SageMaker e vá para a guia "Ground Truth" e selecione "Private Workforces". Aqui você pode criar uma nova equipe de trabalho usando o serviço AWS Cognito. Será necessário convidar os membros da equipe por e-mail e fornecer o ARN da equipe de trabalho no notebook.

⏭️ Execução do notebook:

Agora que tudo está configurado corretamente, é hora de executar o notebook. Siga as instruções fornecidas dentro do notebook para realizar cada etapa do tutorial. Certifique-se de prestar atenção aos detalhes e ajustar as configurações de acordo com as suas necessidades.

📝 Conclusão:

Neste artigo, aprendemos como criar os recursos necessários para executar um tutorial de notebook do Amazon H2i Jupiter. Exploramos a criação de uma instância do Amazon SageMaker Notebook, a configuração de um bucket S3, a clonagem de um repositório público do GitHub, a configuração de funções e permissões do IAM e a criação de uma equipe de trabalho privada. Agora você está pronto para se aprofundar no tutorial e aproveitar ao máximo o potencial do Amazon H2i Jupiter!

🌟 Destaques:

• Criação de uma instância do Amazon SageMaker Notebook
• Configuração de um bucket S3
• Clonagem de um repositório público do GitHub
• Configuração de funções e permissões do IAM
• Criação de uma equipe de trabalho
• Execução do notebook

❓ FAQ:

Q: Por que devo criar uma equipe de trabalho? A: A equipe de trabalho é responsável por revisar as transcrições geradas pelo Amazon Transcribe, garantindo a qualidade e a precisão do texto final.

Q: Posso usar meu próprio bucket S3 para este tutorial? A: Sim, é possível selecionar qualquer bucket S3 existente em sua conta. Basta fornecer o nome do bucket durante a configuração.

Q: É necessário executar todas as células no notebook? A: Sim, é importante executar todas as células no notebook, pois cada uma delas realiza uma etapa essencial do tutorial.

Q: É possível personalizar as configurações do notebook? A: Sim, você pode ajustar as configurações do notebook de acordo com suas necessidades. Certifique-se de seguir as instruções fornecidas no notebook.

Recursos de Referência:

• Console do Amazon S3
• Console do Amazon SageMaker
• Documentação do Amazon SageMaker
• GitHub - Amazon Hoi Sample Jupiter Notebooks