Inclusive by Design: Engage and Recruit Diverse Talent with AI (Cloud Next '19)

[음악 재생] JENNIFER SU : 안녕하세요 나는 Jennifer Su, 구직자를위한 제품 관리자 다

클라우드 인재 솔루션 먼저, 오늘 아침에 나와 함께 해 주신 모든 분들께 감사 드리고 싶습니다 풀 하우스가있는 것처럼 보입니다 이렇게 많은 사람들이 약혼 한 것을 보는 것은 정말 고무적입니다 다양성과 포용성에있어 그래서 우리가 시작하기 전에, 나는 사람들은이 세션이 녹음된다는 것을 알고 있습니다

우리는 곧 그것을 공유 할 것입니다 마지막에 Q & A 시간을 절약 할 것입니다 그리고 질문이 있으면 잠시 기다려주십시오 세션 전반에 걸쳐 Q & A 링크로 이동하십시오 그리고 거기에 질문을 제출할 수 있습니다

우리는 가능한 한 많은 것을 다룰 것입니다 그러나 우리가 할 수 없다면 우리는 또한 후속 조치를 취할 것입니다 오늘 우리는 다양성의 정의에 대해 이야기 할 것입니다 기계의 응용과 함께 진화하고있다 재능 공간에 적용될 때 학습은 편향 될 수 있습니다

그렇다면 우리가 기업의 혁신을 돕는 방법을 공유 할 것입니다 Cloud Talent 솔루션 모집 우리가 직업 사이트에서 일자리를 구하는 방법 부분으로 포함하여 더 많이 발견하고 발전시킨다 디자인의 마지막으로, 우리 고객을 우리와 함께하게되어 기쁩니다 오늘

SmashFly와 Cox Enterprise는 자신의 다양성에 대해 이야기 할 것입니다 클라우드 재능에 대한 포괄적 인 노력 및 경험 해결책 이제 시작하겠습니다 다양성과 포용력이 모멘텀을 얻기 시작했습니다 직장에서

78 %의 전문가 및 고용 관리자 다양성은 그들이 고용하는 방법에 영향을주는 최고 추세라고 말했다 nudge는 CEO의 69 % 최고의 비즈니스 우선 순위로 다양성과 포상을 꼽을 수 있습니다 성공적으로 일하는 선도 기업 포함으로 나아 갔다 유형의 경제적 이익 팀은 경험할 확률이 21 % 높습니다 평균 수익성 이상

그리고 그것은 단지 성별이 아닙니다 그들은 민족적, 문화적 다양성과 비슷한 결과를 보였습니다 따라서 옳은 일만하는 것이 아니라, 하지만 비즈니스에도 좋습니다 여전히 많은 작업이 있지만 인구 통계 학적 표현의 관점에서 행해지 기 위해서는, 다양성의 정의가 진화하고 확장되고있다 전통적인 성별이나 민족성을 초월한 우리를 만드는 많은 다른 차원을 포함 우리의 나이와 같은 우리가 누구인지, 여부와 상관없이 우리는 관리인 또는 베테랑입니다

그리고이를인지 다양성과 조화 시키십시오 우리의 개성과 사고 방식을 포함합니다 두 사람이 함께 작업하기 때문입니다 인지 다양성은 정신적 틀을 가져옵니다 사람들이 문제를 해결하는 데 사용합니다

그리고 인구 통계적 다양성은 그 지식을 활용합니다 그것의 간접적 효과를 통해인지 다양성을 도출한다 개인 행동 마지막으로 훌륭한 브레인 스토밍을 생각해보십시오 팀과의 세션 및 다른 사람들 모두가 어떻게 행동했는지 확인하십시오 제품 관리자로서 내가 가장 좋아하는 순간 우리의 온톨로지 학자, 누가 연구 유전자 치료, 그리고 리드 엔지니어, 누가 양자 컴퓨팅 분야의 전문가 또는 마케팅 담당자 이전에 있었던 디자이너와 함께 교육을 연구했다

검안사 우리 팀은 또한 재향 군인, 밀레니엄, Gen X와 Z, 그리고 간병인들에게 새로운 아이디어는 다양한 사고 방식에서 비롯됩니다 실적이 우수한 팀이 모두 인구 통계 학적으로 인지 적으로 다양한 경우 20 % 증가합니다 창의력과 혁신에서

너 모두 들었을거야 지난 며칠 동안의 디지털 변환에 대해서 디지털 변환의 열쇠 인력으로 시작하여 올바른 재능을 갖추고 있습니다 AI는 채용을 통해 비즈니스를 변화시킬 수 있습니다 새로운 일자리와 더 대표적인 후보자를 찾는 데 도움이됩니다

관로 그러나 보충 공간은 복잡하고 지저분한 것으로 가득합니다 데이터 예를 들어, 간호사를 데려가십시오 수백 가지 간호사 제목과 수백 가지가 있습니다

다른 인증의 간호사들도 전문성을 갖추고 있기 때문입니다 수술을 포함하는 ICU와 같은 부서 내에서, 소아과 또는 신경 외상 간호사로 구성되어 있습니다 그래서 "간호사"와 같이 직업 설명이 막연한 경우, 부서 또는 사례를 포함하지 않습니다 "또는 이와 동등한 경험"이라고 말하면 그 과정은 시간이 많이 걸리고 좌절합니다

많은 소프트웨어 엔지니어링을 찾을 수있는 것과 비슷합니다 하지만 모바일 iOS와 Android 간의 세부 사항은 중요합니다 또는 Java 또는 Python과 같은 프로그래밍 언어 수년 동안 사용자들은 시스템을 사용 해왔다 일자리를 채우기 위해 도움이되었지만 방법은 종종 미숙했습니다

컴퓨터는 직업 설명에 대한 키워드를 식별하고, 그런 다음 정확한 키워드가 이력서에 선물 다음은 모델 개발의 몇 가지 과제입니다 간호사 보충에 이력서에는 OB GYN의 직책이 있습니다 구인 게시판에는 LDRP 간호사입니다

키워드가 정확히 일치하지 않아 일치하는 항목이 없습니다 비록 동의어인데도 마찬가지입니다 이것은 일부 병원에서, LDRP 간호사는 노동, 배달, 회복, OB GYN 간호사와 비슷한 산후 간호사가 있습니다 다음으로 모든 항목을 추적하기가 어렵습니다 가능한 공인 대학, 다양한 철자법 약어 ","등가물로 간주됩니다

라이선스에도 동일한 내용을 적용 할 수 있습니다 마지막으로, 구인 게시에는 고급 심혈관 생활이 필요합니다 지원 인증 이력서에 기재되어 있지 않으므로 일치하는 항목이 없습니다 그러나 대부분의 간호사와 채용 담당자는 당신이하지 않으면 고용주가 무료로이 훈련을 제공합니다

그것을 가지고 있거나 원기 회복이 필요합니다 그리고 이것들은 몇 가지 예에 불과합니다 개선의 여지가있다 모두 알고 있듯이 바이어스에 대해 생각하는 것이 중요합니다 고용에서 기계 학습을 사용할 때

일반적인 문제는 네 가지 영역에서 비롯됩니다 불분명 한 사용 사례, 너무 많은 부분 솔루션 대신 문제에 집중하십시오 그래서 다양한 모델을 파고 들기 전에, 인간 중심 접근법을 사용하고 명확한 유스 케이스를 확립한다 먼저 경향이있는 곳에 잘못 정렬 된 기대 모델에 모든 것을 던지기 만하면됩니다

그것을 알아 내도록하십시오 훈련 데이터가 충분하지 않은 소규모 데이터 세트 모든 다양한 패턴을 배우기 따라서 관련 데이터가 많이 있어야합니다 그리고 편향된 데이터 따라서 바이어스에 대한 교육 데이터를 검토하는 데 시간을 투자하십시오

우리 청중의 지도자들을 위해, 다음과 같은 중요한 고려 사항 사내 개발 또는 평가에 대한 결정 기술 제공 업체 신청 방법을 살펴 보겠습니다 이러한 모집 방법 다음은 간호사 구직 검색어의 예입니다 이 데이터를 바탕으로 12 시간 교대를 확인하고 위치 반경을 좁히는 데 사용됩니다

~ 5 마일 그러나 우리는 그들이 찾고있는 것의 절반 만 알고 있습니다 그리고 이유는 아닙니다 사용자와 대화 한 후 단지 데이터를 기반으로 한 가정은 오도 된 것이라고 간호사가 일자리를 구할 때, 그것은 교대의 관점에서입니다 더 긴 교대는 또한 더 적은 일을 암시한다

이 간호사는 실제로 아르바이트를 찾고있었습니다 일주일에 2 일 뿐이며 일주일에 60 시간짜리 일은 아닙니다 초과 근무 및 자전거로 통근 할 필요성 반드시 5 마일 이내에 있지는 않습니다 인간 중심의 접근 방식을 취하고 사용자에게 말함으로써, 우리는 이유를 이해하고 올바른 솔루션을 개발할 수 있습니다 그들의 요구를 해결합니다

그런 다음 다시 방문하고 이해할 수 있습니다 우리가 올바른 데이터를보고 있다면 이제는 더 복잡한 것을 살펴 보겠습니다 사건은 이력서 심사입니다 여기서 직업 설명은 RN을 묻습니다

간호학 학사 학위, 환자에게 감정적 인 치료를 제공합니다 우리는 교육 정보가 교육 요구 사항 감정적 인 치료에 관해서는, 그것은 능력이 필요합니다 공감하고 의사 소통하기 자원 봉사는 아마도 공감을위한 강력한 신호 일 것입니다

좋은 의사 소통 기술에 관해서는, 최근 연구에 따르면 다국어 사용자는 더 나은 의사 소통 기술 그리고 아마 그들이 여성이라는 것을 알 필요가 없었을 것입니다 그래서 우리의 가설은 자원 봉사와 언어 능력을 예측할 수있는 기능이다 감정적 인 치료를 제공합니다 가설을 세우면 합리적인 기능 식별에 도움 시작하고 반복하다 필요한 데이터가 누락되었는지 감지 할 수있는 기능이 포함되어 있습니다

말할 것도없이, 덜 복잡한 것을 목표로합니다 솔루션이므로 디버깅 및 개선이 더 쉬워집니다 모델에 기계 학습 모델에는 많은 관련 데이터가 필요합니다 얼마 죠? 그것은 문제에 달려 있습니다

그러나 일반적으로 데이터가 많을수록 모델이 향상됩니다 엄지 손가락의 좋은 규칙은 적어도 1,000 기본 선형 모델 및 수십만 개의 예제에 대한 예제 신경 네트워크 예를 들어, 간호 업무 측면에서, 최소한 수천 개의 라벨이 필요한 예제가 필요합니다 양성 및 음성 모두에 대해 그래서 수천 명의 간호사를 의미합니다 감정적 인 치료와 수천을 제공 할 수 있습니다

다양한 유형의 간호사 모두에게, 그리고 불가능할 수 있습니다 그래서 10 가지 유형이 있다면, 우리는 적어도 20,000 가지의 예를 찾고 있습니다 기본 선형 모델의 경우 그리고 신경망이 필요한 경우, 크기의 순서는 수백만입니다 따라서 데이터가 적은 경우 필요한 데이터를 가져올 수있는 파트너 찾기 규모가 필요합니다 이제 우리가 데이터를 검토하기 전에, 관객 모두가 신발을 상상할 수 있다면

운동화를 상상해보십시오 하이힐? 높은 상판? 누구든지, 상판? 아니 대다수가 스니커즈에 손을 들었다는 것을 감안할 때, 우리는 즉시 편견을 도입했습니다 그리고 더 복잡한 것을 추가하기 위해, 그들은 어떤 색 이었습니까? 다음은 네 가지 유형의 편향입니다 수집 된 모든 데이터에 영향을주는 것은 편견을보고하는 것입니다

보고 바이어스는 사람들이 빈도에 주석을 달 때 발생합니다 현실 세계를 반영하지 않는 것들의 빈도 그러나 그들이 발견 한 것들 흥미롭거나 주목할만한 가치가있다 그래서이 예의 경우, 운동화의 경우, 당신은 운동화가 의지 할 때 고무 밑창을 가지고 있다는 것을 알지 못할 수도 있습니다 상단 텍스트 빈도 그리고 고무 바닥은 보통이기 때문에 말없이 갈 수 있습니다

데이터 소스가 대표가 아닌 경우 샘플링 바이어스 모든 다른 변형의 우리 신발에는 우리에게 전형적인 것들만있었습니다 그러나 옥스포드, 샌들, 장화는 없었습니다 모델이 보여 질 때의 잠정적 편향은 구체적인 예입니다 따라서 과거 데이터에 운동화 만 포함 된 경우, 그때 그것은 스니커즈쪽으로 기울어 질 것이다

하이힐에 정확하게 라벨을 붙이지는 않습니다 그리고 사용자 상호 작용에 의해 발생하는 상호 작용 바이어스 그것과 상호 작용한다 그래서이 방에서 모두가 계속 운동화를 고르면 게임에서, 모델은 활동에서 배울 것입니다 운동화쪽으로 기울어 져야한다 그리고 이것들은 100 가지 이상의 유형 중 단지 일부에 지나지 않습니다

발생할 수있는 다양한 인간 편견의 기계 학습 데이터 세트에서 따라서 데이터를 검사하십시오 다음과 같은 인간 편견에 대해 감사합니다 모델의 예측을 왜곡하십시오 인간 중심의 접근법을 사용함으로써, 명확한 유스 케이스를 확립 할 수있다

사용자에게 문제를 집중적으로 말함으로써 그런 다음 어떤 기능을 결정할 가설을 세웁니다 데이터가 필요합니다 그리고 많은 양의 데이터가 있는지 확인하십시오 채용시, 채용시 많은 라벨 데이터를 보유하기가 어렵습니다 모든 단일 항목에서 특히 어려운 데이터 직업

마지막으로 데이터를 검사하십시오 기계 학습 모델은 데이터를 반영합니다 그들은 훈련을 받았다 따라서 데이터를 신중하게 분석하여 이해하도록하십시오 그리고 청중의 지도자들에게, 많은 관련 데이터가 필요합니다

따라서 충분한 데이터가없는 경우, 필요한 데이터를 가져올 수있는 제공 업체를 찾는 것을 고려하십시오 신중하게 AI를 확장하고 개발하십시오 우리 팀은 AI를 사용하여 확장 및 확장하고 있습니다 채용에서 가능한 것은 무엇입니까? 성장하는 모든 비즈니스의 중요한 기능입니다 이제 Cloud Talent 솔루션에서 구축 한 기능을 살펴 보겠습니다

구직 경험을 바꾸는 것 구직에서 때로는 결과 구직자의 의도와 일치하지 않습니다 차례 차례로, 그 오해는 업무 시간을 야기한다 다른 사람들이 포기하는 동안 올바른 일자리를 찾는다 다른 곳을 봐

이것은 엄청난 비효율입니다 구직자뿐만 아니라 기업을 좌절시킵니다 기업들이 많은 노력을 기울이기 때문에 사이트에서 트래픽을 얻기는하지만 후보자를 잃을 수 있습니다 심지어 그들이 직업을보기 전에 다음은 구직 사례입니다 간호 조무사를 위해, 지원하고 돕는 누군가이다

간호사 114 결과가 있습니다 그러나이 일자리의 대부분이 밝혀졌습니다 올바른 역할조차하지 못한다 최고의 결과, 상위 4 개의 결과가 실제로, 간호사가 아니라 보조자를위한 것입니다

첫 번째 직업은 행정 간호사입니다 두 번째는 강사 인 상급 간호사입니다 네 번째 결과는 간호사 종사자입니다 간호학 석사 학위가 필요합니다 이러한 문제를 해결하기 위해 Cloud Talent 해결책

Cloud Talent Solution은 일련의 API입니다 직업을 더 잘 이해하기 위해 기계 학습을 사용합니다 내용 및 구직자의 의도 응시자는 자신의 이상적인 직업에 더 빨리 매치됩니다 고용주는 높은 품질을 유치하고 전환합니다

보다 관련성있는 결과를 보여줌으로써 핵심은 작업, 회사, 기술 및 교육 당신은 그것을 양면 매칭 엔진이라고 생각할 수 있습니다 구직자의 의도 및 고용주 채용 정보 이를 일련의 알고리즘을 통해 실행하여 성냥이 있는지 없는지 사람들 주위의 의미를 이해하는 것이 전부입니다 작업 주변의 의미론과 가능한 한 최상의 경기를 만들기 위해 학습하는 기계의 힘

Cloud Talent Solution이 이해하는 방법의 예는 다음과 같습니다 구직자 쿼리 이것을 풀어 보자 파트 타임 CNA WA Australia 파트 타임은 취업 유형입니다

CNA는 직위 인증 간호의 약어입니다 조수 이것은 사람이 관련된 모든 직무 내용을 찾고 있음을 의미합니다 간호사 보좌관과 환자 간병이 포함 된 직업 조수 WA Australia는 Western Australia의 지역 및 머리 글자 어입니다

이것은 많은 아웃백을 포함합니다 퍼스와 모든 방법이 포함되어 있습니다 북쪽의 항구 도시 브룸 (Broome)으로 이 모든 신호는 고려해야 할 중요한 요소입니다 구직자의 질문을 포착하여 의도를 이해할 때 모든 관련 작업을 반환합니다 많은 기능의 두포 밑에 Cloud Talent Solutions의 기능 및 기능 기계 학습을합니다

우리는 구체적으로 모델을 개발했습니다 휴리스틱에서 뉴럴 네트워크까지 모집 도메인 비즈니스가 패싯을 활용할 수 있도록 일자리를 분류하는 데 도움이됩니다 그들의 UI에서, 또는 다른 언어와 일치하는 의미론 고용주와 구직자가 말하는 LDRP 및 OB-GYN 간호사 TensorFlow를 사용하여 우리는 시각화 할 수 있습니다 직책의 텍스트 삽입

텍스트 삽입은 용어의 동시 발생입니다 벡터에서 표현 문맥 상 유사하게 보이는 단어와 구 취업 관련 데이터 내에서 매립 공간에 가깝도록 훈련 받았다 그 결과 밀집된 표현 깊은 신경 네트워크를 훈련시킬 수있게 해줍니다 작업을 입력으로 가져옵니다

예를 들어, 시각적으로 클러스터 다른 간호사 용어가있는 간호사 LPN과 같이 가까운 곳에 면허가있는 실용적인 간호사와 학교 간호사를 의미합니다 그리고 의료 기술자와 같은 더 멀리있는 용어는 덜 유사하다 우리 팀은 포함 개선을 위해 적극적으로 노력하고 있습니다 디자인을 사용하여 인간 중심의 접근 방식을 취함으로써 AI는 반복적 인 작업을 줄이고 사람들을 자유롭게합니다 인간이 무엇을 가장 잘하는지에 집중하십시오

그들은 관계를 구축하고 문제를 해결합니다 구직 활동의 경우, 이는 우리가 다양한 직업을 가지고 있음을 의미합니다 서로 다른 차원의 구직자, 직업, 성별 또는 경력 단계와 같은 엔트리 레벨에서 은퇴 예정자에 이르기까지 이는 다양한 유스 케이스 시나리오를 이해하는 데 도움이됩니다 다양한 사용자 관점을 구축 할 수 있습니다

우리는 또한 모델 훈련에 포함시키는 것을 개선하기 위해 노력하고 있습니다 바이어스 검출 및 측정과 같은 절차 데이터를 다양화할 수 있습니다 궁극적으로 AI가 가장 큰 영향을 미칠 것으로 생각합니다 모든 사용자가 액세스 할 수 있으며 모든 사용자와 함께 사용할 수 있습니다 명심하십시오

지난 몇 년 동안 우리 팀 수백 명의 사람들과 시간을 보냈다 구직 활동을 이해하는 나는 장님 인 한 여자를 만났습니다 그리고 우리가 여러 사이트에서 일자리를 찾고있을 때, 우리는 그녀가 관심이있는 회사를 발견했습니다 그러나 우리는 작업 세부 정보 페이지에 액세스 할 수 없다는 것을 깨달았습니다 사이트의 나머지 부분은

나는 그녀에게 직업 설명을 읽을 수 있지만, 그녀는 커리어 때문에 신경 쓰지 말라고했다 사이트는 그 회사에서 경력에 대한 첫인상입니다 그리고 접근이 불가능하다면 거기서 일하는 것이 매일 어떻게 되겠습니까? 구직은 후보자가 가진 첫인상 중의 하나이다 비즈니스와 따라서 경력 사이트에서 일자리를 만드는 것이 중요합니다 더 많은 수의 후보자를 발견 할 수 있습니다

경험을보다 포괄적으로 만들어야합니다 이제 몇 가지 기능을 살펴 보겠습니다 기업이 도달 할 수 있도록 개발 인구 통계 학적으로나인지 적으로 다양한 후보자 매년 25 만 명이 넘는 서비스 멤버 미군에서 민간인으로의 전환 우리는 많은 봉사 멤버들과 이야기했습니다

그리고 사용 된 언어가 밝혀졌습니다 군 복무 및 민간 고용을 설명하기 위해 항상 비슷한 것은 아닙니다 많은 전환 서비스 멤버 자신의 경험을 번역 할 수있는 방법이 필요해 훌륭한 기회를 놓치지 않고 비즈니스를 놓치지 마십시오 훌륭한 후보자들 우리는 또한 미군에서, 직업 코드는 특정 작업을 식별하는 데 사용됩니다

서비스 멤버가 전환하는 것을 돕기 위해 민간인 세계에 군사 규정을 추가했습니다 직업에 대한 우리의 이해에 관련 민간 일자리를 표면화합니다 우리는 청중에 RecruitMilitary를 갖게되어 기쁩니다 오늘 이봐, 마이크

그들은 미국 베테랑 모집 회사입니다 백만 명이 넘는 참전 용사를 대표합니다 그들의 일자리 게시판에 Cloud Talent Solution을 구현 한 이후, 그들은 거의 두 배의 최고 기록을 보았습니다 많은 응용 프로그램 우리는 그들의 사명을 도와 준 것을 자랑스럽게 생각합니다

더 많은 전환하는 베테랑을 연결 그들의 첫 번째 민간 직업에 또 다른 예는 당사 서비스의 글로벌 언어 지원입니다 긴밀한 통합을 활용하는 구글 번역 신경 기계 번역 옛날 옛날 구문 기반 번역 시스템은 그들의 작업을 수행했습니다 문장을 여러 개의 덩어리로 분해함으로써 문구별로 구문을 번역하십시오

이로 인해 번역 결과에 불만이 생겼습니다 우리가 어떻게 인간을 번역하는지와는 거리가 멀었습니다 우리는 전체 문장을 읽고, 그 의미를 이해하며, 그런 다음 번역하십시오 신경 기계 번역은 그것을 모방합니다 여기에 예제가 있습니다

[스페인어 배우기] 신경 기계 번역 전체 입력 문장을 고려합니다 번역 단위로 따라서 간호 보조원 대신에, 우리는 공인 간호를 번역하고 반환 할 수 있습니다 보조 업무 우리는 또한 주요 대도시의 미국 전역에서, 100 개 이상의 서로 다른 언어가 가정에서 사용됩니다

유럽에서는 많은 유럽인들이 모국어로 온라인 검색 몇 주 전에 우리는 흥미 진진한 새로운 기능을 발표했습니다 모국어로 검색하는 것을 선호하는 사람들을 위해, 우리는 또한 이 구직자들이 영어로 게시되지 않았기 때문에 그들이 놓치게 될 일자리를 놓치지 마십시오 마지막으로 통근은 가장 중요한 고려 사항 중 하나입니다 직업에 대해 미국 전문가의 85 % 더 짧은 출퇴근에 대해서는 임금 삭감을받을 것입니다

우리의 출퇴근 검색 기능은 작업을 표면화합니다 출퇴근 시간 및 교통 수단에 따라 다릅니다 당신이 상상할 수 있듯이, 가장 짧은 출퇴근 시간을 결정하기 위해, 당신은 모든 관련 경로를 식별해야합니다 쿼리에 응답하는 두 지점 사이의 옵션 이러한 순열은 문제의 규모만큼 비용이 많이 든다 수도권 전체에서 국가 전체로 증가하다 10,000 명이 이미 멈춘 대륙 1 억 쌍이 산출됩니다

우리는 Google Maps와의 긴밀한 통합을 활용했습니다 이 정보를 수집하는 우리가 수백만 가지 일자리를 매핑 한 직업 지식 이 모든 출퇴근에 응답하는 기술을 개발했습니다 즉시 쿼리를 수행 할 수 있습니다 말하기 연구의 일환으로 광범위한 사용자층에게 어떤 사람들은 대안적인 출퇴근 방법이 필요하다 특히 저소득층 사회에 거주하는 사람들 또는 자전거 타는 곳에서 직업을 찾고 있던 간호사 거리

최근에 우리는 새로운 통근 방법을 발표했습니다 모든 사람이 상관없이 일자리를 찾을 수 있도록 그들이 어떻게 거기에 가기로 결심했는지 전반적으로, 우리 고객은 훌륭한 결과를보고 있습니다 개발 시간 단축으로 절약 할 수 있습니다 매년 최소한 전체 스프린트를 로드맵에 추가하십시오

핵심 성과 지표에서 두 자릿수의 이익을 달성했으며, 응용 프로그램과 같은 높은 품질의 증가 후보자 고객의 다양성에 대해 직접 들었습니다 목표, 클라우드와의 최근 통합 경험 Talent Solution 및 포괄적 인 기능을 활용하는 방법에 대해 설명합니다 오늘 우리는 SmashFly의 CEO 인 Thom Kenney를두고 있습니다 Thom은 20 년 이상의 리더십 경험을 제공합니다

고성장 회사에서 또한 Adam Glassman, 수석 관리자가 있습니다 Cox Enterprise에서의 고용 브랜딩, 마케팅, 브랜딩 및 재능에 경험이 있습니다 취득 그들을 무대에 오신 것을 환영합니다 [박수 갈채] 오늘 우리와 함께 해줘서 고마워

우리는 SmashFly의 최근 통합에 대해 매우 흥분하고 있습니다 Cloud Talent Solution 및 방법 우리는 포괄적 인 기능 중 일부를 선보일 수있었습니다 콕스 엔터 프라이즈 경력 사이트에 Adam, 너 자신과 Cox에 대해 조금 말해 줄 수 있니? 기업 및 공유 관점 후보 경험에 대해? ADAM GLASSMAN : 물론입니다 좋은 아침, 모두들

내 이름은 Adam Glassman입니다 Jen이 언급했듯이 Employment Brand Cox Enterprises의 모집 마케팅 팀 Cox Enterprises는 누구입니까? 우리는 비상장 기업 중 하나입니다 나라 에서뿐만 아니라 국가 최고의 중 하나 비밀 유지 우리는 200 억 달러 규모의 조직으로 3 대 사업 Cox Communications, Cox Automotive, 및 콕스 미디어 그룹

그 부서들 아래에는 당신이 알고있는 브랜드, Autotrader, "Kelley Blue 도서 "및 청사진 RF 우리의 기술 및 소프트웨어 팀 정말로 혼란의 최전선에 서있다 이러한 산업의 대부분은 정말 좋은 시간입니다 단순히 그 때문에 팀의 일원이되는 것입니다 전세계에 걸쳐 우리는 6 만 명의 직원을 보유하고 있으며, 모두 하나의 주요한 것에 초점을 맞추 었습니다

그것은 차세대를위한 더 나은 미래를 건설하는 것입니다 그리고 우리는 여러 가지 다른 방법으로 그렇게합니다 직원, 지역 사회, 산업, 그리고 우리 행성 당신의 두 번째 질문 인 옌 (Jen) 실제로 방안에있는 사람들에게 충격이 될 수 있습니다 그러나 대부분의 사람들은 다소 실망스러운 직업을 찾고 있습니다

그리고 그것은 매우 어려운 과정 일 수 있습니다 그리고 그들을 모으고 스토킹하는 신병 모집자가 없다 온라인, 나는 당신들 대부분이 확신합니다 새로운 일자리를 찾고있는 대부분의 회원에게, 그 책임은 새로운 회사를 찾는 데 정말로 필요합니다 문화적 관점과 위치에서 일치하는 것을 찾는다

관점 및 브랜드 관점, 적절한시기에 적절한 기회를 찾아야합니다 그래서 그들은 연구하는 데 많은 시간을 할애합니다 그리고 여러 사이트가 있습니다 회사 경력을 포함하여 방문하기 위해 방문하는 대지 그리고 그들이 연구를 진행할 때 단계와 그 과정, 그 경험 약간 어색한 느낌이 든다

그들에게, 특히 그들이 적용 할 준비가 된 시점에서 대부분의 회사는 개인에게 오늘 온라인 신청을 요청합니다 그리고 그들 중 많은 사람들은 그 신청을 허용하지 않습니다 모바일 친화적입니다 따라서 후보자에 대한 또 다른 논점이 있습니다

데스크톱에 실제로 적용하는 경우, 응용 프로그램은 여전히 ​​매우 clunky 느낄 수 있습니다 그것은 구식 느낌 길고 번거 롭기 때문에 좌절감이 계속 발생합니다 그 과정을 통해 실제로 신청하면 기다리는 경향이 있습니다

너는 좀 더 기다려 궁극적으로 배경이 회사가 찾고있는 것을 충족시키고, 당신은 신참자에게서 들으십시오 그리고 그것은 당신을 길 아래로 시작합니다 잠재적으로 몇 차례의 인터뷰, 다시 조금 힘들어 할 수 있습니다 회사에

나는 우리 업계 전체에서 거기서 말할 것입니다 더 나은 후보자 창출에 대한 새로운 인식 경험 그래서 나에게 낙천주의를 안겨주 죠 우리가 그 경험을 향상시킬 수있는 방법의 미래를 위해 그리고 기술과 인공 지능은 우리가 그것을 할 수있는 길이되어야합니다

제니퍼 수 : 고마워, 아담 당신과 파트너 관계를 유지하는 것이 좋습니다 후보자 경험을 향상시키는 데 도움이됩니다 Thom, SmashFly에 대해 조금이라도 이야기 해 주시겠습니까? AI가 귀사의 채용 동기를 어떻게 변화시킬 수 있는지 고객? 켄 니 : 물론입니다 오늘 아침 나 한테 고마워

너를 위해서 눈부심을 조금 사과한다 누가 밝은 빛을보고 있습니다 그것은 실제 대머리입니다 가짜가 아니에요 SmashFly는 약 ​​12 ​​년 전에 설립 된 회사입니다

그리고 그것은 목적으로 설립되었으며, 올바른 인재와 올바른 고용 관계를 구축하기 위해 관리자에게 알립니다 매우 간단한 전망입니다 그러나 사람들이 어떻게 보일지의 복잡성에 대해 생각할 때 작업, 작업 게시 방법, 작업 게시 위치, Jen이 이전에 보여 주었던 것과, 모든 다른 방법들 고용주가 언어를 사용하고 색상을 사용하는 경우 재능을 끌어들이려고 노력하는 스타일, 아무 단 하나의 최선의 방법이 없습니다 SmashFly가 정말로 이것을보기 시작했을 때 몇 년 전이 기술은 우리는 우리에게 커다란 기회가 있음을 알고있었습니다 AI 및 ML 기법의 일부 활용 재능이 고용주와 어떻게 연관되어 있는지 알아보기 그러나 고용주가 재능에 어떻게 관여하고 있는지 또한 설명합니다

그래서 우리가 그것에 대해 생각할 때, SmashFly 전 세계 69 개국에있다 채용 담당자가있는 곳 우리에게는 180 세가 넘는 인재가 있습니다 전세계 국가 그리고 당신이 모집의 미시적 기후에 대해 생각한다면 그것이 나타내는 숫자에서 거의 무한합니다

사람들과의 합병증 함께 고용주와 재능을 연계 할 수 있습니다 따라서 우리가 특히 기계 학습에 관해 생각할 때 여러 측면에서 사용할 수있는 수많은 데이터가 있습니다 그리고 여러분은 데이터 과학자 또는 기계 학습자에게 질문합니다 그리고 그들은 당신에게 두 가지 가장 중요한 것들을 말할 것입니다 그들이 필요로하는 것은 데이터입니다

그것의 제비 – 그러나 좋은 자료 Jen은 교육 데이터 세트에 대해 이야기했습니다 그리고 우리가 가질 훈련 데이터 세트를 살펴 보았습니다 그리고 그것이 가져온 가치 그래서 우리는 인공 지능과 인공 지능 기술을 활용하고 있습니다

그 양의 정보를 실제로 사용하려면 우리가 가진 건 우리가 SmashFly를 통해 한 120 만 명의 고용 플랫폼– 재능있는 사람들을 끌어들이는 방향으로 앞으로 나아가십시오 고용주에 대해 그들에게 흥분을 안겨주는 방식으로 그들을 관여시킵니다

콕스 만의 문제가 아닙니다 너는 단지 Cox Communication을 알지 못한다 당신의 케이블 회사 나는 이전에 아담과 이야기하고 있었고, 그는 이 전체 자동차 부문을 얻었고, 그것은 정말로 미쳤다 그런 다음 인쇄 및 웹 미디어, 라디오 미디어

그것은 거대한 대기업 조직입니다 SmashFly가 Cox를 어떻게 도와 주나요? 마치 우리가 감정적 인 행동을하려고합니다 고용주와 어떻게 관련이 있습니까? 그리고 인간의 기능에서 이것을 할 방법이 없습니다 우리는이 직업 게시판을 보는 수백 명의 사람들을 가질 수 있습니다 사람들이 추적하는 방식을보고 보고서를보고 있습니다

그러나 그들은 우리에게 충분한 일을하지 않을 것입니다 왜냐하면 우리는 더 빨리 움직여야하기 때문입니다 우리는 결코 우리가 결코 볼 수없는 곳을 찾고 있어야합니다 전에 보았던 생각 그래서 AI와 ML 구조는 정말로 앞으로 나아갈 방향이 무엇인가

그리고 그것에 대해 생각하면, 우리가 정말로하려고하는 것이기 때문에 우리가 원하는 감정적 인 반응, 우리는 인간을 제거하려고하지 않습니다 우리에게는 실제로 우리 고객이 있습니다 글로벌 기업, 훌륭한 회사, 매우 유명한 브랜드 이름 그들은 1 년이 걸린 시스템을 만들었습니다 기계 학습, 심층 학습, 신경 네트워크를 사용할 것입니다

그리고 그들은 프로세스를 만들려고했습니다 그로 인해 그들은 그 후보자 중에서 가장 좋은 후보자를 찾게 될 것입니다 밖에 존재 했어 그리고 그들은이 시스템을 제자리에 두었습니다 그들은 그것을 구축하는 데 수백만 달러를 썼다

그리고 6 개월 후, 그들은 자신의 직업을 받아들이는 사람들이 50 % 적다는 것을 깨달았습니다 제공합니다 그리고 그 이유는 인간 요소를 제거했기 때문입니다 완전히 SmashFly에서 우리가 생각할 때, 밖에있는 모든 위대한 기술, 그것은 인간의 요소를 대체하는 것이 아닙니다

그것은 인간이 자연스럽게하는 것을 보완하는 것입니다 그들이 무엇을 가장 잘하는지 재능이 인간을 찾도록 도와주세요 그 (것)들을 고용하고 그 결과로 매우 빨리 도착하는 것을 시도하는 제니퍼 수 : 고마워, 톰

인간 중심의 접근 방식으로 AI를 도입하게 된 것을 기쁘게 생각합니다 고객의 인재 확보 프로세스에 도움이됩니다 이제 나는 너에게 그 중요성에 대해 듣고 싶다 책임있는 인공 지능과 포괄적 인 고용 관행 톰, 왜 그걸로 시작하고 싶니? 이것은 SmashFly와 고객에게 중요합니다

톰 케니 : 인적 자원의 편견에 관한 모든 것 모집은 오늘날 우리가 가지고있는 가장 큰 주제 중 하나입니다 그러한 포용적인 환경을 어떻게 조성합니까? 어떻게 다양성을 창조합니까? 그리고 누군가 오늘 아침에 뉴스를 보았다면, Gizmodo는 의회에 뭔가를 올렸습니다 요구할 법안을 도입했다 AI를 통해 바이어스를 제거하는 방법을 문서화하는 회사 내 말은, 그건 아주 큰 걸음이야 이제 우리는 AI의 힘을 인식하고 있기 때문에 그리고 기계 학습의 힘

그리고 이제 사람들은 그것에 대해 걱정하고 있습니다 그것을 규제하기 시작했습니다 그것이 좋은 것이 든 나쁜 것이 든 무관심한 것입니다 그러나 그것은 정말로 인식의 수준을 높입니다 시스템에서 다양성, 포함 및 편향이 어떻게 작용하는지에 대한 정보

저 밖에 큰 회사가있어 인텔 (Intel)은 몇 년 전 CEO가 말했다 우리는 다양한 인력을 창출하고자합니다 보드 전반에 걸쳐 표준 우리 업계의 표준이 30 % 여성 엔지니어라면, 우리는 그것을 원한다

업계 표준 50 % 아프리카 계 미국인입니다 하늘 숫자에 파이를 만들지 말고, 그러나 업계 표준이 이, 우리는 거기에 없다 그리고 이것에 대해 읽은 "Forbes"기사 그냥 매혹적입니다 CEO는 크고, 털이없고, 대담한 목표를 만들었습니다 Harvard 출신 Kotter를 읽은 사람이 있습니다

BHAG가 정말로 사람들에게 영감을주고 얻을 수있는 방법이라는 것을 알고 있습니다 목표로 이동하십시오 그리고 그들은 2020 년 목표를 설정했지만 오래 걸렸습니다 그것 앞에 그래서 우리가 그것에 대해 생각할 때, Cox 우리가 가지고있는 다른 고객과 협력하고, 그들은 다양하고 포괄적 인 노동력을 원합니다

그들은 다른 기술 세트를 가져옵니다 나는 네가 얼마나 많은지 모르겠다 내 첫 번째 직업은 오페라 가수라고 생각해 나는 좋은 시간을 보냈습니다 나는 7 개의 다른 언어로 불렀고, 유럽에서 노래 부르고, 미국에서 노래하고, 정말 즐거운 시간을 보냈습니다

나는 목구멍에 종양이 있었다 내 오페라 경력을 끝 냈어 기술은 90 년대 당시 멋진 것이 었습니다 그래서 나는 생각했다 도대체? 내가 할게

그러나 그것은 그 중 하나입니다 나는 사물에 대해 조금 생각한다 어쩌면 고전적으로 훈련받은 엔지니어와 다르게 할 것이다 그리고 저와 가진 다양성의 조금 직원 기반에 약간의 색상을 추가합니다 도구를 활용할 때, 특히 Google 검색 우리가 콕스를 위해 준비한 것, 우리는 우리가 시도하는 방식을 활용 다양하고 포괄적 인 환경을 만드는 방법 우리는 인간을 그냥 원하지 않는다고

그 판단을 내리기 위해서 왜냐하면 당신이 다양성에 대한 판단을 요구하더라도, 너는 너의 본래 편견을 아직도 사용하고있다 그 판단을 내리기 위해서 실제로 힘을 실어주는 시스템과 프로세스를 구축합시다 인간 관계는 우리가 사람들과의 포용 적 관계를 발전 시키십시오 다양한 인력, 포괄적 인 인력 실제로 산업을 변화시키는 것입니다

우리는이 연구를 어디서나 볼 수 있습니다 고객에게 제공 할 수있는 능력 가장 중요한 것 중 하나이다 우리가 SmashFly에서 할 수있는 일 JENNIFER SU : 좋습니다 고마워, 톰

우리는이 비전을 당신과 공유하고 있습니다 Adam,이 주제에 대해 엔터프라이즈로 더 많이 말할 수 있다면 기술 고객, 포괄적 고용이란 무엇인가? 고용 회사 및 비즈니스로서의 Cox를 의미합니까? ADAM GLASSMAN : 물론입니다 그래서 콕스에 대해 이해하는 것이 중요합니다 다양성과 포용이 유행어가 아니라는 것입니다 PR이 아닙니다

그것은 홍보가 아닙니다 그것은 정말로 회사 내에서 핵심적인 기초 가치입니다 그리고 그것은 120 년 전에 창립 이래로 열렸습니다 그리고 그것이 우리를위한 핵심 기본 가치이기 때문에, 우리는 직장을 포괄적으로 만들기 위해 노력하겠다는 의도로 행동합니다 가능한 한

그리고 여러 단계가 필요합니다 누군가 너를 여행한다고 생각하면 연결의 초기 시점에 걸릴 것입니다 브랜드와 함께 위치를 신청할 때, 그 경력 사이트 경험뿐만 아니라 그 젠 접근성에 대해 이야기했다 검색이 연결되는지 확인 그 길은 그들에게 유익합니다 그것은 우리가 직업 설명에 사용하는 언어입니다

신입 사원이 재능을 평가하고 추천하는 방식입니다 고용 매니저에게 고용 관리자가 재능을 평가하는 방식입니다 궁극적으로 누군가가 회사에 입사 할 수있는 기회를 제공합니다 직원이 일을하는 방식입니다

회사 내에서 그리고 콕스에서, 우리는이 다른 여행을 따라 한 걸음 씩 나눕니다 우리가 가장 많이 제공하고있는 경로 가능한 포괄적 인 지역 우리는 사업으로서 우리가 원하는 것을 알고 있습니다 그 다양한 생각과 다양한 관점을 가지고, 그리고 그 배경

넘버 원, 할 일이 옳다 그러나 2 위는 비즈니스를 더욱 강력하게 만듭니다 문화적 관점에서 볼 때, 그것은 무언가입니다 우리는 의도를 가지고 행동한다 그런 다음 직원들이 그들은 조직에서 따뜻하게 환영 받는다

그들은 자신의 피부에서 편안함을 느낄 수 있습니다 그들은 높은 수준에서 수행합니다 그리고 그들은 놀라운 일을 할 수 있습니다 Cox에서는 성별 차이가 있습니다 임원 수준

내가 자랑스럽게 여기는 것은 네 부서의 우리는 각자 최고 인력 자원 책임자를두고 있으며, 네 명 모두가 여자 야 이사회 전반에서 우리는 인정 받았다 다양한 다양성 단체들에 의해 인권을 포함한 우리의 노력 Campaign, "Forbes", DiversityInc 등이 있습니다 JENNIFER SU : 좋습니다 고마워, 아담

Cox의 다양성 포함에 대해 듣는 것이 정말 고무적입니다 값 이제 너 한테 왜 흥분했는지 듣고 싶다 최근의 통합과 포괄적 인 기능에 대해, 참전 용사 구직, 다국어 지원, 통근 검색 톰, 시작 하시겠습니까? 톰 케니 : 그래서 우리에게 가장 큰 것들 중 하나입니다

우리가 구글 검색을 보았을 때, 우리는 무엇을 사고, 우리는 무엇을 지어야 하는가? 우리의 구현을 살펴볼 때, 자연 언어에 관해 이야기 할 때 그것은 분명했습니다 처리, 의미 론적 분석, 당신은 일반적으로 검색에 대해서 이야기합니다 Google은 그 공간에서 세계를 선도합니다 그래서 우리가 생각했을 때, 어떻게하면 더 나은 검색을 할 수 있을까요? 이러한 일자리를 구할 수있는 능력은 우리에게 명확한 답이었습니다 Google과 파트너 관계를 맺을 수 있습니다

그리고 고객 기반을 살펴볼 때, 앞서 언급 한 것처럼 69 개국 우리는 채용 담당자가 있습니다 다국어 기능을 활용할 수있는 능력 우리에게는 엄청난 것이고, 고객에게는 거대합니다 아주 간단하게 말하면, 나는 언어로 일자리를 구해야한다 내가 가장 편안하게, 어쩌면 제 2 언어가 나에게 보여지면서 나는 또한 편안하게, 다 언어 사회에서, 그 연결을 매우 신속하게 생성 할 수 있어야합니다 그리고 그것에 대해 생각할 때, 심지어 가장 간단한 것부터, 사용자 경험, 오늘날 대부분의 검색 시스템을 사용하면 다음과 같이 말할 수 있습니다

엔지니어링 일자리를 찾고 싶습니다 음, 만약 당신이 "소프트웨어 엔지니어" 그것은 기본 부울 및 / 또는 구조입니다 당신은 제품 사람들과 일자리를 포기할 것입니다 마케팅 직원, 판매원은 모두이기 때문에 엔지니어들과 잘 작동해야한다 당신이 기술 회사라면

그래서이 모든 직업을 갖게 될 것입니다 정말 그것을 이해할만큼 영리하지 않기 때문입니다 그리고 당신이 직업 제목으로 그것을하는 경우에, 그러면 엔지니어를 검색에 넣으면 너는 모든 직업이 그리워 질거야 소프트웨어 개발자로 표시됩니다 그래서 정말로 도움이되지 않습니다

Google과 함께 봤던 것 중 하나는 말하자면, 나는 엔지니어 위치를 찾고 있습니다 ENGINER로 입력합니다 철자가 틀렸어 뭐라 짐은? 관련 엔지니어 위치는 여전히 얻을 수 있습니다 그것은 여전히 ​​올라와있다

그러나 우리가 본 커다란 것들 중 하나는, 그것은 내 마음에 가까이 있고 사랑스럽고 군사 직업적 특수 코드 및 그 기능을 검색 할 수있는 기능을 제공합니다 그리고 나는 23 년 동안 파트 타임 군인이었습니다 나는 아직도 공중 부대의 집행 임원이다 뉴저지 그리고 나는 그것이 얼마나 힘든지 알고 있습니다

현역에서 전환하는 사람들을 위해, 그러나 수년간 노력한 예비 예비 선거 자들 육군 예비군에 일부 기술을 쌓아 올리기 그들은 번역 할 줄 모른다 민간인 세계로 그리고 많은 이들이 투쟁합니다 특히 2003 년 이래 약 4 대에 배치되었습니다 1/2 년에서 최대 2014 년까지 그리고 그것들은 힘든 배치이며, 그것들은 힘든 일입니다

집에 돌아가 그리고 당신은 항상 그 변화를 만드는 방법을 모른다 당신이 파트 타임 사람이더라도, 너는 15 개월 동안 떠나고 너는 돌아와 너의 일이 없어 졌거나 네 아내가 갔어 또는 당신의 삶에 도전이 있습니다

그리고 그 다음 기회를 찾아야합니다 글쎄, 사람들이 그것을 실제 가치있는 직업으로 번역하도록 돕는다 안내서는 재향 군인 사회에서 매우 중요합니다 그리고 그것은 흥미 롭습니다 지난 밤에, 우리는 저녁 식사에서 뒤로 걷고 있었다

샌프란시스코 거리를 걸어가는 중이었습니다 그리고 나는이 포함과 다양성에 대해 생각하고있었습니다 그리고 나는 무엇에 대해 이야기 할 것인가? 그리고 그것은 재미있었습니다 왜냐하면 저는 내가 걸었던 것에주의를 줬다, 아마 10 % 내가 길거리에서 본 사람들 중 15 % 그들은 90 년대 걸프 전쟁에서 재킷을 입었습니다 그들은 초기부터 재킷을 입고있다

이라크 나 아프가니스탄 전쟁이나 최근 재킷을 왜냐하면 당신이 군인이라면, 당신은 실제로 발행 된 다른 유니폼을 알고 있습니다 그리고 당신은 제복을 입고 어떤 기간 그 제복이 설계되었습니다 그리고 나 자신에게 생각해야만했습니다 우리는 120 만 건의 일자리를 만들었습니다 전세계 사람들을 위해 거리에있는 사람들 중 몇 명이 참전 용사입니까? 그리고 그 사람들 중 얼마나 많은 사람들이, 우리가 그들에게 접근하는 방법을 안다면, 우리는 그들에게 능력을 줄 수있다

바로 그 다음 기회를 찾으려면 얼마나 많은 사람들이 여전히 거리에있을거야? 그리고 얼마나 많은 사람들이 우리가 정말로 생산적으로 이끌 수 있도록 도울 수 있습니까? 우리 사회의 일부가되고 살아가는가? 이것이 다양성과 포용이 전부이기 때문입니다 올바른 기회를 찾는 것입니다 적합한 사람들과 적절한 회사를위한 그리고 그들에게 매일 매일 자랑스러워 할 무언가를주었습니다 네, 당신이 말한 모든 것에 동의합니다 톰

내가 감동 한 두 가지 추가 기능 통근자 검색과 다국어 기능입니다 따라서 통근 검색을 시작하면 내 직업 중 하나 인 고용 브랜드 누가 진짜인가, 진정한 이야기를하는 것입니다 우리는 회사로서 무엇과 일치 하는가? 후보자가 찾고 있습니다 그래서 우리는 지나치게 노력하지 않습니다 우리는 실제로 실제 이야기를 그렇게하려고 노력하고 있습니다

후보자가 더 많은 정보를 얻었고, 그들은 궁극적으로 회사에서 일자리를 수락합니다 그들이 찾고있는 것 통근의 관점에서 볼 때, 솔직 해지자 대부분의 도시에서는 교통이 악취에 빠집니다 그래서 러시 아워에서 2 시간 동안 앉아 있고 싶어합니다

직장으로 이리저리 나아가고 있니? 대부분의 사람들은 매우 구체적인 출퇴근 시간을 찾고 있습니다 그리고 우리 사무실 위치가 항상 바뀔 수는 없습니다 우리는 항상 원격 작업과 일을하지 않습니다 가정의 기회에서 통근 검색은 매우 중요한 요소입니다

직업과 직장에서 사람들이 찾고있는 것 우리를위한 최악의 시나리오 누군가가 궁극적으로 그 일을 받아 들일 것이지만, 그리고 그들은 정말로 15 분 통근을 찾고있었습니다 하지만 그것은 2 시간이라고 밝혀졌습니다 그리고 2 개월 만에 그들은 비참합니다 그리고 그들은 그만 뒀다

그리고 그것은 누구에게 도움이되지 않습니다 양쪽에서 프로세스를 다시 시작해야합니다 이것이 우리에게 최악의 시나리오입니다 출퇴근길 검색은 그 중 하나는 경험을 향상시키고 정보를 제공하는 데 도움을줍니다 후보자의 손가락 끝으로

두 번째 부분은 다중 언어 기능입니다 그래서 Jen은 이전에 그것에 대해 조금 이야기했습니다 그러나 만일 우리가 나라의 5 명의 닥치는대로의 회사를 보았 더라면, 그리고 그들은 같은 다섯 자리를 가졌지 만, 너 한테 돈을 걸 겠어 그것들을 다르게 제목 짓는다 같은 5 가지 직업을 가진 5 개 회사, 그들은 모두 그들에 대한 다른 제목을했습니다

그리고 그것은 같은 언어입니다 이제 그 언어를 네이티브로 말하지 않으면 상상해보십시오 번역은 항상 일대일로 이루어지는 것은 아닙니다 문법은 다릅니다 구문이 다릅니다

그래서 만약 당신이 모국어로 검색하려고한다면, 반드시 모국어 인 것은 아닙니다 회사가 게시 한 행운을 빌어 요 그 일자리를 찾으려고 노력하고있어 따라서이 기능 중 또 하나가 후보자의 손끝에 정보를 넣는다 경험을 향상시키는 데 도움이됩니다

그래서 저는 그것들에 대해 모두 흥분합니다 제니퍼 수 : 아담, 톰, 오늘 같이 해주셔서 감사합니다 우리는 당신과 함께 일하게 된 것을 기쁘게 생각합니다 더 많은 후보자를 일자리와 연결합니다 아담과 톰에게 박수를 보냅니다

ADAM GLASSMAN : 고마워요 제니퍼 스와 : AI가 어떻게 포괄적 인 채용 및 얼마나 중요한지 파악하는 데 도움이 될 수 있습니다 이 권리는 고객에게 있습니다 이제 몇 가지 테이크 아웃을 진행할 것입니다 그리고 우리는 당신의 질문에 도달 할 수 있습니다

결론을 내리기 위해, 다양성의 정의 더 포괄적으로 진화하고 있습니다 그리고 옳은 일은 아니며, 하지만 비즈니스에도 좋습니다 AI는 채용을 변형 할 수 있지만 채용에 AI 적용 위험이 있으므로 조심스럽게 다루어야합니다 인간 중심의 접근법을 사용하고 사용자에게 말함으로써, 명확한 유스 케이스를 확립 할 수있다 결정하기위한 가설을 세운다

필요한 기능과 데이터, 그런 다음 많은 관련 데이터가 있는지 확인하십시오 그 데이터를 검사하십시오 당신이 채용 기술을 고려하고 있다면, 공급자가 필요한 데이터 규모를 가져올 수 있는지 확인하십시오 AI를 조심스럽게 개발하십시오 클라우드 재능 솔루션, AI로 채용 유도 포괄적 인 기능을 제공합니다

우리는 긍정적 인 결과를보고 있습니다 마지막으로, 기억하는 것이 중요합니다 기술의 창조자 또는 영향력있는 사람으로서, 포함으로 발전시키는 것은 우리의 책임입니다 디자인의 일부로 고맙습니다 [음악 재생]

Document Understanding AI on Google Cloud (Cloud Next '19)

SUDHERRA VANGURI : 기업 데이터의 80 % 크게 비 구조화되고 70 % 그 중 많은 부분이 자유 형식 텍스트 형식입니다 자유 형식 텍스트를 사용하면 많은 기업을 볼 수 있습니다

어두운 데이터에 앉아 그리고이 데이터는 문서 금광이 될 수 있습니다 이 문서들은 PDF, 이메일, 계약서, 의견, 트윗, 티켓, 특허 파일, 신청 양식 그리고이 데이터는 점점 커질 것입니다 우리는 많은 조직 구조화되지 않은 데이터의 영역을 이해할 필요가 있습니다

그리고 이미 조직에 있다면 이 문제를 알고 있고 노력하고 있습니다 비즈니스의 일부로 이러한 문서를 분석하는 방법 워크 플로, 지출 가능성이 높습니다 많은 시간과 돈과 자원 이러한 문서를 분석합니다 또한이 프로세스는 오류가 발생하기 쉽습니다 우리가 문서를 이해한다고 말하면 어떨까요? 인생을 더 쉽게 만들어주는 솔루션 은행을 깨지 않고? 안녕 모두, 내 이름은 Sudherra Vanguri, 저는 Document Understanding AI의 제품 관리자입니다

여기 Google Cloud에서 오늘 나는 당신을 빠른 개요를 통해 안내 할 것입니다 솔루션의 나는 해결책을 조금 풀어 내려고 노력할 것이다 무슨 일이 일어나는지 조금 깊이 잠수해라 솔루션 및 솔루션 구성 요소

또한 흥미로운 파트너 통합도 있습니다 나와 이야기 할 이야기가 있다면 [INAUDIBLE] 님의 무대에서 합류 할 수도 있습니다 아이언 마운틴 (Iron Mountain)의 제품 관리 이사 그리고 그녀는 4 가지 주요 사건에 대해 이야기 할 것입니다 아이언 마운틴의 연구 및 수직 솔루션 에 투자

또한 고객 엔지니어 인 밀란 리 (Milan Lee) 특허 출원의 데모를 통해 우리를 걸을 것입니다 비정형 데이터에서 종단 간 처리되었습니다 문서 이해 AI를 사용하여 구조화 된 데이터로 변환합니다 시작하자 따라서 문서 이해 AI는 해결책입니다

주요 문서 처리 작업 흐름을 자동화 할 수 있습니다 그 문서들 속에서 귀중한 지식을 추출하십시오 어떻게해야합니까? 글쎄, AI를 이해하는 문서는 우리의 강력한 자연어에 힘 입어 능력, 지식 능력 및 비전 OCR 기능 그래서 솔루션을 분리하고 살펴 봅니다 조금

GCP 또는 파트너 솔루션에 참여할 수 있습니다 구조화되지 않은 데이터 형태, 패턴, 계약, 그 모든 문서 금광은 우리가 오래 전 언급했다 Google은 귀하가 해당 문서를 분류 할 수있게하며, 그 문서를 의미있게 사용하여 조직하십시오 우리의 AutoML 기술 또한 주요 가치 쌍 및 엔티티를 추출 할 수 있습니다

그 문서들에서 다시 말하지만, 국가 언어, 비전 OCR, AutoML 기능 비즈니스가 자신의 스키마를 추가하는 경우, 우리는 또한 지식 능력을 가지고있다 지식 서비스라는 새로운 알파 버전을 통해 이를 통해 지식 그래프를 구성 할 수 있습니다

귀하의 구조화되지 않은 데이터를 추출하여 귀하의 ERP 시스템에 매핑하십시오 이러한 문서에서 통찰력을 추출 할 수 있습니다 그 비정형 데이터를 구조화 된 데이터로 변환 할 수 있습니다 간단한 데모를 보여 드리겠습니다 발표자 1 :이 데모에서는 지식 기반이 있습니다 다양한 주제에 관한 Wikipedia 기사가 포함되어 있습니다

모두 48 개의 문서가 있습니다 문서 중 하나는 증기 엔진에 관한 것입니다 여기에서는 Wikipedia 기사의 내용을 보았습니다 증기 기관에 관해서 증기 기관에 대해 알고 싶습니다

기본 검색에서 볼 수있는 결과가 있습니다 몇 가지 핵심어에서 일치하지만 의미 상 아닙니다 쿼리와 비슷합니다 우리는 시맨틱 매치로갑니다 응답이 쿼리의 의미와 일치하는 것을 볼 수 있습니다

문서에서 해당 내용을 보면 문서의 어디에 있는지 알 수 있습니다 그 통로가 온다 우리 기사 중 다른 하나는 의사에 관한 것입니다 유명한 영국 TV 쇼 Doctor Who의 음모를 알고 싶다고합시다

그래서 의미 론적으로 비슷한 쿼리를 입력하겠습니다 기본 검색 결과에서 우리는 실제로 닥터 누가 누구인지 확인하십시오 그러나 의미 론적 일치에서, 우리는 훌륭한 묘사로 끝 맺는다 닥터 후 그는 주인공입니다

그는 다른 행성 출신입니다 그리고 그는 The Doctor라는 이름으로갑니다 이제 내가 더 깊이 잠수하고 싶다고 해보자 나는 특정 질문에 답하고 싶다 검색 결과가 좋지 않습니다

우리가 그 질문에 대한 대답을 보는 것 실제로 문서에 있습니다 그리고 그 대답은 826입니다 826 닥터 누가 1963 년부터 분할 우리가 다른 질문을하고 싶다고합시다 언제 처음 공기가 들렸습니까? 그리고 확실하게 대답은 문서에 있습니다

우리는 그것을 찾아 서비스 할 수 있습니다 SUDHERRA VANGURI : 이것이 우리의 지식 능력의 일부입니다 너를 위해서 Google의 맞춤 키 값 쌍이 많다는 것도 알고 있어야합니다 및 맞춤 지식 격투 기능 동일한 사용 사례가 다양한 카테고리에 적용될 수 있습니다

비즈니스 스키마가있는 산업 간단히 말해서, 이해할 수있는 문서는 무엇입니까? 파트너 솔루션을 통해 당신의 문서를 정리할 수 있고, 핵심 가치 쌍 및 통찰력을 분류하고 추출한다 해당 문서 내에서 귀하의 비즈니스를 자동화하십시오 워크 플로는 추출 된 통찰력을 사용합니다 충분히 이야기 해

파트너 솔루션에 대해 자세히 살펴 보도록하겠습니다 초기 출시 일부를 발표했다 파트너, 선두 발사 파트너, Iron Mountain 문서 이해 AI와 완벽하게 통합됩니다 솔루션과 우리의 능력 우리는 또한 중요한 파트너십과 통합을 가지고 있습니다

UiPath, Egnyte, Box, Taulia, DocuSign, Accenture 몇 가지 주요 용도로 들어가자 사례 및 몇 가지 흥미로운 사례가 있습니다 우리의 첫 번째 파트너 인 Egnyte는 문서 이해 AI 파일 다운로드의 비정상적인 활동을 탐지하는 방법 특허, NDA 및 계약 관련 이제 Egnyte Protect는 조직을 활성화합니다 또는 관리자가 중요한 다운로드 시점을 알 수 있습니다

민감한 문서가 발생했습니다 지난 몇 주 동안 그리고 그것은 Egnyte Protect입니다 액세스되는 공통 파일 유형의 개인화 된 프로파일을 빌드합니다 말하자면, 존 스미스

음, 그건 전적으로 가설적인 것입니다 나는 존 스미스에 대해 모른다 미안, 존 스미스 John Smith가 액세스한다고 가정 해 봅시다 많은 특허 파일, 일주일 이내에 250 개의 이상한 패턴 파일

그의 정상적인 프로파일은 전형적으로 2 ~ 3 계약, 4 ~ 5 계약 특허 일주일 동안 이제 문서 이해 AI와 함께, Egnyte Protect는 계약서, 직원 목록, 송장, NDA 및 다양한 문서 민감한 문서 형식 지정 및 플래그 지정 대용량 파일 활동이 발생하면 내부자 공격과 간첩 행위 시도 조직에 의해 방해받을 수 있습니다 멋진 실제 응용 프로그램입니다 문서의 민감한 문서 작업 부하에 대한 AI 이해 우리가 볼 수있는 것은 다양한 산업에 적용됩니다 인사 파일, GDP 준수 확인, 등등

문서 이해 AI의 또 다른 파트너 애플리케이션 문서 이해 AI를 사용하여 양식에 자동 태그 추가 전자 거래 관리 파트너 인 DocuSign은, 경계 상자를 탐지하기 위해 AI (Document Understanding AI)를 사용했습니다 에 양식 여기서 중요한 사용 사례는 W9 양식이라고 가정 해 봅시다 우리는 정확하게 식별 할 수 있습니다 수천 개의 문서에 대해 학습 된 바운딩 박스

또한 해당 테두리 상자를 연결합니다 서명 필드, 명명 된 필드, 확인란, 등등 수동으로 작성된 완전히 태그가없는 문서에서 이동하려면 이전에 완전 자동, DocuSign이 출시 한 태그가 추가 된 양식 모바일 애플리케이션에 통합 할 수 있습니다 나는 너에게 보여주는 멋진 데모가있다 이거 토크 트랙이 없지만 너를 위해 그것을 이해하려고 노력하라

그럼 우리가 농지를 가지고있는 NDA를 가지고 있다고 가정 해 봅시다 5 개 필드 정도의 집합 그리고이 NDA는 한 당사자가 서명해야합니다 보낸 사람, 내일 말하자 이 NDA를 마틴에게 보냅니다

이제 자동 태그 추가가 시작됩니다 문서 이해하기 AI 이해하기 우리는 자동으로 무엇이 날짜 표시인지 식별 ​​할 수 있어야합니다 텍스트 필드, 서명 필드 란 무엇입니까? 이제 우리는 NLP, AutoML, 자연 언어를 사용합니다 그게 전부 야 이전에는 이것이 전적으로 수동 프로세스였습니다

타마라는 어떤 필드에는 서명이 필요합니다 문서 사용하기 AI 이해하기, 우리는 자동으로 서명이 언제인지를 식별 할 수있다 서명 필드 근처, 날짜 기호는 무엇입니까? 필드와 [INAUDIBLE] 날짜의 비교 등이 있습니다 AI, 다양한 기술의 강력한 조합 NLP, OCR 및 AutoML 기술의 결합 또 다른 파트너, UiPath가 사용했습니다 문서화 자동화를위한 AI 이해 그들의 인보이스 프로세스

여기에 인보이스의 예가 나와 있습니다 보시다시피 인보이스는 표 형식입니다 송장에는 많은 필체 텍스트가 있습니다 거기에 우표가 있습니다 따라서 우리는 키 값 쌍을 정확하게 식별 할 수 있습니다

그 송장 내에서 보시다시피, 더 자세히 살펴보면, 우리는 또한 핵심 가치 쌍에 대한 신뢰 점수를 공유합니다 그 송장에서 추출한 자, 루프에 인간이 있다면, 우리는 또한 인간이 자신감을 들여다 볼 수있게했습니다 과정에서 더 많은 하류 처리가있을 수 있습니다 그 송장에 인보이스 처리의 전체 수동 프로세스 문서 이해 AI를 사용하여 완전히 자동화되었습니다 인보이스 처리와 유사한 유스 케이스 문서 이해를 이용한인지 인보이스 우리 파트너 인 Taulia가 통합 한 AI입니다

Taulia는 문서 이해 AI를 사용합니다 송장 데이터 자동 추출 플랫폼, 공급 업체 및 구매자 사용 그곳의 어디서나 송장을 조정할 수있다 확인이 필요합니다 그러나 인보이스 처리의 상당 부분 문서 이해를 사용하여 자동화됩니다 Taulia가 말했듯이, 매뉴얼의 어두운 시대에서 벗어나 UAI를 사용한 송장 처리

최종 파트너 통합은 Accenture Saga, NLP 문서 이해로 구동되는 플랫폼 AI 및 기타 주요 제 3 자 솔루션, 우리의 자본 추출, 지식 그래프 작성, 핵심 질문 답하기를 풀기위한 질문 응답 서비스 문서 이해 워크 플로 Accenture의 고객에게 제공됩니다 그걸로, [INAUDIBLE] 아이언 마운틴 InSight에서의 깊은 다이빙 주요 사례 연구 [? 앙카 :?] 대단히 고마워 내 이름은 [? Anka ?] 저는 제품 관리 이사입니다 Iron Mountain Insight 용

그리고 우리 플랫폼에 대해 조금 이야기 할 것입니다 가치를 창출 할 수있는 유스 케이스 우리 고객을 위해 그래서 사무실 경험과 우리 중 많은 사람들 정보로 작업하고 이것이 무엇인지 알 수 있습니다 엄청난 양의 데이터가 있지만 당신이 그것을 필요로 할 때 옳은 물건은 믿을 수 없을 정도로 아직도 어렵다 그래서이 인용문은 1982 년에 나온 것입니다

좋아, 그거 생각 해봐 그래서 우리는 그것을 고칠 시간이라고 생각합니다 Google과의 파트너십은 그 모든 것입니다 우리 고객은 다양한 단계에 있습니다 디지털 전환은 가치를 창출하기위한 것입니다

그들의 정보에서 새로운 일하는 방식으로, 그리고 솔직히 말해서, 정보의 위험을 줄인다 그들이 저장하고있는 곳 실제로 많은 통계가 있습니다 이미 언급 했잖아, 맞지? 엄청난 양의 저장 공간 실제로 사용되는 정보는 거의 없습니다

Iron Mountain과 결합 된 문서 이해 정보 관리 및 정보 거버넌스 전문 지식을 통해 우리는 한 발을 내딛을 수있었습니다 우리는 규모면에서 그리고 서비스로서, 그 정보 전부에서 가치를 전달하십시오 그리고 다시, 저는 우리가 일종의 정보에서 왔다고 말했습니다 거버넌스 배경 그래서 우리는 또한 적용 가능한 규정을 준수 할 수 있는지 확인하십시오

당신이하는 것처럼 당신에게 그래서 몇 가지 높은 수준의 정보를 간단히 살펴 보겠습니다 플랫폼에 대해 살펴본 다음 사용 사례를 파헤 치십시오 모든 것이 어떻게 작동하는지 보여줍니다 그래서 플랫폼은 실제로, 일종의, 3 단계, 만약 당신이

첫 번째는 섭취입니다 우리에게는 섭취가 매우 광범위합니다 그래서 우리는 우리와 함께 물리적 정보를 저장하는 고객이 있습니다 종이 일 수도 있고 테이프 일 수도 있습니다 우리는 우리가 모든 정보를 플랫폼으로 가져올 수있게하십시오

그것을 풍부하게하고 그것을 처리하기 위해서 디지털 정보 일 수도 있습니다 맞습니까? 그래서 다양한 소스로부터의 섭취, 다양한 형식이나 형식, 다양한 형식으로 제공됩니다 비디오, 이미지, 문서, 모든 다양한 소스 Sudherra는 이전에 언급했다 두 번째 단계는 그 내용을 처리하는 것입니다

우리는 GCP 위에 클라우드 기본 플랫폼을 구축했습니다 그래서 우리는 GCP의 모든 힘을 활용하고 있습니다 정보를 저장하고 처리하기 위해 우리는 문서 이해 AI를 순서대로 사용하고 있습니다 콘텐츠를 분류하고 풍부하게합니다 그리고 실제로 3 가지 기본 사용 사례가 있습니다

높은 수준에서 우리가 운전하고 싶습니다 하나는 분석입니다 이 정보를 사용자에게 가치있게 만드는 방법은 무엇입니까? 두 번째는 정보 거버넌스에 관한 것입니다 이제 내가 가진 것을 알고, 정책은 무엇인가? 신청해야합니까? 얼마나 오래 보관해야합니까? 언제 보호해야합니까? 거기에 개인 정보 나 민감한 정보가 있습니까? 세 번째는 워크 플로우 자동화입니다 그리고 우리는 유스 케이스를 각 항목을 설명합니다

결국 구조를 추가하는 것입니다 콘텐츠의 큰 부분 그것은 오늘날 구조화되지 않은 것입니다 첫 번째 유스 케이스는 석유와 가스에 있습니다 그래서 우리는 믿을 수 없을 정도로 다양한 유형을 저장합니다 우리의 석유 및 가스 고객을위한 것

스캔하여 처리 한 ginormous 맵일 수 있습니다 테이프에있는 지진 데이터 일 수 있습니다 수십에서 수 백 피트가 될 수있는 잘 통나무 일 수 있습니다 긴 그리고 우리는 A를 도와 모든 정보를 수집합니다

그런 다음 문서 이해 AI를 사용하여, 우리는 도움이되는 정보를 추출합니다 우리, 솔직하게, 지구 과학자를 가능하게해라 이 정보를 사용합니다 다양한 콘텐츠가 모두 있으므로 당신이 과학자라면 상상해보십시오 어디에서 평가해야하는지에 대한 정보를 찾으십시오

당신은 교련하고 싶거나 특정 우물의 가치는 무엇인가? 아이언 마운틴 (Iron Mountain)의 종이지도를 살펴 보았습니다 잠재적으로 지진에 대비하여 테이프를 감 으려고합니다 그리고 당면 과제 중 하나는 너는 실제로 접근 할 수 있는지 안다 당신이 필요로하는 모든 것에 여기서 우리가하는 일은 정보 처리입니다

다시 Document Understanding AI를 사용합니다 우리는 또한 정보를 풍부하게 할 수있다 외부 메타 데이터 소스를 사용합니다 따라서 많은 정보 메타 데이터를 가져 오는 것입니다 AI를 사용하는 것에서부터 기존 소스에서부터, 그 모든 것을 함께 시각적 인 검색에 넣습니다

지구 과학자들이 다음과 같은 방식으로 검색 할 수있게 해주는 UI 말이된다 그래서 물건을 찾는 데 시간의 절반을 소비하는 대신, 실제로 분석 할 때 대부분의 시간을 소비 할 수 있습니다 따라서 검색 UI는 위치 별 액세스를 허용합니다 그래서지도에서 특정 지점을 찾고 있다면 내가 평가하고 싶은, 나는 얻을 수있다 나에게 관련있는 정보에 대한 권리 내가 다루고있는 다양한 자산에 걸쳐 우리는 예를 들어 유사성 검색을 사용합니다

그래서 내가 어떤 패턴이나 일종의 침입을 보게되면 그게 나에게 흥미로울 수도있어 유사한 패턴을 가진 모든 애셋을 빠르게 찾을 수 있습니다 그리고 그 모든 것은 정말로 더 빠른 의사 결정에 관한 것입니다 더 나은 분석 두 번째 유스 케이스, 더 많은 텍스트 문서 무거운

이 경우 우리는 모기지를 다루고 있습니다 정말 그 자동화를 가능하게합니다 수동 워크 플로우 우리 모두는이 물건들이 모두 온라인이라고 생각할 것입니다 우리는 그것을 온라인으로 모두 채 웁니다

너는 놀랄거야 그것의 대부분은 라인 어딘가에 종이가됩니다 따라서 매우 무겁고 수동적 인 프로세스입니다 결과적으로, 또한 매우 느린 프로세스입니다 따라서이 특별한 사용 사례는 모두 여러 날에서 여러 시간으로 프로세스를 수행하는 것에 대해 이 특정 사용 사례의 경우 또한 문서 이해 능력을 아주 잘 보여줍니다

일체 포함 여기서 우리가하는 일은 대출 파일을보고있는 것입니다 우리는 두 가지 질문을하고 있습니다 그것은 완전하고 정확한가? 따라서 모기지 잔액이 완전한지 여부를 결정하기 위해, 나는 어떤 서류를 가지고 있는지 이해해야한다 문서를 분류하십시오

위치 별 목록과 비교 실제로 필요한 것 무엇이 완료를 정의합니다 모든 문서가 여기에 있는지 확인하십시오 이제 우리가 파고 들어 정확합니까? 이것이 우리가 정보를 끌어 내야하는 곳입니다

그것이 이름이든, 사회 보장 번호이든 그것은 APR 일 수 있습니다 제비 뽑기와 제비 뽑기와 제비 뽑기가있다 에 걸쳐 발생하는 추출의 그 다른 문서들 그리고 두 가지 하나, 나는 모든 것을 채워야합니까? 서명이 필요한 위치에 서명이 있습니까? 내가 이름을 기대하고있는 이름이 있니? 특정 규제 기관의 도장이 있습니까? 뭔가를 축복해야합니다

모든 것들을 확인해야합니다 그런 다음 문서를 조사해야합니다 동일한 사회 보장 제도를 가진 동일한 이름을 가지고 있습니까? 그들 모두의 숫자? APR은 동일합니까? 그리고 본질적으로 누군가를 틀린 종이를 넣었습니까? 잘못된 파일에 있거나 문서가 잘못 채워져 있습니다 또는 불완전하게? 따라서 문서를 이해하면 이러한 모든 일을 처리하는 데 도움이됩니다 그런 다음 워크 플로 자동화 관점에서 볼 때, RPA 프로세스를 활성화하기 위해 출력 할 수 있습니다

이제는 수동이 아닌 훨씬 더 자동화 될 수 있습니다 그래서 당신이 정상을 생각할 때 이 특별한 슬라이드의 모든 작은 사람들, 그 곳은 항상 시간을 보낸다 이것이 비효율적 인 부분입니다 대기 시간이 고객 경험에서 오는 곳입니다 원근법

괜찮아? 그래서 우리는 여기서 더 나은 고객을 이끌어 내고자합니다 실제 지원자를위한 경험, 프로세서의 시간과 비용을 절감 할 수 있습니다 그리고 마지막으로, 물론 자동화 전체 워크 플로우가 자동으로 종단되도록 할 수 있습니다 정말로 중요한 두 번째 것 일단 우리가이 풍부한 정보를 모두 가지고 있다면, 사용할 수있는 다른 유스 케이스가 있습니다 그래서 모기지 프로세서가 이해하기를 원한다면 그들이 공정한 대출을위한 준수와 관련하여 어떻게하고 있는지, 그들은이 모든 풍부한 정보를 가지고있다

이제 어떻게하는지 이해하는 데 사용할 수 있습니다 그들은 실제로 위치가 좋은가? 아니면 문제가 있습니까? 그리고 그들이 그것에 대해 무엇을 할 수 있습니까? 따라서 위에있는 분석은 일단이 모든 작업을 완료하면, 다른 유스 케이스가 무수히 많다 해당 특정 고객에 대해 활성화 할 수 있습니다 문서 중심의 또 다른 프로세스는 HR입니다 그래서 직원 기록

이 특별한 사용 사례는 개인 정보 보호에 중점을두고 있습니다 그래서 GDPR이 언급되었습니다 개인 정보와 GDPR 준수 정말로 당신이 어디에서 이해할 수 있어야한다는 것을 의미합니다 직원에 대한 개인 정보가 있습니다 이 경우에

그리고 당신은 그것에 빨리 도달 할 수 있어야합니다 직원이 말하길, 이봐, 나는 알고 싶어한다 네가 나에 대해 무엇을 지키고 있는지 어떤 개인 정보를 저장하고 있습니까? 나는 그 내용에 빨리 도달 할 수 있어야합니다 나는 그 모든 것을 발견하고 있는지 확인해야한다

그리고 실제로 그것을 줄 수 있어야합니다 직원이 요청할 경우 직원에게 전달해야합니다 다양한 소스의 문서 처리 다양한 형식으로 제공됩니다 그래서 나는 정말 오랫동안 아이언 마운틴에 있었어 내가 처음 고용되었을 때, 우리는 종이를 채웠다

그래서 제 기록은 아마도 종이에 있습니다 그래서 그 모든 것을 끌어 당기고, 그 내용을 이미지 할 수 있고, 그 콘텐츠가 몇 달 전 또는 전자적으로 수집 된 1 년은 매우 중요합니다 능력을 가질 수있는 능력 문서의 해당 내용 이해하기 내가 실제로 거래하고 있는지 여부입니다 민감한 정보 또는 개인 정보가있는 경우, 그냥, 여기와는 달리, 큰 더미의 물건들이 있습니다 관련성이 없으면 다시 기업이 준수 할뿐만 아니라 효율적으로 대응해야합니다

요청합니다 이런 것들에 대한 다른 점은 더 이상 물건을 오래 보관할 수 없습니까? 그래서 보존 정책 많은 회사들이 오랫동안 디폴트를 취했다 나는 모든 것을 영원히 간직했다 그렇게해서 나는해서는 안되는 것을 삭제하지 않을 것입니다

글쎄, GDPR은 실제로 영원히 보존의 모든 시대를 끝낸다 정책 이제 우리는이 정보를 얻었습니다 우리는 그것을 우리가 이해할 수 있도록 분류했다 누구를위한 것이지, 직원이 회사를 떠날 때, 우리는 실제로 그 정보를 없앨 수 있어야한다

보존 기간 내에 즉, 개인 정보 보호 규정을 준수해야합니다 그래서 내용을 분류하고 이해하고 그 정보는 특정 직원과 관련이있다 또한 필요할 때 정보를 제거 할 수 있습니다 이것이 바로 정책과 AI의 문서 이해 회사가 올바른 일을하도록 돕기 위해 정말로 함께합니다 적시에

다음에 나는 조금 더 파고 들어갈 것입니다 실제로 우리는 고객으로부터 많은 것을 듣습니다 당신이 어떤 회사인지는 중요하지 않습니다 아마도 고객 계약이있을 것입니다 우리 모두는 우리가 많은 것을 원하기를 바랍니까? 아이언 마운틴 (Iron Mountain)에서는 400,000 명이 넘습니다

그래서 아주 간단한 일은 정말로 어려울 때 당신은 물건의 크고 거대한 더미를 가로 질러 그들을하려고 노력하고 있습니다 그렇게 그래서 우선, 그들은 일종의 배포를하는 경향이 있습니다 다른 제품 및 서비스, 지역, 그들이 얻은 다른 인수 그래서 그 물건들이 여기 저기에 있습니다

이렇게 간단하고 간단한 질문은, 이 특정 고객에 대한 모든 계약은 무엇입니까? 벌써 힘들어 사람들은 많은 다른 곳에서 찌르다 그들은 다시, 그들이 희망하기를 바랍니다 모든 관련 정보를 찾지 만 그렇지 않을 수도 있습니다 다른 한 가지는, 음, 누가 비표준 지불 조건이 있습니까? 어떻게 대답하니? 당신은 많은 문서를 읽습니다

그것이 오늘 어떻게 이루어 졌는지입니다 그러면 좀 더 복잡한 질문을 보게됩니다 어떤 계약은 데이터에 대한 책임 한도가 있습니다 1 백만 달러를 넘는 위반? 그리고 지금 우리는 문서 이해를보고 있습니다 정말 강력한 도구 인 인공 지능 자연어 문제를 실제로 허용하도록 대답을 받아라

그래서 우리가 매우 긴밀하게 협력했던이 특별한 사용 사례들 Google과 함께 지식 기능 사용 Sudherra가 이전에 실제로 소개 한 사용자가 이러한 유형의 정보를 매우 쉽게 찾을 수 있도록 도와줍니다 매우 빠르게 그럼 몇 가지 예를 보여 드리겠습니다 UI가 어떻게 보이는지 보여주는 그리고 그 경험은 사용자를위한 것입니다 그래서 이것은 간단합니다, 나는 모든 계약이 필요합니다

주어진 고객 이 경우에 우리는 실제로 영업 사원 다루기 여기에 정말 힘든 또 다른 것 잠재적으로 여러 이해 관계자가 있다는 것입니다 이 콘텐츠에 액세스해야하는 회사 내에서 그리고 우리는 그들 각각을 허용 할 수 있습니다 지금이 풍부한 정보에 액세스 할 수있는 혜택을 누릴 수 있습니다

매우 빠르게 따라서이 특정 사용 사례에서는 파고들에서 사람들에게 물어 보며 본질적으로 한 번의 클릭으로 다른 리포지토리로 이동합니다 우리가 한 일은 우리가 추출, 우리는 당신을면 또는 위젯으로 사용할 수 있습니다 나는 그것들을 나의 UI에 고정 할 수있다 그래서 내가 보통 고객 이름으로 물건을 찾고 있다면, 사실 내 UI에 바로 고정 할 수 있습니다

특정 고객을 찾고 있다면, 이름을 입력하거나 하나를 클릭하십시오 내가 찾는거야 그리고 필요한 모든 문서가 한 번의 클릭으로 있습니다 그렇게 믿을 수 없을만큼 효율적으로 매우 간단한 대답입니다 둘째, 좀 더 복잡합니다

이제 표준이 아닌 지불 조건을 가진 사람은 누구입니까? 이것은 사실 기업들에게는 상당히 일반적인 문제입니다 그리고 그것은 매우 어렵습니다 그래서 다시, 오늘, 우선, 나는 모든 리포지토리에서 모든 계약을 찾습니다 그러나 지불 조건이 무엇인지 어떻게 알 수 있습니까? 그래서 키워드 검색을하고 계약서의 오른쪽 부분으로 가면 읽으십시오 그래서 여전히 매우 수동적입니다

그것에 도착하기 위해 많은 독서를하고있는 사람의 여기서 우리가 할 수있는 일은 아마도 그것을 좁히는 것입니다 그것이 우리가하고 싶은 것이면 고객에 의해 계약 유형별로 좁히십시오 그래서 우리가 한 분류 하지만 실제로 AI 이해 문서를보고 관련 정보를 추출한다

근본적으로 말하게 해줘, 알았어, 그거 알아? 30 일 내 표준 지불 조건, 그래서 60이나 90이라면 왜냐하면 그것들은 제가 집중해야 할 것들입니다 다시 말하지만, 얼마나 많은 사람들이 알고 있는지 몇 시간의 클릭으로 적절한 결과를 얻을 수 있습니다 세트 그리고 이것은 내가 가장 좋아하는 것입니다 계약을 생각할 때, 아마도 M & A 시나리오에 대해 생각해보십시오

방금 회사를 샀어 GC는 다음과 같이 진행됩니다 우리가 방금 상속 한 인구 집단 내의 고객 1 백만 달러를 초과하는 책임 한도가 있습니까? 얼마나 많은 비표준 조항이있을 수 있습니까? 일반적으로 주말을 잊어 버리는 곳입니다 당신은 오랫동안 독서를 할 것입니다 그리고 솔직히 M & A 사건에서 수십 명의 사람들이 방에 갇혀있다

왜냐하면 며칠이 몇 주가 될 수 있기 때문이며, 얼마나 큰 지에 따라 말 그대로 문서를 통해 독서 다시 우리가 여기서 할 수있는 일은 표준은 무엇이며 비표준은 무엇입니까? 우리는 지식을 사용하여 그러한 것들을 찾을 수 있습니다 기능은 AI 이해 문서와 함께 제공됩니다 그리고 그 정보를 추출하십시오 그리고 변호사에게 손끝에서, 다시 한번, 몇 번의 클릭

다른 유형을 기반으로 필터링하는 기능 문서, 다른 지역, 그게 있다면 그들이 무엇을 찾고 있는지 이 모든 정보는 사실상 클릭하기 만하면됩니다 따라서이 사용 사례가 설명되기를 바랍니다 문서 이해 AI의 힘 진정으로 가치를 창출하기 위해 할 수있는 일 고객이 이러한 유형의 기술을 사용하지 못하게합니다 우리 플랫폼의 일부로 우리는 우리가 끝을 전달할 수있는 것이 중요하다고 생각합니다

솔루션을 종료하여 고객이 실제로 모든 혜택을 누리십시오 이처럼 진보되고 훌륭한 기능을 갖춘 Google이 제공하는 빌드를 정렬하는 것보다 훨씬 더 가치있는 시간으로 모두 너 자신, UI를 만들고, 그 모든 것들, 인프라, 좋은 모든 이들, 그 주위를 돌아 다니는 재미있는 것들 그래서 다시 플랫폼은 매우 유연합니다 우리는 당신이 할 수있는 것이 중요하다고 생각합니다 다양한 콘텐츠 유형에서이를 수행 할 수 있습니다

다양한 콘텐츠 소스에서 다양한 형식으로 예를 들어 마케팅에 대한 예가 있습니다 학과 그 사람들은 비디오를 다루고 있습니다 그들은 이미지를 다루고 있습니다 그들은 데이터 시트를 다루고 있습니다

다양한 콘텐츠 유형 그러나 내가 뭔가를 찾을 때, 일반적으로 문서 유형이 아닙니다 주제별입니다 나는 특정 국가, 특정 언어, 특정 제품 하지만 그 제품에 대한 모든 콘텐츠를 원합니다

또는 그 언어 다시 한 번 다른 형식을 살펴 보는 것이 중요합니다 및 유형 우리를 위해 다시 한 번, 방어 가능 준수는 매우 중요합니다 그래서 우리는 당신이 분류 할 때, 당신은 또한 그것을 활용할 수 있습니다

적절한 정책을 추진할 수 있도록 그 서류들 어떻게하면 내가 가지고있는 것을 안다는 사실을 어떻게 활용할 수 있습니까? 내가 쓸 수 있다고? 그러나 어떻게 적절하게 취급하는지 또한 어떻게 확인합니까? 내가 필요로하는 한 그것을 유지하고있다 나는 그것을 보호하기 때문에 민감한 또는 개인 정보 나는 여기서 다루고있다 또한 하나의 플랫폼에서 여러 이해 관계자에게이를 수행함으로써, 여러 다른 유스 케이스에 걸쳐 그래서 당신은 한 번 열심히 일합니다 당신은 당신을 풍부하게합니다

그러나 여러 이해 관계자에게 이익이됩니다 여러 사용 사례, 고급 분석 일단 자동화 프로그램을 시작했다면 그래서 이것이 도움이되고 무엇을 설명했는지 알기를 바랍니다 우린 여기서하려고하고있어 그리고 나는 그것을 밀라노로 넘겨 줄 것이다 [박수 갈채] MILAN LEE : 안녕하세요

저는 밀라노 리입니다 저는 기계 학습 전문가입니다 Google Cloud에서 우리는 이미 문서 이해 AI가 얼마나 위대한 지 들어 봤습니다 해결책은 정말로 있습니다 내가 그 일의 세부 사항을 보여주고, 그것의 기술

그리고 어떻게 작동하는지에 대한 간단한 데모도 보여 드릴 것입니다 따라서 데모를 보려면 특허 데이터를 분석 할 것입니다 [변덕스럽지 않은] 변리사 변호사 그리고 나는 무엇에 대한 경쟁력있는 통찰력을 얻을 수 있기를 원합니다 서로 다른 회사들이하고있는 일, 그들의 제품 혁신 로드맵입니다

그리고 그 중 하나가 정말 좋은 소식통입니다 특허 데이터를 살펴 보는 것입니다 특허에는 실제로 풍부한 정보가 많이 있습니다 다른 곳에서는 얻을 수 없습니다 저널에서 얻을 수는 없습니다

당신은 회의에서 얻을 수 없습니다 그것들은 보통 꽤 독점적 인 정보이며, 그러나 그것은 공유 될 것입니다 그래서 그것은 내가 이해하는 데 정말로 도움이된다 시장에서 활발한 선수는 무엇인가? 모든 단일 제품에 대해 특허를 통한 독서의 도전은 엄청납니다 그 도전들이 무엇인지 설명해 드리겠습니다

문서 내에서 AI를 사용하는 방법 문제를 해결하는 데 도움이되는 AI 이해 그래서 우리는 미국과 다른 두 가지 특허를 찾고 있습니다 나란히 각 특허에 대해 특허에 흥미로운 점은 무엇입니까? 변호사는 언제 특허가 제출되었는지입니다 그리고 특허 내에는 여러 가지 날짜가 있습니다

그래서 우리는 승인 된 특허 날짜를 가지고 있습니다 또한 특허가 처음 제출 된 날짜도 있습니다 나를 위해,이 두 가지 주요 필드를 자동으로 추출합니다 이미 AI를 사용하는 데 정말로 가치가 있습니다 나는 밖으로 추출 할 때 그걸 확실히 할 수 있기를 바란다

그 필드들을 제대로 채울 수 있습니다 정확한 열의 데이터베이스에서 그리고 정확한 형식으로, 그리고 그 두 날짜를 섞지 마십시오 우리는 여기에 많은 다른 구조화되지 않은 데이터를 볼 수 있습니다 예를 들어 특허의 제목이 있습니다 그리고 제목 자체는 언젠가 꽤 일반적입니다

하지만 때로는 꽤 구체적입니다 그래서 나는 핵심 정보도 추출 할 수 있기를 원합니다 그리고 물론, 삽화가 있습니다 종종 우리에게 말해주는 특허 내에서 이 발명으로 무슨 일이 일어나고 있는지 그것을 향해가는 구성 요소는 무엇입니까? 그렇다면 내가 자동으로 도와 줄 수있는 인공 지능 도구가 있다면 어떨까요? 그렇게 문서를 추출하는 것을 이해하십시오

내가 직접 검토 할 필요가없는 그것을 위해 데이터 입력을 한 다음 이미지를 잘라냅니다 그것을 저장하십시오 그것은 인간의 많은 시간을 절약 할 수 있습니다 따라서 이것은 매우 거대한 노력입니다 그리고 만약 내가 미국을 넘어서서이 일을 정말로 확대하고 싶다면 어떻게해야 할까? 특허권? 유럽 ​​특허를보기 시작하면 어떨까요? 또한 미국과 다른 형식으로 제공됩니다

그들에는 다른 명명법이있다, 다른 분야, 다른 제목, 다른 방법 사물을 표현하는 것 그리고 이걸 몇 가지 해보자 다른 언어를 사용하는 데 어려움이 있습니다 그래서 우리는 영어 외에 독일어, 불어를 할 수 있습니다 기타 유럽 언어를 사용합니다

AI를 사용하여 어떻게 섭취, 이해, 이 모든 문서의 처리 다른 형식, 다른 언어, 단일 환경에서 통합 할 수 있습니까? 그것은 AI가 올 곳입니다 그럼 이해의 라이프 사이클을 거치도록하겠습니다 특허 문서 그리고 이것이 유일한 삶이 아니라는 경고문을 추가하고 싶었습니다 특허에서 채택 할 수있는 것

사용 사례가 무엇인지에 따라 달라집니다 하지만 유스 케이스의 경우, 내가 정말로하고 싶은 것이있다 데이터를 수집 한 다음 처리하는 것입니다 구조화 된 형식으로 시작할 수 있어야합니다 이제 섭취 단계부터 시작합시다

그래서 나는 경제적 인 선택을 원한다 모든 새로운 특허를 저장하고 보관할 수 있습니다 옛 특허 매년 미국에서만 60 만 건 이상의 특허가 있습니다 제기되고있다

그래서 우리는 실제로 저장할 수있는 확장 가능한 방법이 필요합니다 이 모든 특허는 현재 PDF 형식으로되어 있습니다 원시 저장 영역에 저장하십시오 승인? 또한이 솔루션은 PDF 형식의 문서를 가져 오는 것이 아닙니다 사진, 이미지, 비디오 등을 섭취 할 수 있습니다

그래서 우리가 데이터를 섭취 한 후에 그렇지 않은 문서를 쫓아 낼 수 있어야한다 패턴처럼 보이십니까? 이 경우에는 컴퓨터 비전 모델을 사용하고 싶습니다 우리가 비 특허 문헌을 미세하게 조정하고 걷어차는 것을 돕습니다 그런 다음 값으로 이동합니다 그것은 OCR을 적용하는 것입니다

따라서 OCR은 광학 문자 인식 (Optical Character Recognition)의 머리 글자입니다 이미지의 텍스트를 감지하고 추출하는 데 사용됩니다 원시 형식, 원시 텍스트 형식으로 작성하십시오 왜 원시 텍스트 형식으로 추출해야합니까? 그래서 많은 것이 있다는 것이 밝혀졌습니다 자연 언어 처리의 우리 이 원시 텍스트 위에 수행 할 수 있습니다

예를 들어 콘텐츠 분류 모델을 적용 할 수 있습니다 그럼 그게 어때요? 기본적으로 원본 텍스트를 스캔합니다 이 특허의 주제가 무엇인지 파악할 것입니다 따라서 수동으로 특허를 검토하는 대신, 이제 AI를 사용하여 내용이 무엇인지 이해하는 데 도움이됩니다 예를 들어,이 특허는 의료 기술에 관한 것입니까? cryptocurrencies에 관한 것입니까? 컴퓨터 비전에 관한 것입니까? 아니면 다른 것들에 관한 것입니까? AI가 자동으로 이해하도록 할 수 있습니다

우리를 위해 그 과정이 끝나면 추출 할 수 있습니다 내가 관심있는 특정 엔티티 그런 엔티티들이 제목이 될 수 있습니다 특허에 대한 설명, 다른 날짜들 특허에서

내 슈퍼 특정 엔티티로 정의하고 싶은 것은 무엇이든, 기본적으로 내 모델에서 미세 조정할 수 있습니다 그런 다음 개체 검색을 수행하려고합니다 따라서 물체 감지는 기본적으로 이미지와 신호를 찾는 것입니다 이미지 또는 PDF 문서 내에서 그 이미지를자를 수 있고 그 이미지의 xy 좌표를 만들고 데이터베이스에 저장하십시오 마지막으로 구조화 된 방법을 사용합니다

데이터를 분석합니다 그래서 제가하고 싶은 것입니다 정말로 빨리 데모를 실행 해 봅시다 나는 내 시스템에 로그인 할 것이다 승인

그래서 쉘 스크립트를 시작하겠습니다 이 셸 스크립트는 기본적으로 도움이됩니다 내가 모든 AI 서비스를 호출하도록 분류 모델을 생성하는 데 사용됩니다 NLP 모델 및 물체 감지 모델 그리고 나서 그 결과를 보여 드리겠습니다

그래서 저는 스크립트를 시작하겠습니다 그리고 실제로 데모 전에 시작했습니다 슬라이드로 돌아갈 수 있을까요? 그래서 이것이 시작하는 동안, 쉘 스크립트가 시작됩니다 각 모델은하고있다 따라서 첫 번째 모델은 기본적으로 분류됩니다

유럽 ​​특허, 미국 특허, 데이터 시트라는 또 다른 범주는 이것은 특허 그 자체에 대한 세부 사양입니다 따라서 이러한 특정 카테고리를 분류하기 위해, 우리는 그것을 위해 커스텀 모델을 사용해야 할 것이다 제네릭 모델은 Google API는이 세 가지에 대해 충분히 구체적이지 않습니다 카테고리 그래서 데모에서 모델을 훈련시키기 위해 약 500 개의 샘플을 사용했습니다

그리고 나는 100 % 정밀도에 매우 근접 할 수있었습니다 내 모델 성능에 대해 100 % 리콜 일반적으로 두 가지 측정 항목이 사용됩니다 모델이 얼마나 강력한 지 판단 할 수 있습니다 따라서 500 개의 샘플을 사용하여 단일 라인을 작성하지 않고 프로그래밍을 할 필요없이 텐서 흐름 코드의 차별화하도록 모델을 미세 조정할 수 있습니다

다른 특허들 사이 그래서 이것이 데이터 시트를 걸러내는 곳입니다 그런 다음 다음 부가가치 프로세스로 이동하십시오 그래서 우리는 OCR을 적용합니다 보시다시피, 특허 내에 있었던 모든 것 PDF 이제 원시 텍스트로 변환됩니다

그것은 아직 재미 있지 않습니다 다음 흥미로운 부분은 또 다른 인공 지능입니다 우리는 특허 내의 내용으로 분류하려고했습니다 따라서 콘텐츠를 검색하여 서로 다른 문장을 파싱 할 수 있고, 코퍼스에서 의미 론적 의미를 이끌어 낼 수있다 텍스트로, 우리는 카테고리가 무엇인지를 결정할 수 있습니다

또는이 특허의 내용은 무엇입니까? 그래서 바로 내 데모에서, 나는 세 가지 카테고리 그러나 이것은 많은 카테고리가 될 수 있습니다 비즈니스 도메인에 필요한만큼 그리고 다시, 저는 모델을 아주, 아주 아주 열심히 훈련해야합니다 이런 종류의 정확성과 정확성을 얻기 위해 몇 가지 샘플 내 모델에서

그래서 이것이 제가 말하고있는 것입니다, 예를 들면, 모델을 실행할 때마다, 모델을 호출 할 때마다, 내가이 상황에 대한 확률을 얻을 수있을 것이다 의료 기술, cryptocurrencies, 또는 컴퓨터 비전 우리가 그 내용을 안다면, 우리는 [INAUDIBLE] 엔티티를 추출하려고합니다 이것은하기가 꽤 어렵습니다 Google에는 무료 교육을받은 API가 있습니다

객체, 이름, 경계표 같은 공통 엔티티를 추출하고, 등등 그러나 특허 문서에만 국한되지는 않습니다 여기서 AutoML을 사용하여 모델을 미세 조정합니다 내가 원하는 정보 만 추출하십시오 기억하십시오

왜냐하면 우리는 우리 특허의 언어가 다르다 우리는 다른 형식을 가지고 있습니다 그래서 정보의 위치 당신이 가진 모든 특허간에 다른 것일 수 있습니다 AutoML을 사용하면 솔루션 내에 있습니다 정확한 엔티티를 미세 조정하고 추출 할 수 있습니다

우리가 가장 높은 정확도로 필요한 필드의 그리고 마지막으로 상자에 그려 넣기를 원합니다 다시 말하지만, 이것은 일러스트레이션을 이해하는 데 매우 중요합니다 본 발명 자체의 따라서 물체 감지 기술 기본적으로 모든 객체를 식별합니다 당신이 식별하기를 원합니다

여기에 여러 개의 객체가 있다면, 당신은 당신에게 가장 중요한 물건을 식별하도록 선택할 수 있습니다 그 이미지를 xy 좌표로 추출하면됩니다 그리고 마침내 우리는 우리가 어떻게 우적 씹을 수 있는지를 보았습니다 비정형 데이터 주변 그리고 마침내 도착합니다 매우 구조화 된 방식을 취할 목적지까지 우리의 데이터를 이해합니다

이 경우 모든 데이터를 저장하기 위해 BigQuery를 사용하기로 결정했습니다 이것은 다른 종류의 분석 데이터베이스 일 수 있습니다 목적지는 아마도 다른 서비스 일 수 있습니다 예를 들어, 이렇게 될 수 있습니다 이것이 문서 이해 AI 솔루션 내에 있습니다

기본적으로 찾는 데 도움이되는 연관성 및 데이터 간의 관계 그래서 예를 들어, 나는 발명가가 여러 명일 수 있습니다 특정 기술과 나는 관계를 찾을 수 있기를 원한다 저자, 발명가 또는 다른 콘텐츠 내 특허가있는 영역 지식 서비스는 시각적으로 도움이됩니다

그 관계를 찾는다 SUDHERRA VANGURI : 고맙습니다, 밀란 내가 감싸기 전에, 손을 빨리 보여줘 그래서 우리는 약 7 개의 파트너 이야기를 읽었습니다 4 가지 핵심 사례 연구를 거쳤습니다

그 [? Anka?]는 Iron Mountain에서 지적했다 특허 사용 사례 이 유스 케이스 중 얼마나 많은 것이 공감 하는가 일부 문서 처리 중 회사 또는 비즈니스에서 본 워크 플로? 와우 거의 모든 사람들이 계약을 맺고 있다고 생각합니다 얼마나 많은 이들이 이러한 문서 사용을 보지 못했습니까? 케이스? 당신이 무엇을 놓친 적이 있습니까? 와, 우리는 모든 것을 가지고있다

오, 나는 그것을 본다 글쎄, 나는 그 세션이 끝날 때까지 너는 내가 우리 문서의 일부를 시험해 보는 것에 흥분한다 이해 능력 우리의 파트너 통합은 귀하를 매우 쉽게 만듭니다 그것은 당신을 위해 가치있는 가장 빠른 시간입니다

이러한 배포를 시작하여 실행할 수 있습니다 우리는 수직 계열의 많은 회사를 볼 수 있습니다 몇 가지를 강조하기 위해 에너지 회사를 지구 물리학 자의 워크 플로우를 자동화하려고 노력한다 새로운 사이트와 관련된 위험을 평가합니다 문서 이해 AI 사용 또는 문서 이해 사용 가능 AI가 식별 할 수있는, [INAUDIBLE] 매개 변수 매우 기술적 인 지구 물리학 문서에서 ML 전문 지식이 많이 필요합니다

이러한 공급자 중 하나는 문서 이해 AI 무엇이 자동화되고 서비스 문서, 원본 문서 그리고 우리는 이러한 종류의 분류를 보았습니다 [INAUDIBLE]뿐만 아니라 우리의 문서 분류는 일반적으로 96 %의 정확도를 제공합니다 예를 들어, Egnyte는 973 % 보안 문서 분류에 대한 정확성

우리의 건강 관리 회사는 문서 이해 AI 그들의 임상 실험 과정에서 많은 의사의 환자 기록이 있습니다 매우 전문적인 분석이 필요합니다 그리고 분석을 원할 수도 있습니다 음, 복용량이 얼마이고 인플루엔자가 무엇인지, 또는 그 환자 기록에있는 어떤 증상이 무엇인지

그리고 이러한 수직 활용 사례가 확대되는 것을 봅니다 여러 산업 분야에 걸쳐 예를 들어, 계약은 편재합니다 여러 카테고리 및 계약 처리 이 모든 산업이 문서 이해 AI를 사용하여 분석 할 수 있습니다 그리고 소매 고객, 예를 들어, 고객 의견을 분석 할 수 있습니다 트윗, 댓글, 티켓, 서비스 생각하기 분석 할 수있는 티켓 이 구조화되지 않은 데이터는 모두 구조화 된 데이터로 변환된다

문서 이해 AI 도구를 사용합니다 이를 통해 cloudgooglecom을 사용해 보도록 권하고 싶습니다 / solutions / docum ent-understanding

방문하여 의견을 보내주십시오 우리는 항상 새로운 유스 케이스 고객에게 놀라움을 금치 못합니다 올라와 그리고 때때로 우리는 그들에 의해 놀란다 그러니 피드백을 주시기 바랍니다

나는 질문에 매달릴 것이다 참석해 주셔서 대단히 감사드립니다 AI 이해하기 문서를 사용해보십시오

The Next Conversation: Powering Customer Conversations With AI (Cloud Next '19)

[음악 재생] ADAM CHAMPY : 다시 한 번 말씀해 주셔서 대단히 기쁩니다 오늘 AI에 대해서

특히 우리는 대화식 인공 지능, 새로운 것, 훌륭한 경험을 어떻게 통합했는지, 또한 우리가이를 놀라운 최종 어플리케이션에 어떻게 배치 할 수 있는지에 대해 설명합니다 오늘 저는 우주 공간에서 우리 지도자 몇 명과 합류했습니다 Google의 Shantanu가 Dialogflow 제품을 이끌고 있습니다 Kanan은 서비스의 영역과 투자를 이끌고 있습니다 Salesforce의 클라우드 제품 그리고 우리는 또한 Thomas Jefferson, 특히 디지털 혁신을 이끌고있는 Robert Neff 내 생각에 대화식 AI를 가져 오는 방식으로 진정으로 환자와 병원 경험에 혁신적인 방법

우리는 이러한 응용 프로그램을 공유하게되어 매우 기쁩니다 오늘 아침에 너와 함께 이 모든 것이 근본적인 비전으로 시작됩니다 우리가 왜 이러는거야 나는 그것이 무엇에 중요하다고 생각한다

우리는 제품과 어떻게 공예를 만들고, 어떻게 전개하는지, 그래서 우리는 그것에 약간의 시간을 할애 할 것입니다 하지만 구체적으로 우리는 우리는 제품에서 무엇을하고 있으며, 어떤 역량, 어떤 분야에서 우리가 지난 6 ~ 9 년 동안 해왔 던 개발 새롭고 혁신적인 달, 그리고 구체적으로 우리가 그들을 적용하기 위해 한 것입니다 Salesforce 및 응용 프로그램과의 파트너십을 통해, 특히 병원 환경에서 우리의 비전은 아주 세 심하게 제작되었습니다 고객 경험을 중심으로 Google의 최상위 비전과이 프레임에 대해 생각하는 경우 Shantanu와 내가하는 것의 많은 것, 시작이다

고객과 다른 모든 것들이 따라 올 것입니다 생각할 때 시작할 수있는 좋은 장소입니다 대화하는 것에 대해 특히, 대화를하고 있다면 제품 판매, 도움에 관한 그들의 여행에서 적절한 순간에 환자 병원 경험을 통해, 또는 누군가를 돕는 것 그들이 채팅으로 제품을 사려고 소파에있을 때 봇 또는 법안과 관련된 문제보고, 고객 경험은 정말로 중요합니다 그리고 많은 사람들이 경험 한 순간이 있다고 생각합니다

특히 막대한 실패가있는 자동화가 필요합니다 좋아, 너는 그걸 꽤 빨리 알아 봇에 문제가 있습니다 존 올리버를 볼 필요는 없습니다 또는 당신이 생각한 클립은 아마도 봇처럼 보였을 것입니다

정말 빨리 잘못 될 수 있습니다 일종의 우산 같아요 너는 정말로 빨리 젖을거야 당신은 제로를 빠르게 치기 시작합니다 너는 마치 누군가와 이야기하고 싶어

그러나 이것의 다른 측면은 에이전트 문제입니다 특히, 우리가 여기서 말하는 모든 것이 아닙니다 자동화에 관한 것입니다 우리는 대리인이 고객과 접촉 할 때 복잡하지 않은 주제 나 영역이있는 경우 빠르게 움직이는 진화 과정에서 훈련을 받았다 그들의 회사가 가지고있는 제품 또는 롤아웃의 요원들이 훌륭한 위치에 있다고 놀라운 고객 관리를 제공합니다

특히 Salesforce 부분에 계속 주목하십시오 그것의 토론의 우리는 또한 모든 기업에 권한을 부여하고자합니다 평균 개발자인지, Shantanu가 개발자를 안내 할 것입니다 Dialogflow의 경험 또는 능력 이 모든 것을 자신의 인프라에 통합 할 수 있습니다

그것은 우리에게 매우 중요합니다 우리는 당신이 움직여서는 안되기를 바랍니다 플랫폼을 통해 우리 기술을 활용할 수 있습니다 특히, RAI에 액세스하는 것이 큰 투자 나 큰 변화없이 가능하다 근본적으로, 우리의 전략과 비전은 우리가 실패했다는 것을 의미합니다

그리고 이것은 당신이 많이 생각하는 POC 지옥의 종류입니다 어쩌면 많은 AI 유형 제품을 통해, 나는 어떤 것을 시험 할 수있다 나는 그것을 하나의 기계에서 시험 할 수있다 하지만 대규모로 배포 할 수는 없습니다 나는 훈련 할 수 없다

나는 발전 할 수 없다 근본적으로 이것을 하나 이상의 좁은 용도로 가져올 수는 없습니다 케이스 따라서 교육 자료 든, 적용하고 있는지 여부 기업의 특정 좁은 활용 사례 외 또는 귀하의 고객과 함께, 이것은 우리에게 정말로 중요합니다 그래서 우리가하는 일에 우리를 데려옵니다

왜 우리의 비전을 세우는가? 그 비전에 우리 제품을 어떻게 적용 할 것인가 특히 두 가지 주요 제품 영역에 대해 이야기하겠습니다 첫 번째는 Dialogflow입니다 이것은 세계 최고의 NLU 플랫폼이며, 채팅 봇 너머의 경험을 가능하게합니다 특히 품질면에서 효과적입니다

자연 언어 이해 능력과 능력 실제로 그 언어 이해로 행동을 취할 수 있습니다 품질 임계 값에 도달하면 다음 과제는 행동을 취할 수있는 것입니다 우리가 얘기 할 다른 제품은 다른 프로그램은 Contact Center AI 프로그램입니다 특히 Contact Center AI가 수행하는 작업 이 같은 자연 언어 기술 기능을 배포하고 있습니까? 고객 서비스에 대한 도전으로 또는 채팅을 통해 통합 작업을 수행합니다 이러한 변형적인 경험을 가능하게합니다

그리고 그걸로 Shantanu에게 넘겨 줄거야 Dialogflow에 대해 이야기합니다 SHANTANU MISRA : 고마워요, Adam Dialogflow를 통해 우리는 두 가지 놀라운 해를 보았습니다 2017 년 클라우드에서 우리는 그것을 발표했습니다

우리는 150,000 명의 개발자를 넘었습니다 우리는 AI 플랫폼의 상당 부분이라고 생각했습니다 하지만 최근에 우리가 발표 한 것을 기쁘게 생각합니다 850,000 명의 개발자를 넘었습니다 우리는 기본적으로 개발자 수를 두 배로 늘 렸습니다

지난 12 개월 동안 플랫폼에서 놀라운 성장 그러나 이것이 가능하다는 것은 850,000 명의 개발자가 다른 언어로 퍼져 나갔다 다른 지리, 다른 용도 사례, 산업별로 차이가있어 NLU와 연설이 진화했다 시간이 지남에 따라 이러한 다양한 사용 사례가 제공됩니다 Dialogflow를 이용하는 새로운 고객을 위해, 그들은 진화 된 기계 학습으로부터 이익을 얻습니다

모든 도전에 직면 해있는 스택 이 개발자들은 그것에 던져 버렸습니다 그리고이 성장은 많이 가속화되었습니다 우리가 본 기업 채택에 의해 그래서 우리는 V2 엔터프라이즈 API를 출시했습니다 우리는 지난 4 월에 약 12 ​​개월 전에 그들을 보았습니다

오늘 우리는 수천 개의 기업을 가지고 있습니다 Dialogflow를 다른 비즈니스에 사용하는 플랫폼 매년 수십억 개의 검색어를 보내고있는 유스 케이스 그리고 이것은 우리를 정말로 행복하게 만듭니다 비즈니스 가치를 보여주기 위해 자동화 된 대화 형 에이전트, 텍스트 봇, 음성 봇 또는 전화 봇일 수 있습니다 그리고이 기업들은 정말로 큰 Fortune 20, Fortune 100 대 기업, IoT 신생 기업 Dialogflow에 대한 전체 IoT 경험을 설계하고 있습니다

자치령 대표 그리고 그런데, 나는 당신들 중 일부가 아마 V1에 아직도 있다는 것을 알고 있습니다 가능한 빨리 V2로 전환하십시오 우리는 곧 V1을 일몰 할 것입니다 거의 모든 클라이언트 라이브러리가 있습니다

V2, 모바일 클라이언트 라이브러리에서 이미 사용 가능 격차가 있었다 지난 주 iOS 클라이언트 라이브러리가 출시되었습니다 그리고 안드로이드 라이브러리도 곧 나옵니다 이제 고객이 우리를 선택하는 이유는 무엇입니까? 나는 가장 큰 이유가 하나라고 생각한다 고객이 우리를 선택하는 이유는 멋진 NLU와 연설입니다

우리가 제공하는 기능 Dialogflow에 가입하면 본질적으로 동일한 NLU 및 음성 스택 사용 보조 장치에 전원을 공급합니다 및 기타 Google 로봇 그러나 GCP 지불 고객으로서, 우리는 귀하의 데이터가 귀하의 데이터로 유지되도록 보장하며, 어떤 모델 훈련에도 사용되지 않는다 또는 Google의 다른 로봇에 의해 Google의 나머지 부분에서 이익을 얻으십시오

그러나 다른 방향으로 나아 가지 않습니다 그리고 우리는 이것을 대규모로합니다 거기서 많은 봇 플랫폼이 있습니다 몇 천 개의 실체를 봉사하고, 몇 백 개를 계획하며, 그러나 어느 정도 규모가 큰 대기업 – 복잡한 에이전트가 곧 시작됩니다 이러한 한계로 인해 규모 문제가 발생합니다

Dialogflow에서 오늘 우리는 최대 30,000 개의 엔티티를 지원합니다 최대 2,000 명까지 가능합니다 그리고 우리는 그 규모에서 봉투를 밀기 위해 노력합니다 우리는 당신이 필요로하지 않기 때문에 항상 당신이 당신의 봇에 대한 선택을 할 때 규모에 대해 생각하는 것 플랫폼 따라서 어떤 봇 플랫폼을 사용해야할지 생각하고있을 때, 당신이 물어야 할 첫 번째 질문은, 이것은 NLU와 연설을 저울에 제공 할 수 있는가? 내 대리인이 곧 요구할거야? 또한 이러한 규모에는 많은 복잡성이 따른다

Dialogflow가 현재 사용 중입니다 매우 전문 용어가 많은 중공업 분야, 예를 들어 건강 관리, 토머스 제퍼슨 (Thomas Jefferson)은 그것에 대해 더 많이 이야기 할 예정입니다 교육, 금융 서비스 그리고 우리 연설은 정말 좋았습니다 산업별 전문 용어를 이해하는 데 도움이됩니다

비디오 게임 회사 중 한 명이 우리에게 왔습니다 우리가 알아야 할 사전에 거의없는 단어 도대체 무엇이 그리고 말하기 문맥 및 어구의 도움으로 Dialogflow 오디오 입력이 제공하는 힌트, 우리는 그 유스 케이스를 처리 할 수있었습니다 그리고 당신 중 일부가 발견에 들어갔다는 것을 알고 있습니다 며칠 전

그리고 다른 여러 고객이 있습니다 비슷한 연구를 한 디스 커버 카드와 Dialogflow의 NLU 품질 및 음성 품질 다른 벤더들과 함께하고 우리가 나머지 위의 길을 찾았다 이것은 우리에게 힘이되는 영역입니다 그것은 지속적인 투자 영역입니다 그리고 우리는 그것을 지속적으로 개선합니다

다른 큰 힘은 국제적인 범위입니다 우리가 가지고있는 우리는 20 개 이상의 언어를 지원합니다 더 넓게 국제화 Dialogflow뿐 아니라 Google Cloud를위한 포커스 영역입니다 Google이 더 광범위하게 사용됩니다 그래서 우리는 그로부터 이익을 얻습니다

곧 더 많은 언어를 출시 할 예정입니다 세 번째 큰 구성 요소는 통합 유연성입니다 따라서 Contact Center AI 프로그램 및 기타 프로그램을 통해, 우리는 당신이 어떤 채널에서 Dialogflow를 제공 할 수 있는지 확인합니다 당신은 그것을 봉사하고 싶습니다 따라서 Slack 봇, Facebook Messenger 봇, 또는 웹 사이트의 텍스트 봇, Google 홈의 음성 봇 장치 또는 콜 센터 봇, Dialogflow로 그렇게 할 수 있습니다

또한 이러한 유연성은 백엔드에서도 가능합니다 우리가 당신을 백엔드로 마이그레이션하도록 강요하지 않기 때문에 특정 서비스 또는 특정 클라우드 제공자에게, 웹 후크 URL이 필요합니다 그리고 그 웹 훅으로 백엔드에 전화를 걸 수 있습니다 네가하는 모든 요구를 이행하라 Dialogflow를 통해

그렇다면 사용 사례는 무엇입니까? Dialogflow가 사용되고있는 것을 보시오 내 말은, 전통적으로, 우리는 우리의 사용을 정의했다 상단에 표시되는 세 가지 카테고리의 사례입니다 그러나 작년에 우리는 많은 새로운 용도를 보았습니다 사례도 나타나고있다

물론, 가장 큰 유스 케이스 고객 서비스 및 B2C 상호 작용입니다 제가 말했듯이, 많은 기업들이 우리에게 와서 말하고 있습니다, 디지털 채널을 서비스 할 수있는 플랫폼이 필요합니다 우리의 콜센터로 그리고 그것은 당신이 생각하는 것입니다 당신이 선택을 할 때도 마찬가지입니다

Dialogflow는 유연한 플랫폼이므로, 기본적으로 동일한 스택을 사용할 수 있습니다 다른 채널을 통해 우리는 다른 B2C 시나리오에서도 사용되고 있습니다 전자 상거래를 위해 정말 복잡한 에이전트를 좋아합니다 쇼핑 카트 구축 시나리오와 같이 생각하면됩니다

네가 가질 수 있기 때문에 정말로 복잡하다 나는 피자와 콜라를 원해 그런데, 내 콜라를 다이어트 코크로 바꿀 수 있니? 그리고 앞뒤로 가면서 카트에 물건을 더 넣고, 카트에서 그것을 제거하십시오 정말 복잡한 컨텍스트 관리가 필요합니다 고객이 Dialogflow를 찾는 것이 정말 기쁩니다

그러한 시나리오에 유용합니다 우리가 가지고있는 두 번째 큰 유스 케이스 IoT 장치 또는 음성 명령이 주변에 있습니다 오늘 Dialogflow는 로봇 회사, 체육관에 힘을 실어주고 있습니다 장비, 다른 차량 제조업체, 차량 보조 시스템, 가전 제품, 엔터테인먼트 시스템 등 세 번째 큰 사용 사례는 내부 엔터프라이즈 지원이며, 그리고 그것은 많은 기업의 방식입니다

Dialogflow 시작하기 따라서 HR, IT 채팅 봇 또는 조직 FAQ 봇 봇 만들기 Dialogflow에서 팀을 꾸려 나갈 수있는 음성 봇 그리고 나서 마침내 고객에게 가져 가라 하지만 작년에 우리는 많은 새로운 사용을 보았습니다 신흥 사례들, 특히 휴가 시즌 동안 가장 큰 것은 아마도 대화식 마케팅 일 것입니다

대화식 광고 캠페인 그래서 우리는 출시되거나 판매되는 제품이 많았습니다 웹 사이트의 대화식 캠페인을 통해 또는 검색 광고를 통해 그리고 그것은 새로운 유행 사례입니다 작년에 나온 두 번째 큰 사용 사례 Dialogflow는 도움이되었습니다 따라서 라이브 상담원이 대화에있을 때, 우리 요원과 아주 잘 묶여 있어요 어시스턴트 제품에 대해 나중에 이야기하려고합니다

라이브 에이전트에게 턴 어시스트로 턴을 제공합니다 대화 흐름 봇을 통해 뭔가가있다 그게 많이 생겼어 그리고 물론, RPA의 수직 계열이 등장했습니다 Dialogflow는 RPA 뒤에 NLU에 전원을 공급하는 데 사용됩니다

엔티티를 추출하거나 RPA 워크 플로를 트리거합니다 Dialogflow 인 텐트 탐지를 사용합니다 또한, 이제 우리는 공식적으로 HIPAA를 준수합니다 이렇게하면 많은 건강 관리 유스 케이스가 가능해진다 많은 의료 서비스 고객 요구하고있다

그리고 우리는 건강 관리 분야에서 정말로 강합니다 그리고 우리가 두 배로 늘고 있다는 것을 알게되어 정말로 기쁩니다 아마도 더 많은 건강 관리 사용을 가능하게 할 것입니다 ADAM CHAMPY : 여기 잠깐 멈춰서, 나는 특수 용어 또는 내부 사용을 생각하는 것이 중요하다고 생각하십시오 HR 사용 사례와 같은 사례, 많은 토론 건강 관련 주제에 관한 것입니다

따라서 HIPAA 규격에 따른 민감성 여부 수준 또는 내부 팀 또는 감사에게 말할 수있는 능력 팀은 HIPAA 준수 솔루션을 사용합니다 생각하는 것이 정말로 중요합니다 너의 NLU는 저것에 가늠자? 그리고 귀하의 시스템 전반적인 접근 방식 이 유형의 데이터 보안? SHANTANU MISRA : 물론, Dialogflow Google에서 작업을 생성하기위한 기본 플랫폼입니다 보조 가족, Google의 활동 작년에 엄청난 견인력을 보였습니다 Dialogflow가 해당 트래픽을 제공합니다

따라서 우리가 배우는 좋은 방법입니다 사람들이 Google 홈 기기와 상호 작용하는 방식 우리에게는 정말로 흥미로운 발표가 있습니다 I / O에서 Google의 작업이 다가오고 있습니다 그래서 계속 지켜봐주십시오 그리고 그걸로 아담에게 돌려주고 싶습니다

ADAM CHAMPY : 나는 그것을 취할 것입니다 그래서 우리는 회화 기술에 대해 많이 이야기했습니다 AI 프로그램의 맥락에 대해 생각할 때, 이게 실제로 의미하는 바는 그 기술을 이용하는 것입니다 다시 고객 관리의 수직으로 적용합니다 우리는 그것이 우리에게 핵심 요소라고 말합니다

다시 말하면 우리가 방금 이야기 한 Dialogflow 에이전트 음성 및 채팅중인 상담원 다른 두 제품으로 특히 실시간으로 상담원을 돕는 중 실시간 자연어 이해를 통한 통화 그런 다음 보조 지능을 떠 올립니다 실시간으로 상담원에게 전달됩니다 다른 측면은 어떻게 이해합니까? 계속되고있는 모든 다른 것들 연락 센터에서? 당신이 오늘 그것에 대해 생각한다면 그것은 미친 짓입니다 모바일 앱이나 웹 사이트 및 누군가를 배포하는 경우 나는 분석을 사용하지 않을 것이라고 말했다

누군가는 그게 그냥 미쳤다고 말할거야 왜 그럴거야? 하지만 실제로 대답하는 것에 대해 생각할 때 지금 내 연락 센터에서 무슨 일이 벌어지고 있는지에 대한 질문 외침의 수뿐만 아니라, CSAT는 설문 조사를 통해 발표되었지만, 새로운 점, 어제와 오늘의 점이 다릅니다 여전히 어두운 데이터입니다 많은 고객과 고객에게 제공됩니다

계층 적 및 클러스터링을 수행 할 수있는 능력이있는 경우 인공 지능이 실제로있는 기술 주제들 간의 관계를 이해할 수있다 그것들을 모아서 우리가 시작할 수있는 곳입니다 통찰력있는 제품을 제공합니다 자, 우리가이 시장에 진입하는 방법은 우리가 무엇보다 먼저, 제품을 개발하고 오늘 베타를 발표합니다 그리고 그것은 큰 발전입니다

우리의 시스템을 통해 생산 수준의 트래픽을 실행할 수 있습니다 그러나 이것에 중요한 다른 측면 우리가 파트너를 통해이 기술을 배포한다는 것입니다 다음 슬라이드에서 이에 대해 설명하겠습니다 그리고 오늘부터 베타 테스트를 발표합니다 그러나 우리는 점점 더 많은 것을 내놓을 것입니다

기능 Shantanu가 언급했듯이, 우리는 시작하고 있습니다 Dialogflow가 여러 가지 방식으로 사용되는 것을 볼 수 있습니다 코치 또는 조수 유형의 일종이다 역량의 소싱 하이브리드 화 보조 기술을 이용한 턴 타입 활동

우리는 점점 더 많은 응용 프로그램을보고 있습니다 그 분석 유형의 능력 – 이제 우리는 클러스터하고 그룹화 할 수있는 능력을 갖게되었습니다 어떻게 사용할 수 있습니까? 어떻게 실시간으로 사용할 수 있습니까? 더 긴 대화의 관점에서이를 어떻게 사용할 수 있습니까? 품질 메트릭스 및 규정 준수에 어떻게 사용될 수 있습니까? 그러나 우리는 우리가 누구와 제휴했는지에 대해 정말로 흥분하고 있습니다 시장에 선다 특히 이들은 제공 업체입니다

Contact Center AI를받을 수있는 사람 이것은 우리가 직접 구매 한 제품이 아닙니다 그리고 그것은 컨택 센터 세계의 진정한 왕국입니다 특히 여기에 몇 가지 새로운 이름이 있습니다 네가 본 것보다 다른 6 개 또는 9 개월 전

파트너십을 발표하게되어 기쁘게 생각합니다 8×8, Accenture 및 Avaya를 지원합니다 그리고 우리는 파트너십에 대해서도 많이 이야기 할 것입니다 몇 분 안에 Salesforce를 사용하십시오 이 모든 것, 그러나 생각할 때 대화식 기술, 새로운 접근 방식과 새로운 사고 방식으로 구동됩니다

주위의 연설 그리고 우리가 정말로 흥분하는 것은 우리의 말하기 제품도 이해뿐만 아니라 다른 방법을 가능케하십시오 튜닝, 빌딩, 음성 모델 배포 특히 연설에 관심이 있다면 세션, 어제의 리플레이를 실제로하고 있다고 생각합니다 내가 생각하기에, 11시 40 분에 AMC 극장에서 연설 토론을하고, 그래서 Dan Aaron의 이야기를 찾아보십시오 그래서 당신이 연설로 뛰어 들기를 원한다면, 우리는 그것에 대해 또 다른 세션을 가지고 있습니다

그러나 특히, 우리는 연설, 튜닝의 관점이나 커다란 전문 서비스가 아닙니다 음성 모델을 만드는 투자, 그러나 우리는 일종의 AI 중심적인 방식으로 일을합니다 여기에 문맥을 추가합니다 그리고 대화 때마다, 우리는 그 모델을 이해하여 너 무슨 소리 야 그래서 봇이나 모델이 있다면 은행 관련 주제 또는 IT 관련 주제를 처리 할 수 ​​있습니다

고객이 도움을 요청할 수 있습니다 웹 사이트 또는 계정 관련 도움말 스피치 모델은 조금 다를 가능성이 있습니다 그리고 당신은 그 맥락에서 그것을 조정할 수 있어야합니다 그리고 우리의 개발과 투자는 그러한 것들과 일치합니다 그리고, 다시, 그것이 당신이 사용하고있는 곳입니다

Google의 최고 기술 우리는 소비자에 대해서도 다뤄야 만한다는 점에서 우리 사업의 측면 여기 다른 측면은 정말 중요합니다 합성의 질이다 그리고 연구는 시간과 시간을 다시 보여줍니다 로봇처럼 말하는 경우, 한 가지 측면이 있습니다

실제로는 꽤 귀찮은 것 같습니다 턴과 멀티 턴으로 차례에 대해 생각한다면 대화, 사용자가 실제로 – 그들은 이해하지 못한다 특히 상호 작용의 중요성이 중요합니다 그리고 우리가 내년이나 내년에 앞으로 나아갈 때, 그것은 소비자들에게 매우 명백 할 것이다 그들이 고품질로 이야기 할 때 봇 대 뭔가 말하고있을 때 그것은 매우 로봇입니다

그리고 실제로 데이터는 대화가 단기간에 에스컬레이션에 더 빨리 다가갑니다 로봇과 이야기하는 것에 지쳤습니다 다른 측면은 NLU가 합성으로부터 이익을 얻는다는 것입니다 그래서 만약 당신이 훨씬 더 인간처럼 말하는다면, 사람들은 인간처럼 당신에게 이야기 할 것입니다 명령 및 제어 유형 동작을 요청하면, 당신은 명령을 받고 타입 응답을 제어 할 것입니다

Dialogflow NLU는보다 풍부한 참여로 이익을 얻습니다 우리는 다시 한 세트의 파트너 이 진실 된 안구 차트를 통해 당신을 어떻게 데려 갈 수 있을까요? 시스템 전체가 보인다 특히, 이것이 무엇을 다루고 있는지 세 가지 놀라운 단계입니다 하나는 텔레포니 파트너와의 통합입니다 둘째, 텍스트의 말풍선 가상 에이전트를 통해 텍스트를 음성으로 변환 한 다음 보조 기능, 오른쪽에서 왼쪽으로 시작하면, 상담원 데스크탑에 대해 이야기하고 시작합니다

적절한 기사와 적절한 도움을 제공합니다 그 기사들 그리고 그걸로, 실제로 키우고 싶습니다 본질적으로 우리 산업의 리더십에 누가 속한 사람 그 보조 바탕 화면에 그리고 Salesforce의 Kanan

KANAN GARG : 멋지군 고마워요, Adam 안녕하세요, 여러분 나는 Salesforce의 제품 관리자 인 Kanan입니다 특히 서비스 클라우드

슈퍼 여기에 흥분 Next에서 처음 어제 들으 셨던 여러분 중 많은 분이 참석 하셨을 것입니다 기조 연설에서 발표를했습니다 우리는 Google의 Contact Center AI, Service Cloud, 아인슈타인 AI가 함께 만들어 고객에게 통합 된 AI를 제공하는 데 매우 유연합니다

강력한 고객 성공 사례 그러나 우리가 실제로 어떻게 뛰어 들기 전에 우리는 그 경험을 제공하고 있습니다 세일즈 포스 (Salesforce)에 대한 모든 것을 설정하기 위해 잠시 시간을 내고 싶습니다 서비스 클라우드입니다 그리고 아마

아마 짧은 손을 든 설득으로, 누구나 Service Cloud Salesforce를 알고 있습니까? 종류의 – 일종의 승인 Salesforce for Service를 사용하면 실제로 고객과 직원을 변화시킬 수 있습니다

경험을 제공하고 고객 성공의 그 다음 단계를 제공하십시오 지능적이고 능동적이며 맞춤 서비스 그래서 우리는 통합 된 에이전트 데스크톱을 제공합니다 따라서 상담원은 이제 고객에 대한 360도 전망을 갖게됩니다 인텔리전스를 위해 우리는 서비스 경험을 과급합니다

지능을 내장하고 자동화 스위트 사용 또는 워크 플로우, 차선책, 아인슈타인 봇, 채널을 통해 개인화 할 수 있습니다 그래서 우리는 최근에, 채널이 폭발했다 따라서 Facebook 메신저, SMS, 채팅, 비디오 커뮤니티, 소비자의 많은 부분 브랜드와 상호 작용할 수 있습니다 우리는 모든 서비스 운영의 중심에 고객을두고 있습니다 그리고 우리는 일관된 맞춤 서비스를 제공합니다

어디에서 고객이 도움을 요청하든 상관 없습니다 그리고 마지막으로, 여러분 중 누구라도 모바일 필드 서비스에 있다면 작업 공간, 현장 서비스 솔루션 제공 모바일 근로자를 높이고 IoT와 통합 된 사전 서비스 그리고 서비스를 제공하는 네 가지 방법 때문에, 우리는 실제로 Gartner Magic Quadrant에서 1 위를 차지했습니다 우리는이 분야의 지도자들입니다 우리는 지난 10 년간 함께 해왔습니다

이것이 우리에게 커다란 업적입니다 그리고 이것의 많은 것은 우리의 제품 때문에뿐만 아니라, 그것 때문에 많은 것이 신뢰 때문입니다 우리의 고객은 우리, 우리의 부유 한 파트너 생태계, 트레일 재킷, 그래서 그들은 고객이 걸릴 Salesforce를 다음 단계로 끌어 올립니다 그리고 그 작은 빠른 개요와 함께, 우리는 최초의 변혁적인 경험으로 뛰어들 수 있습니다 실제로 아담이 당신을 위해 비디오를 재생하게 할거야

Contact Center AI 및 서비스를 통해 우리가 구축하고있는 것을 확인하십시오 구름 [비디오 재생] – Google Cloud 및 Salesforce AI 기반의 고객 서비스 경험을 제공하기 위해 협력하고, 모든 회사는 고객의 요구 사항을 경험 매력적인 경험을 확장하기위한 Hulu의 비전을 보여 드리겠습니다 눈을 통해 2 천 5 백만 명이 넘는 가입자에게 Hulu 뷰어 Lauren의 Hulu를 사용하면 시청자가 쉽게 시청할 수 있습니다

언제 어디서나 도움을 얻을 수 있습니다 고객이 긴 전화 트리를 탐색해야하는 대신, Google Cloud의 가상 에이전트를 기반으로하는 Hulu 봇 기술로 시청자를 즉시 ​​유도 할 수 있습니다 인간과 같은 회화 경험에서, 24 시간 연중 무휴로 문제를 해결하고 전화를 원활하게 전달할 수 있습니다 적시에 요원에게 안녕, 로렌

Hulu에게 전화 해 주셔서 감사합니다 오늘 어떻게 도와 드릴까요? – 안녕하세요 내 계획에 NBA 패키지를 추가하고 싶습니다 – 확실한 것 Chromecast Ultra에서 시청 한 것 같습니다

게임을보고있는 장치입니까? – 응 – 완벽 해 우리 Hulu Plus 라이브 TV 플랜을 권하고 싶습니다 니가 원한다면 나는 너를 옮길 수있어 뷰어 경험 옹호자 중 한 명에게 그 설정을 맡깁니다

– 좋을거야 감사 – 인간 요원이 이제 모든 것을 갖추고 있습니다 Salesforce Service Cloud 콘솔에 필요합니다 전체 통화 기록을 포함하여 사례 해결을 신속하게 처리 할 수 ​​있습니다

한편 Google의 Agent Assist 기술은 자동으로 기계 학습에 의한 권장 사항 제시, 상담원이 시청자가 필요로하는 것을 쉽게 알 수 있습니다 빠른 답변 [전화 거는 중] – 로렌 Hulu에게 전화 해 주셔서 감사합니다 Hulu 라이브 TV를 추가하려는 것 같습니다

모든 농구 경기에 대한 액세스를 계획하십시오 나는 당신을 도와 드리겠습니다 – 좋을거야 – 완벽 해 계획을 라이브 TV로 업데이트하겠습니다

– 통화가 진행되면 상담원 지원 새로운 추천을 계속해서 나타냅니다 대화의 컨텍스트를 기반으로합니다 – 네가 볼 수도 있다는 것을 알고 있니? 모바일 장치에서 Hulu 라이브 TV? 그걸 도와 드릴까요? – 물론 이죠 – 좋아 나는 당신을 걸을 기사를 보낼거야

미래의 장치를위한 단계를 통해 – 상담원은 모든 대화에 더 많은 가치를 부여 할 수 있습니다 Google Cloud Dialogflow의 의도 일치 기능 Salesforce Einstein이 실시간으로 제공합니다 시청자의 관심과 참여를 유도하기위한 권장 사항 및 제안 – 그 밖에 너 최근에 봤어? 농구 외에? 남편과 나는 실제로 폭음을 당했어 "왕좌의 게임"을 지켜 보았습니다

우리는 마지막 시즌을 준비하고 싶습니다 – 굉장해 Hulu 계획을 통해 HBO를 추가하면 당신은 Hulu 앱에서 직접 시청할 수 있습니까? 원하시면 HBO를 플랜에 추가 할 수 있습니다 – 네, 그렇게합시다 – 상담원은 모든 비즈니스 프로세스를 단계별로 안내합니다

다음에해야 할 일에 대한 암기가 필요하지 않습니다 Google Cloud AI와 Salesforce의 결합 된 힘 Einstein은 또한 미리 채워진 케이스로 통화 정리를 쉽게 만듭니다 세부 정보, 데이터 품질 향상 및 에이전트 시간 절약 그들은 다음 시청자를 돕는쪽으로 나아갑니다 Google Cloud 및 Salesforce를 사용하면 Hulu는 이제 모든 서비스 상호 작용에 AI를 통합 할 수 있습니다 시청자 경험을 다시 생각해보십시오

[끝내기] KANAN GARG : 멋지다 얼마나 놀랍습니까? 내 말은, 컨택 센터 공간에있는 당신은 이것이 얼마나 놀랍습니까? 우리는 세 가지 기술을 사용했습니다 우리는 Virtual Agent Assist를 사용했습니다 Lauren이 처음 전화했을 때, 그녀는 인간 요원과 이야기하지 않고있다 그녀는 실제로 봇과 이야기하고 있습니다

그러면 해당 봇 대화가 전송됩니다 진짜 인간 대리인에게 그리고 요원이 Lauren이나 고객과 이야기 할 때, Google은 통화 내용을 실시간으로 전송하고 있습니다 에이전트가 취할 다음 조치를 제공합니다 따라서 상담원이 수동으로 검색하지 않습니다

지식 기사 실제로 실시간 추천에서 제공됩니다 그들은 사건을 통해 일하고 있습니다 따라서 이것은 컨택 센터 공간에서 꽤 변형됩니다 우리가 Google과 함께 일하고있는 다른 통합 아인슈타인 (Einstein) 봇의 관점, Dialogflow는 NLU를 발전 시켰습니다

따라서 Salesforce에는 자체 버전의 아인슈타인 봇이 있습니다 봇을 사용하면 서비스 작업을 확장 할 수 있습니다 연락처에 인력 에이전트를 계속 추가하는 것은 불가능합니다 센터 크기를 조정할 필요가 있으며 봇 (bot)이이를 수행하는 좋은 방법입니다

우리는 당신이 선언적으로 봇, 대화 형 봇 모든 채널, 모든 디지털 채널에 배포 할 수 있습니다 따라서 채팅으로 생성 한 다음 SMS에 배포 할 수 있습니다 페이스 북의 메신저 등 Dialogflow와 통합되는 방식 중 하나 Dialogflow의 고급 NLU 기능을 사용하고 있습니다

그래서 Shantanu는 사실 이것에 관해서 더 일찍 말했습니다 Dialogflow가 아마도 최고의 제품 일 것입니다 고급 NLU를 둘러보십시오 글로벌 고객 인 경우 연락처를 배포해야합니다 전 세계의 다른 지역에있는 센터, Dialogflow와 Einstein 봇이 도움이 될 것입니다

다국어 지원이 많이 있기 때문에 Dialogflow와 함께 추가 하시겠습니까? SHANTANU MISRA : 아니요, 저는 그저 – 나는 이것이 훌륭한 상호 보완적인 파트너십이라고 생각합니다 그리고 기존의 모든 아인슈타인 고객 다른 언어로 확장하려는 사용자 다른 고급 NLU 기능을 사용하거나, 유사 엔티티 추출, 등등, Dialogflow를 이제 Einstein 봇에 연결할 수 있습니다 우리에게는 큰 파트너십입니다 KANAN GARG : 멋지군

그리고 그걸로 우리 부스를 방문하십시오 같은 수준에 올라 있다고 생각합니다 Salesforce 부스에 오십시오 이 비디오의 내용을 실제로 볼 수 있습니다 실제로 살아 있습니다

따라서 부스를 확인하거나 Service Cloud 트레일을 이용하십시오 그리고 그걸로 아담에게 돌려 줄 것입니다 ADAM CHAMPY : 물론입니다 그래서 우리의 다음 연사를 소개하고 싶습니다 토마스 제퍼슨

정말로 중요한 일이 있습니다 병원에서의 환자 경험에 대해 생각해보십시오 설정은 실제 경험입니다 그리고 실제 경험에 대한 연구가 끝난 후 공부하십시오 문제는 단순히 행복뿐만 아니라 결과에 달려 있습니다

Dialogflow를 보는 것은 정말 흥분됩니다 우리의 대화식 기술이 배치되었습니다 그러한 혁신적인 환경에서 그러니 우리와 함께하십시오 ROBERT NEFF : 좋습니다 큰

고맙습니다 토마스 제퍼슨을 잘 모르는 사람들 대학, 우리는 대형 학술 의료 센터입니다 필라델피아에 본사를두고 지금은 펜실베이니아, 뉴저지의 대형 학술 의료 센터 우리에게는 약 14 개의 심각한 치료 시설이 있습니다 우리는 빠르게 확대되고 있습니다

우리는 또 다른 4 명을 가질 것입니다 앞으로 몇 달 동안 우리는 수많은 인수를 수행합니다 수많은 외래 환자 치료 시설, 긴급 치료, 전체 건강 과학 및 디자인 대학 거의 10,000 명의 학생들과 함께합니다 따라서 우리는 보건 및 교육 분야에서 큰 역할을 담당하고 있습니다 공간

제퍼슨의 독특한 점 주사위 그룹이라고하는 그룹이 있습니다 그리고 나는 그 사실에 대해 간단히 이야기 할 것입니다 그래서 우리는 제퍼슨에서 우리가하는 일을 이해하게됩니다 정말로 본질적으로 가능합니다 주사위 그룹은 제퍼슨에서 시작되었습니다

약 3 년 반 전에 제퍼슨에 입단 했어요 우리의 최고 디지털 책임자 인 Neil Gomes입니다 그는 실제로 다른 일부 로봇에 대해 화요일에 여기에서 말했습니다 우리가하고있는 일

그러나이 그룹에는 약 150 명이 3 분의 1로 나뉘어져있다 그 중 3 분의 1은 내 그룹에서 일하는 개발자이고, 또 다른 3 분의 1은 디자이너입니다 연구 및 분석을 통해 워크 플로 및 디자인을 디자인합니다 변환에 중점을 둔 프로세스 환자와 학생의 경험 그리고 우리는 디자인에 중점을 둔 또 다른 그룹을 가지고 있습니다

미안합니다 지원, 교육, 문서화에 중점을 둡니다 모든 기술을 만들기위한 작업 우리가이 그룹에서 구축 한 것은 우리의 건강 관리 전반에 걸쳐 작용합니다 체계 그리고 우리는 어떤 기술을 개발하고 있습니까? 우리는 디지털 기술을 다른 분야에서 매우 일반적입니다 소매, 오락, 운송 등에서 볼 수 있습니다

그리고 같은 유형의 기술을 적용하려고 시도 할 때, 환자와 사람들이 느끼는 디지털 경험의 수준 삶의 다른 모든면에서 건강 관리에 대한 그들의 경험에 그것을 적용하고, 그것이 매우 부족한 것이기 때문에, 아닙니다 미국에서만 그러나 전체에서 – 오, 나는 돌아갔다 미안합니다 그럼 우리가 어떻게해야합니까? 우리가 생각하는 핵심 분야는 무엇입니까? 우리가이 길로 내려갈 때쯤에? 우리는 접근에 대해 생각합니다 우리는 모든 다른 서비스를 생각합니다

우리가 환자에게 제공하는 것은 그것이 수술이든, 외래 환자 약속, 실험실 방문 – 또는 실험실 검사, 이미징 방문 우리는 기술을 어떻게 사용할 수 있을까요? 우리는 디지털 기술을 어떻게 열 수 있을까요? 대부분의 사람들이 접근하고 있는지 확인하기위한 액세스 필요시 해당 서비스에 대한 액세스 권한이 있습니까? 우리는 편리함을 바라본다 우리가 볼 때, 어떻게 거기에 있는지 확인합니다 가능한 한 적은 마찰이다 고객, 환자가 우리의 건강과 상호 작용합니다

체계? 환자를 만나는 것을 의미합니다 소비자가 어떤 채널에 있든 회의 그들은 가장 편안합니다 따라서 그것이 웹 사이트, 콜센터, 모바일 기술을 통해, 장치에 IoT, 어디에 있든간에 우리가 그들을 만나고 무언가로 만들고 있다고 가능한 한 프로세스의 마지막으로, 우리는 최선을 다하기 위해 이것을하고 있습니다 그들은 제퍼슨에서 할 수 있습니다 우리가 원하기 때문에 우리는 그것을 원한다

그들의 건강 관리에 종사하는 우리는 그들이 돌아와 건강을 유지하기를 바랍니다 그래서 우리가 최고의 경험을 제공 할 수있는 정도까지, 우리는 그들이 그것을 가능하게합니다 우리는 모든 다른 측면의 서비스에 디지털을 제공합니다 우리가 제공합니다 따라서 우리가 환자에게 제공하는 치료가 무엇이든, 우리가 학생들에게 제공하는 학습, 우리가 작업의 관점에서하고있는 것, 연구의 수백만 달러조차, 우리가 가진 보조금 및 연방 기금, 심지어 우리가 자선 활동과 기부금을 어떻게 처리하는지 우리 조직에

그래서 그 밖의 모든 것 나머지 삶에서 찾아 보면 우리는 기대하고 있습니다 디지털 변환을 건강에 가져 오기 위해 노력하고 있습니다 간병 그래서 이것은 미래의 병원 방의 표본입니다 건강 관리에서 일하는 사람들은 아마도 이런 것을 보았을 것입니다

전에 하지만 보시다시피, 매우 밝고 살균력이 뛰어납니다 환경 재미있을 것 같습니다 조금 미래가 보인다

이 방에는 많은 기술이 있습니다 정보가있는 다양한 화면이 있습니다 투영 됨, 왼손 공급자의 사용 모두 화면의 측면과 사용을 위해 환자의 오른쪽 화면에 표시됩니다 여러 가지 다른 방법을 볼 수 있습니다 환자가이 기술과 상호 작용할 수 있다는 점, 공급자와 동일합니다

그리고 많은 회사들이 이것을 현실로 가져 오는 데 초점을 맞추고있다 지금 병원 환경의 병원 방의 미래 그러나 Jefferson의 의료 서비스의 미래를 생각합니다 환경은 이와 비슷한 모습을 보일 것입니다 그리고 이것이 우리가하려고하는 것입니다

우리는 간단하고 편안하며 개인화 된 건강 관리를받을 때의 경험 우리는 건강을 제공하는 최선의 방법 환자를 돌보는 것은 그 일을하는 것입니다 협박하지 않는 곳, 그렇지 않다 그들이 정상적으로하는 것과는 다르다 상호 작용하기가 매우 쉽습니다

그래서 우리가 어떻게 미래 환경을 볼 때 우리는 라인 아래로 몇 년 동안 치료를 제공, 분명히, 우리가이 비전을 향해 행진하고있을 때, 그것은 병원보다 더 좋아질 것입니다 전에 슬라이드에서 본 방 우리가이 목표를 달성하는 방법 중 하나는 Google 및 Dialogflow와 협력하는 기술을 통해 우리가 얘기 할 것이지만 찾고 있습니다 다른 기술 에서뿐만 아니라 찾고 주소가없는 건강 관리의 개념으로 건강 관리를 밀어 내고, 서비스 환자가 필요로 할 때 환자에게 필요한 정보를 제공합니다 그리고 주소 개념이없는 건강 관리 Klasko 박사의 개념입니다

제퍼슨 (Jefferson)의 CEO 겸 사장, 꽤 자주 말한다 이것이 주요 비전이자 방향입니다 우리가 집중할 때 우리가 들어간다 기술 개발에 관한 우리는 이런 상황을 피하려고 노력하고 있습니다 이것은 누군가에게 편안한 상황이 아닙니다

누가 방금 수술을 받았고, 매우 아플 것 같은 느낌이 들었습니다 그들이 무엇이 잘못되었는지 정확하게 알고 있는지 확인하십시오 한밤중에 일어나기 싫어 신호음이 울리는 장치가있는 방, 조명이 켜진 방, 그리고 협박하는 환경에 불과합니다 그래서 우리는 멀리 떠나려고 많이 노력하고 있습니다

이런 유형의 경험에서 훨씬 더 많은 것으로 옮겨라 편안한 경험 괜찮아 그래서 똑똑한 연설자 이 방에있는 누군가를 설득해야한다고 생각하지 않아

그 스마트 스피커와 음성 보조 장치는 중요하고 성장하고 있으며 이것들은 오늘날 사람들이 집에서 매우 많이 사용하고있는 것들, 그리고 그것은 더 많이 계속 될 것입니다 나는 이런 식으로 차트를 몇 개나 붙일 수있다 거기서 다른 출처에서 왔어 그들은 모두이 분야에서 엄청난 성장이 있음을 보여줍니다 그래서 몇 가지 것들은 무엇입니까? 상호 작용할 수있는 좋은 방법이라고 환자가 시스템과 상호 작용하게 하는가? 그리고 그 이유 중 몇 가지는 무엇입니까? 사용하는 데 막대한 장벽이 있거나 막대한 금액이 있습니다

앱을 다운로드하거나 장치를 꺼내거나 모바일 앱을 사용하여 확인할 수있는 계정으로 가입 당신의 생체 신호 – 미안하지만, 당신의 활력 징후가 아니라, 당신의 퇴원 요약, 간호사 이름 등 음성 사용의 경우 마찰이 적습니다 훨씬 더 많은 사람들이 기술에 관여하기를 꺼리는, 모바일 앱이든 다시 웹 사이트이든간에 또는 환자 포털이 훨씬 더 많습니다 음성을 사용하는 개념을 기꺼이 시도합니다 왜냐하면 음성 그 (것)들이 커뮤니케이션하고있는 무언가이다

데이터를 머리 안팎으로 가져 오는 작업 평생 동안 따라서 인구수는 다시 앱 사용에 저항했습니다 우리가 그들에게 던지는 것은 훨씬 더 음성 기반 기술을 사용해 볼 의향이있다 시스템과 상호 작용할 수 있습니다 오늘 우리는 어디 있습니까? 우리는 똑똑한 방을 조종하고 살고 있습니다

몇 주 동안 살아 왔어 우리 병원의 한 층에서 그 조종사는 우리에게 어떤 유형에 대한 매우 흥미로운 데이터를 제공하고 있습니다 기술의 종류와 환자가 좋아하는 기능 유형 그리고 우리가 반드시 필요하지 않은 모든 종류의 다른 것들 조종사 초반에 우리가 배울 것이라고 생각했습니다 그러나 우리는 조종사에게 몇 가지 기본적인 기술을 심어주었습니다 빌드하기가 매우 어려웠지만 우리가 많은 데이터를 수집 할 수있는 환경을 설정할 수 있습니다

무엇이 사용 될 것이며 무엇이 사용되지 않을 것인가에 대한 것입니다 그래서 우리는 기본적인 환경 통제를합니다 우리는 TV, HVAC 시스템, 어떤 경우에는 불이 켜집니다 우리는 무엇에 관한 정보를 많이 가지고 있습니다 그날 그 환자를 위해 계속해서, 그들의 음식이 언제 오는지, 그들의 의사 이름, 의사에 관한 정보 등을 날씨에 관한 일반적인 정보 등등 당신이 똑똑한 조수에서 기대할 것입니다

물론 우리는 HIPAA를 준수하는 방식으로이 작업을 수행하고 있습니다 그래서 당신이하는 것들은 무엇입니까? 환자가 언제 물어볼 수 있을지 그들은 환경에있어? 간호사를 대상으로 조사한 결과, 우리가이 조종사에 합류하기 전에 환자를 조사했습니다 그리고 우리는 조종사를 계속 진행 시켰습니다 우리는 실제로 환자가 묻는 것에 대한 분석을합니다 매우 재미있는 것이 있습니다

그것은 전체 세그먼트의 일종입니다 이 목록에서 누락되었습니다 실제로는 그들의 임상 진료에 대해서 환자는 환경에 대해 너무 신경써 장기간 병원에있을 때 그들이 자주 묻는 대부분의 것들은, 그들의 음식은 언제오고, 점심은 무엇이며, 그들이 퇴원 할 때, 그들의 가족이 언제 방문 할 수 있는가 등등, 오늘 밤 TV에 나오는 것들, 채널을 변경할 수 있습니까? 이것들은 환자들이 매우 흥미를 느끼는 것들입니다

대략, 그리고 그것은 어떻게에 많이갑니다 그들은 자신의 전반적인 경험을 평가합니다 그런데 병원에서, 병원에서 한 가지 – 또는 많은 것들 중 하나입니다 병원은 환자들에 의해 등급이 매겨집니다 그리고 우리는 매우 자주 유료로받을 수 있습니다 환자가 가지고있는 경험의 유형 집계했다

그렇다면 우리는 스마트 룸의 개념을 어디로 갈 것인가? 조수? 우리는 조종사를, 분명히 오늘 살고 있습니다 우리는 많은 것을 배우고 있습니다 다시 말하면 어떤 유형의 기술과 기능뿐만 아니라 환자에게 중요하지만 다른 유형 이런 조종사를 돌보는 것과 관련된 부수적 인 문제들 건강 관리 환경에서 이와 같은 시스템을 운영합니다 우리는 실내 조절과 환경 조절 우리가 많은 관심을 보이는 영역 중 하나입니다 많은 사용법 때문에 우리는 지속적으로 더 많은 것을 추가하고 더 많은 기능을 추가하십시오

우리는 더 많은 자동화와 기대를 찾고 있습니다 따라서 이와 같은 시스템을 사용하여 시작하십시오 환경의 유형을 예견하고, 환자가 가지고있는 우려 유형 그리고 선제 적으로 그들에게 연설한다 그것에서 계속 전진하고 있습니다 우리가 부르는이 비서를 어떻게 만듭니 까? 인지 경험이있는 환자 컨시어지 병원 실에서 물어보기

질문이 나타나기 전에 몇 가지 질문을하고 그들이 희망을 갖고 떠난 후 몇 가지 정보를 제공하십시오 이인지 적 컨시어지가 뒤따라 오는 지점으로 가라 환자는 그들이 결정한 시점부터 방문을 통해 제퍼슨에 올 필요가있다 그들이 우리와 함께하는 동안 하루 또는 복수 체류 방문 후 집에 도착한 후 그들이 건강을 유지하는지 확인하십시오 복구 과정에서

기술 관점에서 질문을 던지십시오 Google 홈을 설치하지 않는 이유는 무엇입니까? 환자 방에있는 장치? 또는 아마존 알렉사 장치와 관련이 있습니다 글쎄, 누구? 그래서 이전에 언급 했으니 까, HIPAA 환자의 사생활 보호 관점에서 큰 우려 분명히 오늘 발표와 정보 HIPAA를 준수하는 Google 및 Dialogflow에 관한 정보 건강 관리 환경에있는 사람들에게 매우 흥미로운 일입니다

나는 그것이 모두를 통하여 모두 일 것이라고 확신한다 다른 건강 관리 IT 뉴스 것들, 기사 및 블로그 내일 그러나 HIPAA 준수 외에 다른 이유가 있습니다 본질적으로 우리 자신의 시스템을 구축하기로 결정한 이것을하기위한 장치 Google 홈 또는 Alexa와 같은 소비자 급 장치 또는 다른 가상의 미안해, 똑똑한 연설가들이 밖에있어

상업적인 환경에 적합하지 않습니다 IT 인프라, IT 보안, 관리, 업데이트, 다운까지, 방안에있는 IoT 장치를 실제로 어떻게 제어 하시겠습니까? 정말 잘 작동하는 모든 기술 소비자 가정에서, 그 가정에서 주거 환경, 정확하게 하나를 번역하지 않는다 병원 환경으로 그래서 우리는 실제로 많은 기술을 구축해야했습니다 건강 관리에서 일하는 IoT 스마트 스피커를 얻는 방법 환경

그리고 분명히 많은 기술 마이크로 서비스 및 클라우드 서비스를 기반으로합니다 우리가 빌리는거야 차용은 아니지만 레버리지 Google의 하지만 우리는 JIoT 플랫폼 인 Jefferson IoT 플랫폼 및 프레임 워크 상호 작용을 관리하고 처리하기 위해 만들어진 환자실의 IoT 장치 사이, 특히 우리가 만든 스마트 스피커 장치 또한 여러 가지 내부 API를 만들어야했습니다 이 시스템에 앞뒤로 정보를 제공합니다

그래서 당신은 변할 수 없습니다 TV에서 채널을 변경할 수 없습니까? 시스템이 채널 라인업을 모르는 경우 네가 전에 병원에 간 적이 있다면 채널 구성이 일반적으로 존재하지 않는다는 것을 알고 있습니다 그렇다면 복사 한 종이는 25 번입니다 간호사가 당신에게 건네주었습니다

이 데이터 중 일부만 가져 오는 중입니다 API 형식으로 변환 우리가 전화를 걸고 유지 관리하고 실제로 통제 할 수있는 이 장치 중 일부는 또 다른 큰 장애물이었습니다 우리는이 프로젝트의 일환으로해야만했습니다 일단 우리가 일어나서 달리고 나면 시스템이 나는 계속 돌아 간다 죄송합니다

일단 우리가 그것을 실행하고, 우리는 이런 식으로 보이는 시스템으로 끝났습니다 그래서 당신은 제퍼슨 환경을 가지고 있습니다 제퍼슨 환경은 환자 환경을 갖추고 있습니다 당연하지 제퍼슨 (Jefferson)인지 조수 (Cognitive Assistant) 인 소프트웨어가 있습니다

우리가 만든 소프트웨어 세트 그리고 나서, 물론, 우리는 서비스를 가지고 있습니다 Google Cloud Platform에서 그리고 단지 흐름을 통해 당신을 아주 빨리 데려 가기 위해, 우리는 환자가있을 수도있는 1 번부터 시작합니다 질문이 있는지, 그것이 언제 있는지 묻는다 음식 배달 또는 채널 변경 가능 TV에서 Google Cloud로 넘어갑니다

텍스트로 처리되는 플랫폼 Dialogflow를 통해 처리됩니다 그래서 우리는 의도를 파악할 수 있습니다 우리는 그것을 요청 이행 라이브러리에 다시 가져옵니다 그 의도를 파악하고 일치시키는 곳 특정 성취 라이브러리로 이동 우리는 해답을 얻거나 잠재적으로 그것을 넘겨야 만한다 제퍼슨 IoT 플랫폼으로 이동 환자 실에서 물건을 제어하는 ​​방법 6 번 이상

우리가 조치를 완료했다는 것을 알게되면 환자의 만족을 위해, 우리는 어떤 종류의 응답을 생성합니다 Google Cloud Platform에 다시 전달하십시오 일부 구두 응답으로 되돌리기 그러면 우리는 8 단계에서 환자에게 다시 전달할 수 있습니다 그들에게 우리가 성공적으로 그들의 업무를 완료했거나 우리는 그들에 대한 후속 질문을 가지고 있습니다 그것이 우리가 취하는 필수 흐름입니다

이 경험을 설명하기 그리고 그걸로 다시 아담에게 돌려 보겠습니다 ADAM CHAMPY : 좋아요 고맙습니다 Salesforce 및 Salesforce에서 방금 본 경험 토마스 제퍼슨 (Thomas Jefferson)은 정말로 우리의 논문을 상징합니다

고객과 함께 시작한다면, 당신이 있든 없든 다른 모든 것들은 따라 올 것입니다 전화하는 Hulu 고객부터 시작 계획에 무언가를 추가하거나 묻기 실제로 고생하고있는 실제 요원에게하는 질문 수천 개의 서로 다른 질문에 답한다 물어볼 수도있는, 또는 우리가있는 곳에서의 병원 경험 실제로 그것을 만들려고 – 실제로 무언가로 매우 무서울 수 있습니다 매우 편안하고 무엇이 환자뿐 아니라 매우 도전적 일 수 있습니다

그러나 주변에있는 가족 그리고 사용자와 함께 다시 시작하면, 당신은 일반적으로 그들에게 도전을 패턴 수 있습니다 Shantanu가 묘사하고 있었다 사용자를 이해하는 것으로부터 시작하겠습니다 NLU는 정말 훌륭합니다 우리가 실제로 말하고있는 사실 오, 그게 쉬운 문제 야, 그건 좀 이상하다

그러나 솔직히 말해서 그것은 투자 유형입니다 우리가 이것을하기 위해 우리의 클라우드 플랫폼에서 만든 것, 그래서 당신은 다른 것들에 집중할 수 있습니다 그래서 당신은 아인슈타인 봇과 차선책에 집중할 수 있습니다 그리고 다른 모든 자동화는 당신이 효율성과 훌륭한 고객 서비스를 원한다 상호 작용에 대한 모든 것을 이해하고 그런 다음이를 대신하여 조치를 취하십시오

또는 채널을 실제로 변경하려면, 병원 방에있는 사람이 경험하기 때문에 시계를 보지 않아도 많이 달라질 것입니다 그 TV에 뭐가 들었 니? 아니면 추워요 내 말은,이게 중요하다는거야 그리고 우리는 대화에 대해 말하고 있습니다 이해가 중요합니다

그리고 다른 모든 시스템과의 연결 이 모든 것을 가능하게 만드십시오 따라서 개발자가 85 만명이든 관계가 있든 상관 없습니다 우리는 세계 최고의 플랫폼을 만들 수 있습니다 우리는 고객 경험에 대해 다시 한 번 노력하고 있습니다 및 통합

그리고 최종 사용 사례는 실제로 시작됩니다 시작하거나 다이빙을 할 생각이라면, 네, Dialogflow 사용 방법을 배우고, 예, 전반적인 경험에 뛰어 들고 참여하십시오 파트너 중 하나와 상담원을 찾고 싶습니다 또한 최종 사용자 경험에 대해 정말로 생각해보십시오 당신이 원하는 그

그리고 뒤집어서 실제로 그것을 측정하십시오 실제로 연구를하고 실제로 사람들이 어떻게 대화하는지 봅니다 그들이 어떻게 참여하는지 따라서 우리가 컨택 센터 AI와 같은 것에 관해 생각할 때 프로그램에서 Dialogflow 기능을 살펴보면, 에이전트 지원 기능 및 해당 분석 기능 그것 사람들은 모든 종류의 물건을 말하기 때문에, 그리고 그들은 그들이 원하는 것을 당신에게 말해줍니다

대리인이든 실제 최종 고객이든간에 분석을하는 것이 중요합니다 진실을 바탕으로 최종 고객 사용에 봉사하는 것 사례 그래서 그걸로 우리는 가고 있다고 생각합니다 우리 중 한 명에게 몇 분의 질문을 던지려면 그게 잘 작동한다면 우리 스피커에 감사드립니다

[박수 갈채] [음악 재생]

Using AI to Transform Your Fleet Operations (Cloud Next '19)

[음악 재생] MUBINE DIN : 안녕하세요 잘 지내? 우리의 대화에와 주셔서 감사합니다

AI를 사용하여 함대 작전을 변형 시켰습니다 내 이름은 Mubine Din이고, 나는 Hitachi Consulting에서 일하고있다 전략 및 혁신 팀 내에서 ANDY LAMONT : 안녕하세요 나는 앤디 라 몬트입니다 저는 Digital Transformation Practice에서 일합니다

영국에서 MUBINE DIN : 그래서 오늘, 우리는 당신과 얘기하고 있습니다 Hitachi의 Predictive Maintenance에 대해 함대 작전을위한 플랫폼 이 세션이 어떻게 이루어지는 지에 대한 약간의 개요를 알려 주기만하면됩니다 구조화 될 예정입니다

당신이 이미있는 모든 곳과 비슷해야합니다 우리는 근본적으로 당신에게 말할 것입니다 지난 3 ~ 4 년 동안 우리가해온 일을 왜 우리가 해왔습니까? 개월, 그래서 당신에게 업계 주변 정보를 제공 우리가 함대 관리에서 태클하려고하는 이슈 원근법 우리는 너를 보여주기 위해 약간의 시간을 보낼거야 우리가 너를 데려 가서 한 일을 어떻게 했어? 건축을 통해 우리가 만든 도전 과제와 설계 결정 중에서 그리고 나서 우리가 너에게 보여줄거야

그게 가장 중요한 부분이라고 생각하니? 당신은 우리가 한 일을보고 싶어합니다 우리가 어떻게 지 냈는지 보여줘 우리 고객 중 한 명과 함께 이것을 적용했습니다 내가 생각하기에 당신 모두는 아마도 궁금해 할 것 같아 왜 레고가 있지? 그럼 방안에 그 코끼리를 대접합시다

아마 회의실을 돌아 다녔을거야 부스에서 레고를 보았고 더 많은 사람들이 레고에 매료되었다고 생각하십시오 무엇보다 본질적으로 훨씬 쉬워졌습니다 영국에서 그 중 하나 가져 실제 차량을 가져 오는 것보다 우리의 유스 케이스 중 하나를 지원하도록 아칸소주의 가이드 조사가 끝나면 그것에 대해 더 많은 정보를 알려주세요

이 세션을 진행하면서 끝까지 모든 질문을 할 수 있다면, 우리는 그 시간을 할당 할 것입니다 그러나 우리가 시간이 없어서 당신에게 돌아 가지 않으면, 부스에서 흔들어주세요 메러디스에게 물어보십시오 그녀는 너를 도울 수있을거야 고맙습니다

완전한 나는 우리가 이것에 대해서 이야기했다고 생각하지만 본질적으로 우리의 목표 우리가 한 일을 보여주고, 왜 그 일을했는지 ​​설명하고, 우리가 다음에 갈 곳을 보여줍니다 그리고 당신에게 모든 문맥과 정보를주기 위해서입니다 히타치에 관해서는 우리가 거의 모든 산업을 만났기 때문에 우리에 대해 들었다 산업적 관점에서 기술 관점에 이르기까지 다양합니다

우리는 글로벌 기술 리더입니다 100 년 전 설립 된 세계적인 산업 강국 장기간의 안정성과 깊은 자원을 갖추고 있습니다 히타치는 산업체에 깊은 경험을 가지고있다 제조 공간 및 특히 차량 내부 함대 관리 공간 거기에 흥미로운 정보가 있습니다

나는 그것 전부에 대해서 이야기하지 않을 것이지만, 차량의 70 % 이상 적어도 하나의 히타치 컴포넌트를 가지고 있어야한다 히타치는 부품을 제조합니다 그 금액은 구성 요소 건축 자재의 최대 45 %입니다 당신은 차량에있을 것입니다 그래서 우리는 제조에 대한 깊은 경험을 가지고 있습니다 거기에 공간

하지만 우리는 히타치도 많이 가지고 있습니다 대형 함대 소유 및 운영 경험 운영뿐만 아니라, 자동차에서부터 무거운 자산에 트럭에, 그래서 지구도 물질을 움직입니다 그리고 그 라인을 따라 히타치의 IoT 인공 지능에 대해 깊은 경험을 쌓았습니다 우리는 Google을 사용하여 이들을 하나로 모으고 있습니다 우리의 산업 경험을위한 우리의 플랫폼 업계에 도움이되는 유산 업계의 고객은 혁신을 추진하고 있습니다

우리는 또한 800 plus 자회사의 조합입니다 그리고 그것이 당신이 아마 히타치를 많이 본 방법입니다 당신의 세계를 만지십시오 그래서 우리는 오늘 무엇을 위해 여기에 있습니까? 그래서 오늘, 우리는 함대 관리에 대해 이야기하기 위해 왔습니다 함대 관리를 어떻게 지원할 수 있는지 예측하는 방법 활동, 함대 최적화 활동을 구체적으로 설명합니다 함대 관리 솔루션이 진화해야합니다

그들은 그들이있는 곳에서 움직일 필요가 있습니다 현재, Fleet Management 솔루션 종종 반응 시각화이다 귀하가 스스로 이용할 수있는 정보를 유지 보수 측면에서 반응 적이며, 또한 모든 종류의 최적화 측면에서 반응 적입니다 활동 오늘날, 함대 조직은 본질적으로 많은 혼란 요인들과 경쟁해야한다

신생 업체, 시장에 진입하는 다른 업체, 연료 상승 가격 및 복잡한 배출 기준 규정을 준수해야합니다 이로 인해 기업은 효율성에 집중해야합니다 그리고 그 안에서, 함대에 대한 유지 보수 비용 총 차량 비용의 15 %에서 20 %를 차지하며, 그래서 최적화를위한 주요 영역이자 AI 및 IoT를위한 주요 영역 비용 절감에 도움이되는 솔루션을 제공합니다 디지털 기술은 대부분의 산업을 변화시키고 있습니다 모든 지역에서, 그리고 이것은 어딘가에있다

좋은 기회가있는 곳 효율성과 비용 절감을 제공합니다 문맥에 맞는 배경을 조금만 주면됩니다 정보, 많은 함대 유지 보수 해결해야 할 최적화 문제 그래서 함대 관리자는 종종 적절한 자산 조건 데이터가 부족합니다 그들은 데이터를 가질 수 있지만, 함대를 가로 질러 모아진다 개인과 필연적으로 반대되는 차량 자체에서 다시 스트리밍되고있다

모든 경우에 과도한 유지 보수 비용이 소요되며, 유지 관리 관점에서 대다수의 조직 주기적 또는 주기적으로 유지 보수를 수행합니다 시간 기반 프로세스에서 자산을 유지 관리하고 있습니다 본질적으로 관련된 위험을 줄이기 위해 그 자산은 어느 시점에서든 실패합니다 사용 가능한 자산 상태 데이터가 부족하기 때문입니다

관계에 대한 제한된 이해 자산 실패 이벤트와 데이터 간 미리 그 자산에서 얻을 수 있습니다 자산은 훨씬 더 복잡해지고 있으며, 그래서 함대 운영자는 관리해야합니다 더 복잡한 자산을 가진 더 큰 규모에서, 그리고 그것은 그것으로 그것의 악몽을 가져온다 그리고 알고있는 것에 대한 도전도 있습니다 언제 자산을 유지할 것인지 그리고 자산을 언제 대체 할 것인지를 결정해야합니다

예를 들어 자산의 수명 만료 일반적으로 조직별로 시간별로 계산됩니다 도움을 받기 위해 추가 데이터를 가져올 수 있습니다 이러한 유형의 조직은 해당 자산을 회수합니다 그들이 필요로 할 때 이러한 자산을 교체하십시오 일정 시간이 경과했기 때문입니다

그래서 이것은 성숙 과정입니다 예측 유지 보수로의 전환 하룻밤 사이에 발생하지 않습니다 우리는 이러한 추세에 따라 데이터 기술적 분석을 통해보고 사람들이 자산을 이해하는 데 도움이되는 대시 보드, 데이터 사용과 데이터 반입을 통해, 예측 세계로 이동할 수 있습니다 규범 적 세계에 도달하기 전에 네가 느끼고 있기 때문에 일을하고있는 곳 실패하거나 일을하고있다

당신이 그것을하기 전에 Predictive Maintenance로 이동하면 10 %에서 20 % 예방 유지 보수 관행, 우리는 조금씩 그걸 깨뜨릴 것입니다 이 대화를 통해 이야기하십시오 왜 지금? 큰 문제는 이전에 가능하지 않았던가? 이 시점에서 우리는 왜 이것을 할 수 있습니까? 기술 융합이 중요한 이유입니다 기본적으로 여러 데이터 세트를 가져올 수 있습니다

차량 내부의 양쪽 에지 장치, 자산, 다른 데이터 소스의 스트리밍 데이터를 전송할 수 있습니다 지도에 대해 이야기하고 있습니다 조건 데이터와 그 모든 부분에 대해 이야기하고, 클라우드 컴퓨팅 및 대용량 데이터 도구 키트가 지원됩니다 그래서 그들은 우리로 하여금 막대한 양의 물줄기와 저장을 허용합니다 효율적이고 경제적이며 안전하게 데이터를 모니터링 기능 및 능력 제공 문제가 발생하기 전에 개입해야합니다

인공 지능 기계 학습을 훈련 할 수 있습니다 이러한 대용량 데이터를 비교적 저렴한 비용으로 과거와 비교하여, 그리고 고급 시각화 증강 현실의 사용을 통해 또한 자동화 된 대시 보드 및 그 요소 적합한 개인에게 정보를 제공 할 수 있습니다 적절한 시간에 그들이 그러한 개입을 다음과 같이 할 수 있도록 필요합니다 그리고 우리가 묻어야 할 커다란 의문 너 왜 이러는거야? 왜 당신은 이해와 일의 고통을 겪고 있습니까? 그 데이터 요소들을 통해? 또한 조직에 가치를 제공하는 것이 전부입니다 따라서 함대 작전은 본질적으로 이사를 통해 비용을 절감 할 것으로 예상 예측 유지 보수

효율성을 향상 시키므로 몇 가지 예를 들어 보겠습니다 우리가 유지 보수를 볼 때 그 순간으로 서서, 우리는 주기적으로 수행되는 것에 대해 이야기했습니다 필요할 때 자산을 유지하는 경우 그것을 위해 반대되는 것으로 유지되어야한다 이러한 자산의 중단 시간을 줄입니다 예를 들어, 차량을 정비 할 필요가 없습니다

해당 자산에 대한 유지 보수를 수행해야합니다 따라서 해당 자산을 사용할 수있게 만들고, 수익을 높일 수 있습니다 그 시점의 사람들에 대한 운영 비용이 절감됩니다 개인이 자산을 이동하고 서비스 할 필요가 없습니다 그럴 필요가 없습니다

또한 귀하는 설비 투자를 관리 할 수 ​​있습니다 근본적으로 그 자산에 초점을 맞추고 그들이 일을 필요로 할 때 일을 필요로한다 그래서 나는 너에게 약간의 문맥을 주었다 함대 조직이 왜 필요한지에 대한 약간의 정보 예측 유지 보수를 고려하고, 자산을 더 잘 이해해야합니다 그리고 그것이 이해되었습니다

업계 전반에 걸쳐 그러나 기술적 도전이있다 이는 함대 데이터를 스트리밍하는 측면에서 관련이 있습니다 그래서 당신이 차량에서 떼어 낸 많은 데이터, 예를 들어 구조화되지 않았거나 데이터 소스가 시계열 데이터로 사용할 수 있습니다 구조와 스키마가 다양합니다 IoT 데이터 자체는 통찰력을 얻는데 도움이되지 않습니다

통찰력은 함께 제공됩니다 추가 상황 별 데이터 소스의 발생하는 실제 사건을 알기 그 시점에서 – 기후, 온도, 지형, 너는 그 차에 타고 있었어 그리고 우리가 한 일 안에서, 우리는 당신이 중소 기업 입력이 필요하다는 것을 확인했습니다 당신은 그 중소 기업들로부터 지식과 정보가 필요합니다

그 공간에서 당신을 도우려고 노력하는 올바른 사용 사례에 중점을 둡니다 여러 출처의 데이터를 가져올 수 있습니다 실제로 목적을 달성하지 않는 한 조직이 제공 할 수 있도록 유스 케이스 작업 가치, 그것은 가치가 없을거야 여기에 약간의 개요를 드리겠습니다 우리가 만든 것, 왜 우리가 그것을 창조했는지에 관한 것입니다

그래서 본질적으로 Hitachi는 GCP 기술을 사용했습니다 예측 유지 보수 함대 운영 제공 내가 말했던 몇 가지 어려움을 극복하는 해결책 우린 두 가지 일을합니다 실제 기능에서이 문제에 대해 많은 세부 정보를 얻으십시오 관점 및 기능 관점

그러나이 시점에서 높은 수준의 개요와 마찬가지로, 유지 관리 계획자를위한 데이터 대시 보드를 만들었습니다 우리가 그 차량에서 꺼내는 데이터를 비교해 보라 상황에 맞는 데이터 소스에 연결하고 오류를 봅니다 우리가 이미 만든 정보 우리가 만든 인공 지능 모델 오류 이벤트를 예측합니다 그리고 그들은 올바른 추천을 제시합니다

그들이 정비 플래너에게 알맞은시기에 자산을 유지해야하는 곳과시기 그 또한 오는 경고와 비교하는 것 차량에서 뒤로, 그래서 그것은 역동적 일 수있다 계획 과정 전반에 걸쳐 업데이트 됨, 뿐만 아니라 정상적인 유지 보수 일정을보고 또한이를 위해 준비되지 않은 자산에 대해서도 마찬가지입니다 우리가 한 일은 우리 고객과 함께 일하고 있습니다 유지 보수 및 검사 공간 주변에서도 마찬가지입니다 Google은 고객이 자산에 대한 작업이 필요하며 AR 가이드를 사용하고 있습니다

그들의 모바일 근로자를 돕기위한 검사 응용 프로그램 그들이 취해야 할 단계를 이해한다 그 차량에 대한 검사를 완료해야합니다 따라서 우리 고객에게는 대규모 모바일 인력이 있습니다 그러나 그들은 또한 많은 계약자를 가지고있다 그들이 사용하는 것도

그리고 AR 보장 프로그램은 그 계약자 노동력을 돕는데 아주 유용했다 개인은 그들이해야 할 일을 이해한다 그리고 그들이 그것을 할 필요가있는 곳 우리는 당신에게 그것을 시연 할 것입니다 그래서 Android의 AR 구성 요소를 사용하고 있습니다

Google Glass도 사용합니다 따라서 우리가 한 일의 개요를 제공하는 측면에서 그리고 우리가 그것을 어떻게했는지, 나는 개념에 손을 대어 보았습니다 그래서 우리의 솔루션은 끝에서 끝까지 보입니다 OBD의 데이터 수집에서 GCP를 사용 우리가 차량이나 추가 센서에 가지고있는 터미널 우리가 그 차량에 뿌렸던, Andy Google GCP 구성 요소를 사용하면서 조금 시간이 걸릴 것입니다 우리는 아키텍처 관점에서 사용합니다

왜 우리가 그걸 사용하는지 우리는 데이터와 스트림 모두를 가져옵니다 그것은 유스 케이스에 의존한다 우리가 보여줄 필요가있을 때 보여줄 필요가있는 것 주위에 있습니다 그런 다음 AI의 Google 기능을 사용합니다

관점, AutoML, ML을 사용하여, 우리는 본질적으로 해당 데이터 세트에 대해 분석을 수행하고 있습니다 이러한 오류 이벤트를 식별하기 위해 모든 정보를 시각화한다 보조 현실과 데이터 대시 보드를 통해 Google Data Studio와 모바일 및 Glass 사용 응용 프로그램 우리에게 왜 우리가 우리가하고있는 일과 우리가 오늘날있는 곳으로가는 방법을하는 것, 유럽 ​​내에서 Hitachi가 소유하고 운영합니다 다수의 철도 열차

그리고 우리는 이러한 열차를 조직에 제공합니다 또한 차량에 대한 유지 보수 서비스를 제공합니다 게다가 히타치가 그 기차를 만들면서, 그들은 우리가 되돌릴 필요가있는 데이터를보고있었습니다 이 차량들과 구조들로부터 그것들의 개발과 또한 데이터 캡처 요소 개발 그 열차에 그 정보를 돌려 보내라

그래서 우리는 자산 모니터링과 자산 같은 것을 할 수 있습니다 최적화 이는 GCP 제품군으로 옮겨 가면서 진화 해 왔습니다 그것은 우리가 지금 우리 함대 고객들과 함께보고있는 곳입니다 우리는 데모를 보여줄 것입니다

Predictive GCP를 이용한 유지 보수 모든 정보를 가져 오는 것이 좋습니다 그것을 시각화하는 것은 훌륭하지만 우리는 다음 단계로 나아가고 있습니다 문맥 데이터 소스에서 개입이 필요한 장애 이벤트 유형 그래서 큰 질문은 왜 인공 지능입니까? 왜 지금? 설명 분석에서 출발 예측 분석이 주도합니다

AI 기술의 완성도에 따라 그래서 이것은 방안에있는 많은 사람들에게 새로운 것이 아닙니다 그러나 기업이 그 어느 때보다도 빠르게 진화하고 있으므로, 데이터는 계속 유지되어야하며 통찰력을 제공해야합니다 조직 내의 개인 그 데이터를 최전선으로 가져 와라 그들이 필요할 때 결정을 내릴 수 있도록 도와줍니다 그리고 데이터를 이용하면 새로운 것이 아닙니다

사람들은 시간이 지남에 따라 그것을 해왔습니다 차이점은 현재 컴퓨팅의 발전 이러한 규모와 속도 및 다양성의 발전 사용 가능한 모델의 유형 그리고 빅 데이터 기술의 유형 Google Cloud를 통해 사용할 수있는 모든 항목 캡처 저장, 처리 및 통찰력을 통한 방법 관점은이 시점에서 꽤 준비가되어있다 이러한 통찰력을 전달하는 데 도움이됩니다 크거나 작은 데이터가 아닙니다 데이터 세트가 얼마나 작은 지 상관하지 않습니다

통찰력을 활용하는 방법에 관한 것입니다 올바른 사용 사례를 위해 업계에서 그 개인에게도 가치를 제공 할 수 있습니다 그리고 이것은 이해 나 뒤늦은 생각에서 움직이는 것에 관한 것입니다 통찰력을 통해 그렇다면 어떻게 통찰력을 얻을 수 있습니까? 조직 내 어디서 일해야하는지 알고 있습니까? 그리고 전반적인 목표는 네가 가서 물건을 할 수있는 곳을 예견하기

발생하기 전에 우리는 모두 소수 보고서를 보았습니다 그리고 우리가 그것을 통해 이야기 할 때 이것을 만지기 만하면됩니다 Hitachi는 유지 관리 분야에서 깊은 경험을 가지고 있습니다 히타치는 IoT 세계에서도 깊은 경험을 가지고 있습니다

따라서 우리는 AI 구성 요소뿐만 아니라 Google은 또한 Google의 경험을 활용할 수 있습니다 히타치가 유지 보수 공간 전체에 걸쳐 가지고있는 기술적 분석 공간에서 예측 적으로 그리고 또한 규범 적 분석 (prescriptive analytics)에 관한 새로운 것들 중 일부를 포함합니다 예를 들어 Hitachi에는 AI 솔루션이 있습니다 우리가 컨테이너화하고 가져올 수 있었기 때문에 Google 환경에 운영 위험 또는 운전자와 같은 특정 사항 행동 그리고 우리는 그 통찰력의 일부를 사용했습니다

반드시 그 결함을 감지 할 필요는 없다 데이터 세트를 지원하기 위해 내가 당신을 데려 갈 휴식 예제를 위해 사용합니다 오늘까지 그리고 또한 정말로 중요한 것들이 있습니다 남아있는 유용한 생활 산정 및 결함 주변에 다른 유스 케이스에 대한 예측 우리는이 공간에서 반드시 만지는 것이 아닙니다

그러나 이것을 보여주고 이것을 설명하는 목적은 우리는이 공간에서 좋은 경험을 가지고 있습니다 사용 사례가있는 사람들과 함께 뿐만 아니라 작업을 찾고 있습니다 그리고이 모든 것이 총 작동을 추구하고 있습니다 최적화 및 자동화 그래서 그것은 사후 세계에서 통찰력으로 옮겨가는 것에 관한 것입니다

또한 최적화 공간 AI가 당신이해야 할 일을 이해하도록 돕는 것일뿐만 아니라 그러나 당신을 위해 그것을 조율하거나 달리기 엔드 투 엔드 시스템으로 우리는 거기에 있지 않습니다 모두가 앞으로 나아가 야합니다 그래서 나는 1 초 동안 그곳에서 멈출 것이다 앤디와 함께 잠깐 확인하십시오 일은 잘되고 있니? ANDY LAMONT : 좋아, 좋아

그래, 계속해라 MUBINE DIN : 나는 내가 너에게 나는 많은 것을 말하고 싶다 그래서 나는 정직하게 지키기 위해 Andy를 사용해야 만합니다 ANDY LAMONT : 나는 그를 잠시 무대에서 내려 놓으려고 왔어 MUBINE DIN : 완벽 해

그래서 우리가 실제로 들어 와서 당신을 보여주기 전에 건축에 대해 조금, 나는 우리가 해오 던 일의 일부 특징을 설명하십시오 그리고 우리가 데모를 할 때, 나는 그 일부분을 설명 할 것입니다 게다가 따라서 우리 함대 운영 플랫폼은 정상적인 상태를 유지합니다 모니터링 요소, 그래서 당신은 데이터를 가져와 당신은 몇 마일의 주행과 같은 기본 요소를 보여줍니다

자산이있는 곳, 그리고 그 요소들 우리는 또한 사전 실패 예측, 그래서 우리는 오늘날 우리가 말하는 두 가지 유스 케이스를 가지고 있습니다 함대에있는 에어컨 유닛의 고장 1 개 차량 및 브레이크 패드의 고장 예상 주변 또는 차량의 제동 요소를 포함 할 수있다 또한 비정상 탐지 모델도 있습니다 최고 성능 대비 표준을 살펴 봅니다

공연 우리는 지능형 운전사 점수 요소를 가져옵니다 우리가 얘기 했어 그리고 우리는이 모든 것을 최종 사용자에게 보여줍니다 우선 유지 보수를 통한 유지 관리 계획 수립 실시간으로 상쇄되는 대시 보드 일부에 대한 예측 적 권고 계속되고있는 주기적 작업의 그리고 우리는 또한 그 정보를 나타냅니다

모바일 및 유리 응용 프로그램을 통해 검사를 받고있는 엔지니어들에게 그리고 그 작업을 완료하십시오 이제 앤디 한테 넘겨 줘 고맙습니다 그는 몇 가지 아키텍처에 대한 개요를 알려줄 것입니다 우리가 작업해온 것에 대한 구성 요소

ANDY LAMONT : 안녕하세요 그래, 우리는 분명히 사실에 대해서 이야기했다 엔드 투 엔드 기능, 이를 위해 GCP를 사용하려고합니다 우리는 여러 구성 요소가있는 플랫폼을 구축했습니다 다시 한번, 저는 여러분에게 약간의 통찰력을 줄 것입니다

높은 수준의 플랫폼으로 주로 Google의 청사진을 기반으로합니다 IoT를 위해 이 영역에는 많은 다이어그램이 보입니다 이것은 매우 요약되어 있습니다 나는이 모든 측면에서 중요한 측면을 생각한다

이 아키텍처가 모든 유스 케이스에 꼭 맞을 필요는없는 것입니다 우리는 GCP의 다른 구성 요소를 가져와 사용해야합니다 가족이 어려움을 해결할 수 있도록 도와줍니다 다시 말하지만 속도에 따라 데이터를 소비해야하는지 여부, 실시간으로 이러한 것들을보고, 일괄 적으로 일을하고 싶든, 다른 제품을 사용하게 될 수도 있습니다 이것은 내가 생각하기에 일반적인 것 그러한 해결책에 사용하는 경향이있다

우리의 관점에서 볼 때, 나는 최근에 Cloud IoT Core는 우리가 도입 한 것입니다 일부 고객은 역사적으로 이것을 사용하지 않았습니다 그들은 직접 연결을 사용했을 것입니다 정보를 중앙 집중식으로 저장했지만 지금은 IoT Core를 사용하면 장치에 직접 연결할 수 있습니다 그리고 다시, 플랫폼의 일부로, 우리는 그 기술의 일부를 검증했습니다

그래서 이것은 여기에 있습니다 나는 주로 센서 데이터만을위한 것이 아니라고 생각합니다 나는 이전에 Mubine이 언급 한 것처럼, 다른 많은 정보가 있어요 당신은 실제로 향상시키기 위해 플랫폼에 가져 오기를 원합니다 예측 모델

그리고 다시, 다른 고객은 다른 양을 가지고 있습니다 정보의 그래서 저는 다른 슬라이드 중 하나를 생각해 봅니다 가로장 관점에서, 그들은 자료가 더 많습니다 잠재적으로 당신이 차에 가지고있는 것보다, 그래서 분명히 플랫폼을 확장 할 수 있습니다 당신은 그것을 처리 할 수 ​​있습니다

입력 데이터를 기반으로 GCP의 힘을 사용할 수 있습니다 솔루션에 들어갑니다 다시 생각해 보면, 이전에 우리가 만졌던 것 – 컨테이너 화에 대해 많은 이야기가 있습니다 다시 알고리즘이나 솔루션으로 돌아갑니다 히타치가 우리가 가진 전화를 좋아하기 때문에, 우리는 분명히 이들을 플랫폼으로 가져올 수 있습니다

다시 한번 우리는 항상 GCP 제품을 사용할 필요는 없습니다 우리는 우리 자신의 기술과 사물을 소개 할 수 있습니다 이전에 투자 한 수년에 걸쳐 개발되었습니다 그래서 우리는 그것도 포함시킬 수 있습니다 그리고 다시, 우리는 마지막에 몇 가지 통계를 볼 것입니다

우리가 실제로 그 일을 해왔고, 우리는 플랫폼 사용의 이점을 보여줄 수 있습니다 그래서 우리는 백 엔드에 대해 이야기했습니다 보시다시피, 많은 구성 요소 시각화 관점에서 볼 때, 우리는 Data Studio를 활용하여 우리는 표준 대시 보드 기능으로 분류 할 것입니다 따라서 유지 보수 계획자의 관점에서 볼 때, 이것이 우리가 통합 된 정보를 떠오르게하는 곳입니다

그래서 그게 그 사람이있는 곳입니다 미래의 유지 보수를 지원하기위한 결정을 내린다 노력이 필요합니다 하지만 다시 Google AI와 Glass는 여기서 우리는 가이드 조사를하고 있습니다 그리고 다시 GCP와 상호 작용하는 모든 구성 요소 플랫폼, 데이터 가져 오기, 데이터 제공 수사의 일부가 일어난 후에

나는 이것이 차별화 요소 중 일부라고 생각한다 우리는 GCP에서 부를 수 있습니다 분명히 우리의 관점에서 엔드 투 엔드 기능, 그래서 우리는 분명히 데이터를 수집 할 수 있습니다 처리하고, 분석하고, 분명하게 처리합니다 그것의 뒤에 권고

그것은 분명히 매우 중요합니다 우리가 예지적인 유지 보수 분야에서 성숙해질수록, 능력 있고 아마 나는 생각한다 나왔던 발표들 중 일부 이번 주 Google에서 계속해서 기계 학습 분야에 투자 히타치가하고있는 일뿐만 아니라, 그래서 우리는 우리의 향상된 기능을 가져올 수 있습니다 Google의 향상된 기능을 분명히 사용하십시오 우리가 통과 할 때 그걸 진전시켜야합니다

보안은 큰 일입니다 Google은 보안 측면에서 Google이 수업에서 최상이라고 생각합니다 플랫폼을 구성 할 때 많은 시간, 그것은 단지 거기에있다 그것은 단지 이러한 일을합니다 그것에 대해 걱정할 필요가 없습니다

많은 상자 기능이 있습니다 우리가 플랫폼으로 얻는 것 그리고 다시, 분명히 우리는 다른 고객들에 대해 이야기했습니다 다양한 요구, 속도, 성능, 확장 성은 분명히 언제 알고리즘을 중심으로 많은 작업을하고 있습니다 다시 말하지만, 우리는 이전에 이것에 대해서 아마 만졌을 것이라고 생각합니다

하지만 내 배경은 BI이고, 너는 끝에서 몇 가지 요구 사항을 모으고 갈 것이다 사용자라면 문서를 작성하면 떠나서 건축하십시오 그리고 나는이 시대에 당신이 생각하기에 전체 과정에 더 많은 당사자가 참여했습니다 데이터 엔지니어링은 매우 중요합니다 의미 있고 깨끗한 데이터는 좋지 않습니다

따라서 데이터 엔지니어와 많은 상호 작용이 있습니다 그리고 데이터 과학자들, 그러나 분명히 중요한 사람들은 사업 운영, 이해하는 주제 전문가 이 아름다운 물건들이 어떻게 작동하고, 그들은 그 입력과 안내를 제공 할 필요가있다 다시 생각해 보면 매우 중요하고 당신이 개발하는 모든 것을 만들기위한 열쇠 당신에게 올바른 결과를 제공합니다 왜 히타치 구글인가? 나는 우리가 전에 그것을 만졌다 고 생각한다 히타치는 산업계의 유산을 보유하고 있습니다

아마 단일 태그 줄로 생각합니다 아마 우리가 사용하고있을 것입니다 산업 전문 지식을 제공하는 플랫폼으로서의 Google 마트로 우리는 힘과 유익을 볼 수 있습니다 이러한 솔루션을 개발할 때 GCP를 사용하는 것입니다

그렇습니다 기술에 대한 간략한 개요입니다 내가 말했듯이 이제 우리는 가고있다 실제 데모를 진행하는 것 응용 프로그램의 MUBINE DIN : 완벽 해 고마워, 앤디

자, 여러분 모두는 이미 부스를 지나서 데모를 보았습니다 그래서 이것은 당신이 그것을 본 두 번째 것입니다 나는 이미 그런 일이 일어 났을 것이라고 확신한다 그래서 무엇에 대한 개요를 우린 고객과 함께 했어 분명히 우리 고객은 레고 차량 만 갖고있는 것이 아닙니다

레고는 AI가 성공적이고 통찰력을 발휘할 수있는 원동력이 아닙니다 그것은 우리가 시연 할 수있게 해줄뿐입니다 우리가 필요로하는 조각들 하지만 근본적으로 우리 고객은 많은 일을하고 있습니다 유지 관리 관점에서 수행해야하는 작업 약 두 가지 특정 사용 사례가 있으므로 AC, 에어컨, 상태의 HVAC, 그리고 그들의 브레이크 요소

그것이 그들이 많은 시간을 보내는 곳입니다 차량 보유 유지 측면에서 그리고이 차량들은 분산되어 있습니다 큰 지리적 영역에서, 조직 내에서 많은 모바일 인력 사용자를 보유하고 있으며, 그러나 그들은 계약자 풀을 활용합니다 필요할 때 리소스를 사용할 수 있습니다 그래서 우리는 우리가 어떻게 제공 할 수 있는지에 대해 끝까지 생각하기 시작했습니다 그들 모두가 집중해야 할 부분을 이해할 수 있도록 도와주는 솔루션 그들의 관심과 올바른 중재를 언제 만들어야하는지 자산이 실패하기 전에 또한 얻을 수있는 방법 계약자가 올바른 정보를 제공 할 때 시각적으로도 필요합니다

당신이 노동자로서 원하는 마지막 것은 많은 종이입니다 이 모든 것의 핵심은 데이터 관리의 관점에서 볼 때, 클라이언트는 차량에서 내리는 데이터에 액세스 할 수 있습니다 그래서 유럽에는 OBD2 터미널이 있습니다 다시 스트리밍하는 차량 내부에 앉아있다 그 차량에 관한 많은 정보

자, 그게 많은 소리 야 맞지? 많은 정보를 얻지 만, 당신은 그것이 당신에게 어떻게 유용한 지 알아낼 필요가 있습니다 그래서 나는 그 중 하나를 사용하는 것에 빨리 닿을 것입니다 우리는 오늘 에어컨을 중심으로 이야기 할 것입니다 그래서 우리 고객이 많이 알게되었습니다

고객 피드백 측면에서의 이슈 그들이 AC 성능을 빌리는 차량을 위해 문제는 다른 유지 보수 요소 중 일부와 비교할 때, 많은 유지 보수 작업 이 AC를 수리 또는 정비하는 것이 었습니다 차량 전체에 걸쳐 그리고 각 차량은, 분명히, 약간 다른 단위, 약간 다른 유지 보수 일정 패턴과 그것들 따라야 해 그래서 우리는 클라이언트와 협력하여 어떤 데이터 요소가 되돌아 오는 데 유용할까요? AC 사용 주위의 차량으로부터, 그래서 시작 온도에서 시작하는 데 걸리는 시간을 보았습니다 원하는 온도로의 전환은 좋은 출발점입니다 냉각 및 가열 모두 그런 다음 실패 정보를 살펴 보았습니다

우리는 그 고객으로부터 모일 수있어 그들의 유지 보수 레코드, 또한 필요한 외부 데이터 소스 AC 사용 사례를 지원합니다 그러면 외부 온도 정보를 어떻게 가져 옵니까? 어떻게 우리는 최소한 가치를 테스트 할 수 있습니까? 추가 차량을 차량에 추가하는 방법 강력한 데이터 세트를 가질 수 있습니다 결함 생산 관점에 도달 할 수 있는가? 우리 고객도 SME 경험을 통해 알아 차 렸습니다 관점은 당신이 시간에 이러한 에어컨 문제에 도착, 당신은 전에 그들을 치료할 수 있습니다 총 실패로 변합니다

예를 들어, 자산의 성능이 저하되는 경우 AC 관점에서 볼 때 우리 모델은이를 나타냅니다 우리는 그 자산이 서비스 받았음을 알고 있습니다 지난 6 개월 동안, 정말 성능 문제가 없어야합니다 아마 우리가 원하는 자산 일 겁니다 작업 우선 순위 지정, AC 장치 내의 문제 대개 압력을 제거하기 위해 내려 간다

시스템의 냉각제 누출, 조각의 종류 그리고 그들은 기반을 식별 할 수 있습니다 우리가 그 요소들과 그 영역들을 창조 한 것에 당신이 그것에 도착해서 호스를 수리 할 수있는 곳 또는 그와 함께있는 모든 문제를 개선하여 전체 단위 실패하지 않습니다 그래서 우리는 그 유스 케이스를 통해 당신을 데려 갈 것이다 우리는이 관점에서 두 가지 초점을 맞 춥니 다

대시 보드 곧 앤디가 너에게 말할거야 우리가 그 모든 정보를 떠안고있는 곳, 우리는 그것을 통해 당신과 이야기 할 것입니다 해당 모바일 인력을위한 AI 검사 조각 안내 게다가 ANDY LAMONT : 대시 보드 관점에서 보면, 이것은 [INAUDIBLE] 빵과 버터 BI 유형입니다

정보를 보여줄 수단을 가진 물건 행동을 취할 필요가있다 다시 대시 보드 관점에서 볼 때, 여기서 우리가하는 일은 우리가 효과적으로 요약하는 것입니다 일어난 사건들 자, 그 사건들은 시스템 그 자체 일 수 있습니다 생성되었거나 실제로이 경우 우리가 모델을 실행 한 곳입니다

이러한 권장 사항이 제시됩니다 곧바로 행동 할 필요가있는 것들 다시 한번 말하지만 이것은 더 많은 유지 보수입니다 개인과 대비되는 계획의 관점 다시 말하지만, 우리는 그 세부 사항을 분명히 파고들 수 있습니다

우리는이 일이 실패한 곳의 세부 사항을 보러 갈 수 있습니다 그래서이 경우에, 에어컨 그리고 다시, 이러한 조건 점수에 기초하여, 이것은 우리가 생성하는 점수입니다 다시 말하지만, 이는 입력 요소를 기반으로합니다 다른 구성 요소 및 모델 용 우리가 예상하는 것

다시 한번, 단지 시각적 인 표현 우리가 궁극적으로하는 정보 가서 검사를 할거야 그리고 그것은 우리의 다른 아름다운 차입니다 우리는 HVAC와 제동에 대해 이야기했습니다, 그러나 우리가 실제로 가지고있는 데이터 세트의 일부로서, 데이터 과학자들은 실제로 네가 원했고 시작했다면 진화를 시작했다 운전자의 행동에 관한 것들을보고, 이것이 분명히 핵심적인 측면이기 때문입니다 잠재적 인 분해로, 특히 브레이크가 걸린 곳, 운전자가있는 곳 지속적으로 제동을 걸고 최적의 상태로 운전하지 마십시오

다시 말하지만, 함대에서 매우 유용합니다 업계의 관점 그것은 또한 열차에 사용되는 비슷한 종류의 당신이 시도하고 최적화하고자하는 것들을 그리고 다시, 우리는 몇 가지 기능을 구축했습니다 이 대시 보드는 여기에 있습니다 집계 된보기 및 주요 측정 항목 중 일부를 보여줍니다

사람들이 당신이 시작할 때 포착하기를 원한다 운전 행동을 살펴 보겠습니다 그리고 다시, 우리는 그 세부 사항을 조사 할 수 있습니다 나는 이것들을 빠르게 건너 뛸 것이다 그러나 다시, 그것은 교육적인 것

그래서 우리는 분명히 그것을 어디에서 사용할 수 있습니까? 우리는 들어가서 실제로 조사하고 봉사해야합니다 차량, 그러나 우리는 또한 교육에서 이러한 것들을 사용할 수 있습니다 관점, 왜냐하면 분명히 같은 드라이버가 원인이되기 때문에 비슷한 종류의 문제가 있다면 우리는 분명히 궁극적으로는 분명히 시정 조치를 취하십시오 운전중인 차량이나 운전중인 차량을 개선하십시오 MUBINE DIN : 그리고 그것을 구축하기 위해, 우리 고객은 이제 우리가 가져 오는 데이터를보고 있습니다

브레이크 관점과 운전자 점수 관점 말하자면, 그것은 유지 보수에 좋으며, 그러나 우리가 어떻게 그 정보의 표면을 드러내 기 시작할 수 있습니까? 그 최종 사용자에게, 그 운전자에게 그들이 최적으로 운전하지 않는다는 것을 알고, 그들은 가혹하게 가속하고 있거나 가혹하게 제동하고 있습니다 그 (것)들을 말하기의 방법으로 아닙니다 그러나 그 (것)들을 돕기의 방법으로 그들의 성과를 이해하십시오 우리는 건강 모니터링 어플리케이션, 네가 뭘보고 있는지 알면 돼 네가 사실에 순진 할 수도 있기 때문에 당신이 효율적으로 운전하지 못한다고 좋아, 고마워 MUBINE DIN : 완벽 해

그럼이 부분은 당신이 실제로 레고 포르쉐를 보시려면 여기를 클릭하십시오 본질적으로이 시나리오에서 우리는 고객의 모바일 인력을위한 애플리케이션을 만들었습니다 우리 고객은 모바일 인력을 구성하기를 원합니다 올바른 활동을 수행 할 수있는 계약자의 유지 관리 관점에서 볼 때 2 ~ 3 가지가 있습니다 우리가 여기에서하고 있고, 이것은 검사에 관한 모든 것입니다

워크 플로우 이걸로 – 그리고 우리가 가진대로 예제를 통해 이야기하겠습니다 비디오는 백그라운드에서 재생됩니다 그러나 본질적으로 유지 보수 세계에서, 너는 놀랄 것이다 그러나 많은 수가있다 누군가가 일하러 나가는 시간들 차량이나 자산에 상관없이 함대 자산 또는 다른 자산 인 경우 그들은 잘못된 차량에서 일합니다

나는 레일의 배경에서 약간 온다 그 일이 일어나는 곳 모두 어디 있는지 알고있는 것처럼 느껴집니다 당신은 데이터베이스로부터 정보를 얻으며 그것은 당신에게 알려줍니다 그 위치에있어

고정 자산입니다 너 거기 백만 시간 있었어, 너 거기에, 당신은 체크리스트를 보았고, 당신이해야 할 일을 알았습니까, 너는 그것을 완료로 표시하고, 실제로는 깨닫지 못한다 그 옆에있는 똑같은 단위, 너는 틀린 것에서 일했다 Google을 통해 시각 식별을 위해 AR을 사용합니다 사용자가 해당 자산을 이해하는 데 도움이됩니다

이제 자동차로 쉽게 번호판을 가지고 있기 때문에 쉽습니다 우리는 그 차량들을위한 등록 번호판을 가지고 있습니다 고객사에게는 세 가지 유형의 차량이 있습니다 그래서 우리는 그 세 대의 차량에 대해 훈련했습니다 종류뿐만 아니라 번호판 그 오류의 가능성을 제거하십시오

데모 목적으로 오늘보실 수 있습니다 우리는 모델을 재교육했고, 우리는 그 데이터의 일부를 흉내 냈습니다 그것을 위생 처리하여 실제로 레고 유닛 자체에 대한 AR 이미지 인식을 참조하십시오 응용 프로그램을 사용하여 수행하는 다른 작업 우리는 사용자가 어디에서 이 검사에주의를 기울이십시오 예를 들어 AC 검사 엔지니어가 될 수 있습니다

그러나, 나는 모든 차에서 일하지 않았을지도 모른다 세계에 존재해온 사람들, 그래서 그것은 그 차량에 대한 정보를 떠 올리기위한 것이고, 그리고 그것은 우리 모두에 관한 것이고 그 다음에는 훈련입니다 우리 고객들의 ' 차량 및 자산 따라서 차량 및 차량 자산 외부에서 확장 가능합니다 사람들을 돕는 데 엄청나게 강력합니다 그들이해야 할 일을 이해하십시오

그래서이 시나리오에서, 우리는 본질적으로 – 내가 말한 부분, 모델 AC 효율 문제가 강조되었습니다 이것은 시스템 내의 가스 조절 때문일 수 있습니다 또는 누출 어딘가에 AC 장치는 아주 최근에 서비스를 받았다 그래서 실제로 우리가하는 것입니다

우리 고객을 목표로 삼아 그들을 밖으로 내 보내라 그 검사를 완료하십시오 그리고 우리는 계속해서 검사를 마칠 것입니다 그 유닛에 대항하여 그래서 이것이 우리가 마술을 희망하는 곳입니다 동영상이 재생됩니다

아마 시간에서 멈출거야 우리가하고있는 일 중 일부를 다시 정리하는 시간을 가졌습니다 이것은 사용 케이스 시나리오의 개요입니다 우리가 작업 중입니다 그러나 근본적으로, 사용자는 작업 대기열, 작업을 볼 수 있습니다

그들이 가서해야 할 일 그리고 분명히, 그들은 많은 정보를 얻습니다 우리 모델을 통해 우리가 모델에서 보유하고있는 것은 무엇이든간에 그들에게 올바른 정보를 제공하십시오 그들이해야 할 일, 자산이 어디에 있는지, 그리고 우리는 계속 연주 할 것입니다

Google은 본질적으로 탐색을 돕습니다 그들이 일을해야하는 곳이면 어디든 갈 수 있습니다 예를 들어 Google지도를 사용하는 경우 그들을 위치로 데려가 간단한 목적을 위해이 부분에 대해 시뮬레이션합니다 그들은 자산에 도달하고 자산을 식별해야합니다

그래서 이전에 얘기했던 부분 잘못된 자산을 다루는 일은 대단히 강력합니다 우리가 일을 바로 잡을 수 있도록해야합니다 첫 번째는 올바른 자산입니다 따라서 우리가 게임을하게되면 AR 요소가 나타납니다 그래서 인식 요소

사용자는 자산 전체에서 모바일 또는 Glass 기기를 보유하고 있으며, 우리의 데이터베이스에서 데이터를 가져온다 관련 정보 표시 우리는 그 유스 케이스와 그 사용자를 위해 표면화하고 싶습니다 이러한 데모 목적으로, 우리는 마일리지를 인출했습니다 우리는 자산 조건 점수와 포커스를 철회했습니다 지역뿐만 아니라 이제 우리가 게임을 할 때 앱도 해당 사용자에 대한 정보 제공 사용자는 자신이해야 할 일을 이해할 수 있습니다

따라서 AC 검사 관점에서 볼 때, 보통 세 가지가 있습니다 볼 것, 응축기, 압력 시스템 내에서뿐만 아니라 비품을 확인하십시오 호스 주위의 부속품 그 공간에 누수가 발생 했습니까? 그래서 본질적으로, 사용자는 기본적인 정보를 얻습니다 그리고 나서 그들은 이것을 통해 인도됩니다

재생을 클릭하면 검사가 시작됩니다 그들은 분명히 말하게 될 것입니다 그들의 관심을 집중해야합니다 그들은 자산을 스캔 할 것이므로 이것은 카메라를 사용하고 있습니다 시각적 인 정보를 되 돌리는 것, 우리 모델을 체크하는 것, 그런 다음 정보를 가져와 그것은 그들이해야 할 일이다

그래서이 시점에서 세 가지 검사 영역을 호출했습니다 자, 다른 차량, 다른 차량, 당신은 호스가있는 다른 분야가있을 것이다 또는 콘덴서 유닛을 구비하고,이 사용자가 클릭하여 작업 할 내용을 확인할 수 있습니다 그리고 그들이 수행해야 할 단계들 따라서 작업 체크리스트 작업의 끝을 없애고, 그 사용자를 무엇에 집중 시켰는지 그들이 그것을 할 필요가있을 때 그들은해야 할 필요가 있습니다

원하는만큼 복잡해질 수 있습니다 그것은 당신이 일하고있는 자산에 의존해야합니다 그래서 정말 강력합니다 그리고 나서 분명히 정보가 흘러 나오고, 데이터베이스로 전달됩니다 그래서 우리는 무엇에 대한 긍정적 인 피드백을 가질 수 있는가? 실제로 거기에 결함이 있었는지 여부, 이유 코드로 보강 우리가가는대로 배우십시오

이것이 AR 관점의 데모입니다 그리고 이것이 바로 우리가 희망하는 곳입니다 그리고 우리는 다음에 갈 수 있습니다 다시 말하지만, 왜 우리가 이것을하고 있는지의 가치 따라서 우리가 고객을 위해 왜 이것을하고 있는지의 가치 유지 보수 부담을 줄이는 데 도움이됩니다

유지 보수 관점에서 효율성을 향상시키고, 그 전에 자산을 유지하고 유지하십시오 실패 할 때 더 많은 시간과 노력을 들이지 않아도됩니다 그 자산은 나중에 커미션을받지 못합니다 줄을 내려 이러한 자산의 가동 시간을 향상시킵니다

차량을 타고 작은 수리를 할 수 있다면 큰 교체를해야하는 것에 반대하는, 그러면 당사자들이 사용할 수 있습니다 자본 비용을 줄이면 외출하고 AC 기기를 수리하려고합니다 당신이 현재하는 것처럼 자주 당신은 그 단위를 더 높은 수준으로 유지할 수 있기를 원합니다 효율성 수준을 유지하므로 수명이 길어집니다

그래서 주요 테이크 아웃, 그리고 당신이 궁금해하는 모든 걸 알고 있습니다 그래서 무엇이 그리고 얼마나 많은 것들이 데이터로부터 영향을받을 것인가? 처리 관점 나는 Andy에게 거기에 그것을 전할 것이다 ANDY LAMONT : 이것은 왜 그저 그런 이유의 예일뿐입니다 플랫폼은 정말 유용합니다

그것은 에어컨 조사 중 하나의 일부입니다 우리는 몇 가지 분석을했고, 우리는 시도했다 이상으로 시뮬레이션해야했던 데이터 세트를 확장 12 개월간의 정보 그래서 그 큰 숫자를 볼 수 있습니다 우리가 전제 조건으로이 작업을 시도한다면, 우리는 아마도 투쟁 할 것입니다

그래서 이것은 우리가 처형 한 직업이었습니다 당신이 볼 수 있듯이 분명히 말입니다 꽤 많은 양의 계산 그것은 실행하는 데 약 22 분이 걸렸고, 비용은 $ 12에 불과했습니다 따라서 우리가 데이터 과학 팀에게 이러한 능력을 부여 할 때, 역사적으로 그들은 행복합니다

많은 돈을 쓰는 것을 염두에두고, 왜냐하면 그들은 얼마나 많은 컴퓨팅 파워 비용을 알고 있기 때문입니다 그러나 그들은 실제로 놀랐다 그들은이 물건들이 얼마나 많은지에 대한 결과를 보았습니다 MUBINE DIN : 말하자면 핵심 테이크 어웨이의 조건 우리 고객과의 경험을 배우고, 따라서 함대 최적화는 지속적인 노력입니다 그래서 당신이하고 싶은 것을 이해하는 것입니다

어디에서 그것을하고 싶습니까? 유스 케이스 관점에서 개선하고 싶다 따라서 AC는 시작과 함께 중단되며 고객은 이제 다른 모든 것을 배우기 우리가해온 데이터를 토대로하고 싶을 수도 있습니다 그들을 끌어 올릴 수있었습니다 데이터가 충분하지 않습니다

핵심 포인트는 데이터를 가져올 수있는만큼의 데이터입니다 충분하지 않습니다 해당 데이터를 문맥 정보와 결합해야합니다 그 주제에 대해서도 전문 지식과 새로운 센서를 추가 할 수있는 능력 추가 데이터 포인트 가져 오기 당신이 이득을 얻을 수 있기 때문에 원래 붙잡지 않았다고 당신이 증명하려고하는 것 예를 들어, 브레이크 주변의 유스 케이스와 함께, 우리는 운전자 행동에 관한 추가 데이터를 가져 왔고, 누군가가 심하게 운전하는 경우, 브레이크가 영향을받을 것입니다

점수가 계산되는 이유는 이것이 유일한 요인이 아닙니다 그러나 그것은 조합 요소입니다 그런 다음 우리는 지형, 날씨, 그 사람들이 차량을 사용하는 방법에 영향을 미칩니 까? 브레이크 관점에서? 그리고이 다른 열쇠는 이동할 수있는 속도와 규모입니다 구글의 관점에서 Edge 데이터에서 모든 액세스 권한을가집니다

새로운 장치의 인증에 캡쳐 ML 및 컨테이너의 사용에 IoT 코어 사용 해당 데이터 세트에 대한 분석 수행 강력하고 강력한 시각화 도구 해당 최종 사용자에 대한 정보 제공을 돕기 위해 그들이 직업을 완성 할 수 있도록 예를 들어, 가이드 된 AR에 대해 이야기 할 때 조사 신청서에는 두 가지 방법으로 시험해 보았습니다 처음에는 모바일 애플리케이션으로 시도했습니다 사용자를 위해, 그리고 우리는 AR 조각으로 그것을 시도했다 그리고 옆으로, 클라이언트는 또한주의했다 AR 애플리케이션을 사용하는 사람들 그들이하는 일에 더 많은 관심을 기울였다 그것이 새로운, 참신한 기술이기 때문입니다

하지만 너를 고정시킬 필요가있는 작은 찌르다 당신이하고있는 일에 이렇게 말하기 쉽습니다 글쎄, 나는이 형태를 백만 번 했어 나는 내가하는 일을 안다 카메라와 그 요소를 사용해야하는 경우, 그것은 자산에 당신의 마음을 집중 너도 잘하고있어

여기서 다른 부분은 기술에 대한 모든 것이 중요하다는 것이며, 하지만 기술 플러스 비즈니스 성공을 제공하고 통찰력을 전달하는 데 도움이되는 상황입니다 당신의 사람들은 당신의 가장 강력한 자산입니다 이 모든 과정은 모두 고객과의 변화 여정을 통해 AI 고급 분석 잠금 해제하려는 가치를 파악하고, 자신이 관심을 갖는 분야를 이해하고 가치를 증명하고 가치를 입증하고자하는 다른 사람들을 접어 넣는 것 그 개인들을 포함시키는 것 그 과정에서 시각화 도구를 통해, 그래서 당신이 그들과 함께 도움을 줄 수있는 부드러운 프로토 타입 사업은 무엇이오고 있는지 이해한다 애자일 방식으로 전달 될 내용을 조정하십시오 그래서 그들이 결국 받게되는 것 실제로 그들이하는 일에 유익합니다

나는 우리가 우리 시대를 향해 경과했다고 생각한다 나는 약 5 분 동안 질문이 남아 있다고 생각한다 조금이라도 더 많이 이해하고 싶다면 이것에 대해서, 꼭 너는 사진 찍는거야 그 QR 코드를 스캔하거나 히타치를 살펴보십시오 Google 웹 사이트에 액세스하면 애플리케이션의 정보 너도 보았다

그리고 오늘 같이와 주셔서 대단히 감사합니다 ANDY LAMONT : 고마워

Using Google's Data and AI Technologies with Kaggle (Cloud Next '19)

[음악 재생] ANTHONY GOLDBLOOM : 안녕하세요 나는 앤서니 골드 불룸입니다

나는 Kaggle의 CEO 다 그리고 실제로 – 2 년 전이 사건이있었습니다 Kaggle이 Google에 합류했다고 발표했습니다 그래서 Google Next는 일종의 멋진 감상적 성격을 가지고 있습니다 알다시피, 우리에게 감상적이야

손을 대고, 얼마나 많은 사람을 보여줄지 전에 Kaggle에 대해 들어 봤어? 그게 네가 여기있는 이유야 얼마나 많은 Kaggle 계정이 있습니까? 오, 좋았어, 이거 좋다 얼마나 많은 사람들이 경쟁에 참가했는지, 커널을 작성했거나 데이터 세트를 다운로드 했습니까? 시원한 그렇게 희망을 갖고, 비율은 조금 싸게 얻었다 끝을 향해

그러나 희망적으로 이것은 매우 흥미 롭다 이 얘기가 끝날 때까지 모두 그 모든 것들을 죽이려고합니다 Google 내에서 자체 브랜드와 자체 팀으로 운영됩니다 당신은 우리를 다음과 같이 생각할 수 있습니다 우리는 매우 큰 기계를 배우고 있습니다

우리는 28 명의 회원이 있습니다 실제로, 우리는 840,000 2 년 전에 Google에 합류했습니다 그래서 우리의 성장은 일종의 기계의 반영입니다 학습은 성장하고 진화했다

그래서 우리가 많이 생각하는 것 중 하나는 어떻게 우리가 우리 사회에 – 우리는 플랫폼 중립적 인 공동체입니다 그래서 사람들은 그들이 좋아하는 것을 사용할 수 있습니다 하지만 구글은 정말 멋지다 Google과의 제휴에 대한 정보는 Google입니다 제 의견으로는 세계 최고의 데이터 분석, 기계 학습 회사

그리고 Google Cloud는 실제로 움직이고 있습니다 데이터 분석 및 시스템을위한 최고의 클라우드로의 전환 배우기 그래서 우리가 가진 것들 중 하나 조금 실험을 시작했다 우리가 자본 공동체에 줄 수있는 방법은 무엇입니까? Google 및 Google Cloud 도구에 대한 노출? 그래서 우리는이 여행의 시작일뿐입니다 Google에서 처음 몇 년 동안 Google 인프라와의 제휴에 중점을 두었습니다

보안 및 개인 정보 보호 정책 작은 출발로, 당신은 다른 입장을 가지고 있습니다 구글과 같은 회사에 GDPR과 같은 것들에 관해서 그리고 그 많은 일들이 우리 뒤에 있습니다 우리는 무엇이 길들인지에 대해 많이 생각하고 있습니다

Google이하는 일 우리 지역 사회에 매우 흥미로운 그래서 레이첼이 너에게 줄거야 우리가 해낸 초기 일들에 대한 약간의 감각 레이첼이 말했듯이, 도리가 있습니다 그래서 우리는 질문을 매우 기쁘게 생각합니다

우리가 생각하고있는 것들의 종류에 대해서 어떤 종류의 일이 올지 모릅니다 그래서 나는 Rachael에게 넘겨 줄 것이다 RACHAEL TATMAN : 고마워 그리고 이전에 도리를 사용하지 않았다면, 이 세션에서 앱에 있어야합니다

Q & A 버튼이 있습니다 그리고 그걸 명중하면 질문에 대답 할 수 있습니다 그리고 우리는 마지막에 멋진 큰 시간대를 구하려고 노력할 것입니다 나는 케글 러가 최고라는 것을 알고 있기 때문에, 그리고 너희들은 항상 많은 질문을 가지고있다 그리고 그 문제를 해결할 시간이 있는지 확인하고 싶습니다

그래서 저는 여러분 대부분이 Kaggle이 손의 쇼에 근거합니다 내가 맨 먼저하는 일 Kaggle이 커뮤니티라고 생각할 때를 생각해보십시오 정말 전문 기술 커뮤니티입니다 우주에 들어가는 사람들 또는 잠시 동안 일하면서 친구를 사귀고, 어울리고, 기술 습득, 사물 습득, 자원 공유 그리고 결국, 우리는 당신을 지원할 수 있기를 원합니다

Kaggle에서 모든 데이터 과학 작업을 수행합니다 Kaggle에는 무엇이 있습니까? 사람들, 많은 사람들 – 내가 커뮤니티에 대해 많이 언급한다는 것을 안다 하지만 케 글러가 최고라고 생각합니다 현재 270 만 명이 넘는 사용자가 있습니다 나는 우리가 매달 로그인하는 약 30 만 명의 사람들이 있다고 생각한다

커널을 작성하거나 데이터 세트를 다운로드하거나, 또는 대회에 참가하십시오 우리는 또한 15,000 개의 공개 데이터 세트를 보유하고 있습니다 그래서 우리가 업로드 한 데이터 세트입니다 또는 대부분 사용자가 업로드했습니다 그들이 공유하고 싶어하는 것

그래서 수집 한 것들, 연구 데이터 세트, 우리는 그 중 일부 예에 관해서 조금 이야기 할 것입니다 그리고 우리는 또한 스크립트와 노트가 정말 큰 몸체를 가지고 있습니다 그래서 이것은 다른 작업을 수행하기위한 코드입니다 물론 개인적으로도 작업 할 수 있습니다 데이터를 비공개로 유지하고 코드를 비공개로 유지하십시오

그러나 사람들은 실제로 그들의 일에 매우 관대합니다 그것을 공유하고 어떻게해야하는지 사람들을 안내하십시오 다양한 기계 학습 작업 그래서 뭔가 일반적인 것을하려는 경우, 감정 분석이나 물체 감지를 해보 죠 아마 누군가는 이미 커널을 작성했습니다

그리고 너는 갈 수있어, 조금 upvote 당신은 유용한 커널을 upvote하고 싶습니다 그리고 나서 포크 그리고 처음부터 시작할 필요는 없습니다 다른 사람이 이미 가지고있는이 파이프 라인을 사용할 수 있습니다 세워짐

그리고 시간을 크게 절약 할 수 있습니다 나는 항상 다른 사람들의 Kaggle 커널을 사용하고있다 내 일을 시작하는거야 그래서 우리는 아마도 경쟁 플랫폼으로 잘 알려져있을 것입니다 그것은 우리가 시작하는 방법입니다

그리고 우리는 절대적으로 그렇게합니다 그러나 요즈음, Kaggle는 경쟁보다는 더 많은 것이다 그리고 저는 그 중 일부를 강조하고 싶습니다 우리가 최근에 한 일들, 변화의 일부 그래서 내가 개인적으로 사용하는 Kaggle 제품 가장 많은 것이 커널이다

커널이란 무엇입니까? 내 말은, 그들은 18 가지 다른 것들 데이터 과학 및 컴퓨터 과학 분야 따라서 Kaggle 커널은 브라우저 환경의 코딩 환경에서 호스팅됩니다 그래서 우리는 주피터 노트북을 지원합니다 그것은 가장 인기있는 것입니다 파이썬 3 및 R 커널을 지원합니다

파이썬 2는 지원하지 않습니다 그리고 우리는 또한 대본을 가지고 있습니다 그래서 이것은 평면 파일입니다 그리고 우리는 Python R과 R Markdown을 지원합니다 그럼 당신이 R 마크 다운 팬이라면? 네! 나는 Markdown의 열렬한 팬이다

그래서 Kaggle에 Markdown을 작성하고 실행할 수 있습니다 그러면 사람들과 공유 할 수있는 멋진 링크가 있습니다 또는, 물론, 다운로드하고 블로그를 사용하는 것을 의미합니다 책을 내리고 책을 내리거나 내리거나 다른 사람이 있으면 생태계에서 사용 그리고 우리는 커널을 만들었 으면 정말로 그것을 공유하는 좋은 방법

너는 그것을 공개한다 포럼에 게시 할 수 있습니다 당신이 잠시 동안 사이트를 방문하지 않았다면, 우리는 이제 개인화 된 뉴스 피드를 갖게되었습니다 그래서 우리는 알고리즘 적으로 커널을 선택했습니다 우리가 당신에게 흥미로울 것 같아요

또는 우리가 생각할지도 모르는 경쟁 발표 언제나 새로운 소식을 접할 수 있습니다 사람들이 얘기하고 있습니다 그리고 커널과 데이터 세트를위한 진행 시스템이 있습니다 대회뿐만 아니라

따라서 다른 사람들의 데이터 세트와 커널을 업로드하는 것 – 죄송합니다 다른 사람들의 포럼 게시물과 커널을 업로드하면 도움이됩니다 그들은 경쟁 시스템에서 진보하고 말하며, 안녕하세요,이 커뮤니티는 저의 작품을 중요하게 생각합니다 그것에 대해 배우는 것은 좋은 일입니다 다른 사람들이 당신의 일을 소중히 여기거나 당신이 그들이하는 일에 감사드립니다

여기에 예제 커널이 있습니다 작게 나는 썼다 그리고 이것은 R 커널입니다 나는 R을 좋아한다 파이썬도 사용한다

그리고 이것은 웨이브 파일을 읽는 법을 보여줍니다 스펙트로 그램을 만듭니다 그리고 익숙하지 않다면 스펙트로 그램 오디오 파일의 시간 주파수, 강도 변환입니다 기본적으로 소리를 시각화하는 방법입니다 그리고 이것은 땅 앵무새의 소리를 보여줍니다

는 땅에 사는 호주의 앵무새입니다 그리고 생물 음향 연구원은 그들이 한 통화의 데이터 세트를 업로드했습니다 이 앵무새에게서 기록했다 이제는 음향학 배경을 가지고 있습니다 제 생각에 그것은 다소 재미 있습니다

그래서 나는 단지 약간의 시각화를 채웠다 그들이 어떻게 생겼는지 보여주기 위해서 그리고 다른 누군가가 스펙트로 그램을 원한다면, 우리는 현재 사운드 기반 경쟁을 계속하고 있습니다 이 커널을 복사하고,이 커널을 fork하고, 다른 데이터 세트에서 그것을 읽으십시오 내가 사용한 데이터 세트와 이 코드를 새 데이터 세트에 다시 적용하십시오

그래서 저는 협업과 토론에 대해 언급했습니다 우리의 포럼은 훌륭한 duper duper active입니다 기술적 인 질문을하는 것은 정말 좋은 곳입니다 다른 데이터 과학자 커뮤니티에 그리고 물론, 할 일이 많이 있습니다

스택 오버플로가 있습니다 Stack Exchange가 있습니다 그러나 특히 기계 학습, 깊은 학습, 기계 학습 공학, Kaggle 커뮤니티 정말 위대하고지지가됩니다 그리고 우리에게는 또한 사건이 있습니다 따라서 이들 중 일부는 직접 방문하고 일부는 디지털 방식입니다

그래서 인 – 인 이벤트의 예는 Kaggle Days입니다 이것은 모든 사람의 사진입니다 조금 전에 Kaggle Days 파리에 갔다 현재 Kaggle Days가 있습니다 바로 지금 다음과 함께, 내가 두려워하는 것이 가득 찼습니다

그래서 사전에 서명하지 않았다면 내년에 우리를 붙잡아 라 그리고 정말 대단했습니다 우리는 거장들과 대화를했습니다 사람들은 워크샵을 진행했습니다 우리는 사이트 경쟁에 조금 노력하고 있습니다

사람들은 제조와 함께 지금 일하고 있습니다 예측, 결함 감지 그리고 정말 환상적인 방법이었습니다 사람들과 얼굴을 보며 만날 수 있습니다 온라인에서 채팅하는 시간이 너무 많기 때문입니다

아니면 당신은 포럼에서 과거를 보았을 것입니다 너는 마치, 나도 몰라 내가 그들에게 접근 할 수 있다면 그리고 대면하는 사람들을 만나는 것은 정말 좋았습니다 그래서 당신이 Kagglers와 함께하고 놀고 싶어한다면, Kaggle Days를 주시하십시오

또한 온라인 이벤트도 제공합니다 우리는 많은 사용자가 있음을 알고 있습니다 세계의 다른 지역에서는 그렇지 않을 수도 있습니다 파리 또는 샌프란시스코에 가려면 합리적이어야합니다 따라서 우리는 모두에게 다가 가고 있음을 확실히 확인하고자합니다

우리는 실제로 접근 할 수 있습니다 그리고 비록 당신이 미국에 있고, 당신에게는 작은 아이들이있다해도 여행 할 수 없다면, 우리는 확실히하고 싶다 당신은 여전히 ​​전문적으로 성장할 수 있습니다 데이터 과학자로서 우리가 다음주에하고있는 일 중 하나는 사실

당신은 여전히 ​​이것을 신청할 수 있습니다 – CareerCon입니다 그리고 이것은 완전히 디지털 이벤트입니다 첫 번째 데이터 과학 직업을 착륙하는 데 도움을줍니다 그래서 나는이 일환으로 교육 행사를하고있다

API를 만든 적이없는 사람들을 돕기 위해 API를 처음부터 우리는 공개 API에 대해 이야기 할 것입니다 당신은 그것을 Swagger로 알 수 있습니다 우리는 약간의 [INAUDIBLE]을 만들 것입니다 우리는 그것을 제공 할 것입니다 우리는 그 과정을 밟을 것입니다 그래서 뭔가 보여줄 수 있어요 포트폴리오 또는 이력서에 '이봐, 물론 저는 데이터 과학자입니다 그리고 저는 기계 학습에 능숙합니다

그러나 나는 또한 무엇에 대해 조금 안다 소프트웨어 엔지니어들 그리고 나는 그들과 나의 새로운 팀 동료들과 잘 놀 수있다 그리고 너는 나를 고용해야하고 나는 위대하다 데이터 – 실제로 원래 데이터에 참여했습니다

팀을 설정합니다 그리고 우리는 Kaggle 팀과 마찬가지로, 흥미로운 데이터 세트를 개별적으로 찾아서 찾는다 열린 라이센스하에 Kaggle에 업로드하십시오 우리 지역 사회가 계속 되었기 때문에 더 이상 그렇게 할 필요가 없습니다 그래서 데이터 공유에 대해 매우 환상적입니다

데이터, 질문이있는 사람들 그들이 기계 학습의 전방에 서기를 원한다 연구자들이 데이터를 수집했다 그리고 공유하고 싶은 데이터가 있다면, 나는 당신이 Kaggle에 그것을 넣을 것을 권합니다 귀하의 특정 요구를 지원하십시오 예를 들어, 우리는 HIPAA 준수를 지원할 수 없습니다

HIPAA 데이터를 제공하지 마십시오 아직 여기에 몇 가지 예제 데이터 세트가 있습니다 팀이 실제로 자동으로 유지 관리합니다 그리고 이들은 공개 된 데이터 세트입니다

귀하의 일상 업무에 유용하다고 생각하십시오 그래서 몇 가지 – 샌프란시스코가 여기에 있습니다 건강 점수와 같은 식당 점수 저녁 먹을 곳을 결정하려고한다면 그리고 당신은 빠른 데이터를 원한다 분석을 통해 올바른 장소를 선택했는지, 그게 너 일할 수있는 뭔가일지도 몰라

그러나 우리는 또한 정말 환상적인 사용자를 보유하고 있습니다 업로드 된 데이터 세트 그래서 여러분은 kmnist에 익숙 할 것입니다 사용자 몇 명이 업로드했습니다 [INAUDIBLE]을 포함하여, 현재 우리 막내 그랜드 마스터입니다

[비공식] 당신을 참조하십시오 그리고 그것은 드래그 앤 드롭 교체입니다 숫자 인식 데이터 세트 인 mnist의 경우 니놈을 잘 모르는 사람들? 예 승인 그래서 그것은 자필 자릿수를 인식하기위한 데이터 세트입니다

1부터 0까지 이것은 같은 것이지만, 일본 고전 문학에 대한 것입니다 그래서이 팀은이 데이터 세트를 정리했습니다 그들은 Kaggle에서 그것을 발표했습니다 그리고 실제로 그것에 관한 논문을 발표했습니다

NIPS가 지금 NIPS라고 부르는 NurIPS에서 Kaggle에서 데이터 세트를 가져다 주면 NurIPS 논문 그러나 흥미로운 연구 데이터를 찾는 것은 정말 좋은 곳입니다 기계 학습을 위해 특별히 조정 된 세트 커뮤니티입니다 환상적입니다

우리는 또한 비교적 최근에, 무인 항공기를 훈련시키고 싶었던 농부 뭐라고 부르던가요? 살충제가 아니라 식물을 좋아한다 비료? 아니, 다른 하나는 관객 : 제초제? RACHAEL TATMAN : – 제초제

그가 가진 특정 잡초 인 제초제를 고맙습니다 그래서 그는 자기 분야로 갔고 그는 그가 원하는 특정 잡초 사진들 사람들을 타겟팅하고 업로드하여 정말 재미있는 실용적인 응용 프로그램에서 손을 잡을 수 있습니다 따라서 데이터 세트에서 발견해야 할 것이 많습니다 나는 그저 사랑한다 사람들이 업로드 한 내용을 볼 수 있습니다

그리고 마지막으로, Kaggle은 자신에게 도전 할 수있는 좋은 곳입니다 물론 우리에게는 대회가 있습니다 그들은 당신이 상상할 수 있듯이 경쟁력이 있습니다 우리는 지금 많은 일들을 진행하고 있습니다 우리는 텍스트를 사용하여 이미지를 얻었습니다

우리는 지금 당장에 건전한 것을 얻었습니다 그래서 당신이 관심있는 것이면 무엇이든간에 감독하에 우리는 아마 뭔가를 가질 것이다 너의 공상을 간질 이는 것 우리는 또한 배우는 사람들을 위해 많은 지원을하고 있습니다 누구가 데이터 과학 공간에서 더 새로운가? 경쟁을 강요 당하지 않거나 특히 그것을 찾지 못한다

동기 부여 나는 개인적으로 알아 내기에 더 많은 동기 부여가되는 경향이있다 새로운 일을하는 것보다, 너도 알다시피, 오, 지난 백분위 야 정확도의 자리 수 그리고 그것은 저의 개인 학습 스타일입니다

여기 예제 경쟁이 있습니다 나는 CareerCon에 대해서 많이 이야기했다 그러나 나는 정말로 흥분한다, 너희들 우리가 가고있는 대회가 있습니다 로봇 네비게이션에서 CareerCon의 일원으로 일하게 될 것입니다

그래서 당신이 일종의 에이전트 기반 물건에 관심이 있다면, 이것은 당신이 조금만 보게 될 수도 있습니다 또한 우리는 점점 더 많은 학습 과정을 가지고 있습니다 그리고 이것들은 너를 완전히 데려 가지 않을거야 매우 상세한 방법으로 수학을 통해 Learn를 통한 우리의 목표는 매우 빨리 시작할 수 있도록하는 것입니다

실용적인 예와 함께 그래서 이것들은 짧고 응축됩니다 우리는 당신이 그들을 통과 할 수 있기를 바랍니다 오후에 말하면서 신청할 수 있습니다 당신이 배운 것

이것은 기계에서 비교적 새로운 것입니다 Dan Becker가 최근에 발표 한 설명 능력을 배웠습니다 그래서 그것이 당신이 관심을 가지고있는 것이라면, 앉아서, 몇 시간을 보내고, 손으로 일하다 보기에, 그리고 더 많은 것을 – 아마도 이미 기계를 연구하지 않는 한 어떤 경우에 나는 왜 그런지 알지 못한다

당신은 그것에 코스를 가져갈 것입니다 승인 이것이 플랫폼에있는 것입니다 Google의 일부 Google 통합에 대해서도 이야기하고 싶습니다 우리는 이미 추가했습니다

내가 함께 모으는 동안 내가하고 있었던 일 이 이야기는 정말로 앉아 있었다 생각해 보면, 어떻게 도움이 될까요? 어떤 특정한 사람들이 실제로 볼 수 있습니까? 이러한 통합의 이점은 무엇입니까? 우리는 우리가 일을하고 있는지 확인하기를 원하기 때문에 사람들이 그들과 함께하고 즐길 수있는 그들의 작품 우리가 비교적 최근에 추가 한 세 가지 – 하나는 DataStudio와의 통합입니다 누가 DataStudio를 사용 했습니까? 좋아, 꽤 많은 사람들이 또한 BigQuery와 통합하여 추가했습니다

또한 Google 스프레드 시트는 실제로 매우 흥분하고, 나는 왜 그런지 이야기 할 것입니다 나는 사람들이 스프레드 시트 소프트웨어를 좋아할 것을 알고있다 그러나 그것은 훌륭한 도구입니다, 여러분 스프레드 시트는 훌륭합니다 알았어 – 데이터 스튜디오 – 그래서 여기에 약간의 GIF가 있습니다

어떤 이유로 중간에 흥미 롭 군 따라서 Kaggle 데이터 세트를 클릭 할 수 있습니다 몇 번의 버튼 클릭만으로 시작 및 실행 일단 DataStudio를 연결하면 계정, 해당 데이터를 기반으로하는 DataStudio 대시 보드 만약 당신이 그것에 익숙하지 않다면, DataStudio 데이터를 시각적으로 분석하는 방법입니다 특히 대시 보드를 만드는 것이 좋습니다

그리고 이것이 내가 생각하기에 하나의 유스 케이스가 거대한 시간이 될 것입니다 세이버는 일하는 사람들을위한 것입니다 교육 환경에서 특히 학생을 원하면 예제처럼 실제로 특정 데이터 세트를 분석하려면, 애리조나 주 국무 장관 선거 데이터의 데이터 세트 Kaggle에서 청소를 끝내십시오 그래서 정부 교수라면 당신은 학생들이 잠깐 동안을 보길 원합니다 선거 자료에서 – 얼마나 많은 사람들이 매핑을했는지 또는 gif 항목을 좋아하는지 파이썬 또는 R? 네

그것은, 빠르고, 쉽고 무언가 같은가요? 보통 10 분 안에 할 수 있니? 어쩌면 당신 중 일부는 할 수 있습니다 하지만 나, 항상 그래, 오, 내가 투영을 선택해야 해 아뇨, FIPS 코드가 없습니다 어딘가에서 FIP 코드를 가져와야합니다 아니면 매핑을 연결해야합니다

OpenStreet와 같은 API가 없기 때문에 내가하고있는 일에 그래서 저는 이것이 정말로 빠른 방법 일 수 있다고 생각합니다 특히 매핑을 위해 특히 학생들이 원하는 경우 지도의 정보에 초점을 맞추고 매핑의 진행 또한 대시 보드에 대해서도 언급했습니다

나는 Jupyter를 좋아한다 Jupyter가있는 몇 가지 점이 있습니다 대시 보드에 정말 좋습니다 다소 좋지 않은 부분이 있습니다 그래서 뭔가 – 사실, 프론트 엔드가 있다면 Jupyter에 기여하고 싶은 사람들이 여기 있습니다

핵심 팀이 아니라고 생각하는 HTML 위젯 버그 그들이 있기 때문에 얻을 것입니다 Jupyter 연구실에 중점을 둡니다 그것은 한동안 주변에 있었다 그리고 때로는 서로 다른 플롯이 하나의 픽셀로 렌더링됩니다 1 픽셀만큼

아무도 이것에 빠지지 않았나요? 어쨌든 대화식 플로팅 라이브러리로 작업 할 때, 그럴 수 있습니다 그리고 그걸 실행하면 Jupyter 핵심에 있습니다 개인적으로 할 수있는 건 없어요 프런트 엔드 사람이 아닙니다 그렇다면 오픈 소스 기부를 고려하십시오

나를 괴롭히는이 특별한 버그 그러나 대신 Datalab을 사용하면이를 해결할 수있는 좋은 방법입니다 어쩌면 그렇지 않은 팀원에게도 좋습니다 편안한 코드 작업 저는 많은 사람들이 팀과 함께 일하는 것을 알고 있습니다

다양한 배경과 목표를 가지고 있습니다 그래서 이것으로 손을 내밀고 작업 할 수있는 좋은 방법입니다 BigQuery – 누가 BigQuery를 사용합니까? 오 예? 좋아, 꽤 많은 사람들이 일반적으로 관계형 데이터베이스 나 SQL을 사용하는 사람 – 그래, 좋아, 모두 다 이제 공개 BigQuery 데이터 세트에 액세스 할 수 있습니다

Kaggle 커널을 통해 그리고 아주 작은 코드 예제가 있습니다 나는 왜이 스크린이 더 클 것이라고 생각했는지 모르겠다 나는 방이 더 작을 것이라고 생각했다 그래서 모두가 조금 더 가까워 질 것입니다

따라서 BigQuery 클라이언트를 만들고 쿼리를 실행할 수 있습니다 와우, 나는 두 번째 사본을 가져야했다 Kaggle 노트북에서 직접 쿼리를 실행할 수 있습니다 그런 다음 해당 데이터를 가져 와서 로컬에서 작업하고 저장하십시오 다른 데이터 세트로 따라서 Jupyter Notebook에서 파일을 저장하면 당신은 그 노트를 저지르고, 그것은 맨 아래로 그것을 달릴 것입니다

그러면 파일이 출력에 저장됩니다 그것들로부터 새로운 데이터 세트를 생성 할 수 있습니다 따라서 BigQuery를 실행하고 있거나 SQL에 익숙하지 않은 팀원이 있다면, 하지만 BigQuery 공용 데이터 중 일부를 사용하려는 경우, 당신은 쿼리를 실행할 수 있습니다 데이터 집합을 만듭니다 그런 다음 데이터 세트를 가리키면 정말 좋습니다

그리고 아마도 당신이 사람이라면 누가, 나는 SQL을 좋아하지 않는다 당신이 그것을 사용했기 때문에 SQL 코스도 있습니다 다시 말하지만, 매우 지시적입니다 우리는 가지 않을 것입니다 SQL과 [INAUDIBLE]의 구문 분석 트리에 들어갈 수 있습니다

우리는 그 어떤 것도하지 않습니다 쿼리 작성의 기초 일뿐입니다 특히 BigQuery에 대해 조금 이야기하기 Kaggle에서 사용하는 방법 그래서 당신이 조금 발랄한 사람이라면 시작하는 것에 대해, 우리는 당신을 도울 수 있습니다 그것을 통해 당신을 걸어

그래서 모르는 사람들을 위해서, Kaggle 개발자 설문 조사 우리가 큰 규모의 기계 학습 공동체에 손을 내밀어 그리고 일종의 정보를 되 찾는다 SQL은 일관되게 세 번째로 인기있는 언어입니다 파이썬과 R 이후 그래서 만약 당신이 SQL 사용자가 아니라면, 당신은 기계 학습 공간에서 일하고 있습니다 알고있는 것이 좋다

마지막으로 Google 스프레드 시트 – 나는 스프레드 시트 소프트웨어를 정말 좋아한다 나는 전에 그것을 언급했다고 생각한다 나는 그것이 많은 것을 만드는 정말 멋진 도구라고 생각합니다 네가 가지고 있지 않기 때문에 사람들에게 매우 접근 가능하다 기억하려고 애쓰는인지 적 간접비 시각적으로 볼 수 있기 때문에 어떤 데이터 구조가 보입니까? 그래서 저는 스프레드 시트 소프트웨어에 사람들 [무적]을 안다

그러나 나는 큰 팬이다 Google 시트에 데이터 세트를 열려면 다음을 수행하십시오 너희들이 볼 수 있는지 모르겠다 그것은 작은 종류의 햄버거, 3 점 메뉴 아래에 있습니다 오른쪽 상단 구석에 그리고 Google 시트로 열 수 있습니다

잠깐 걸립니다 그리고 나서 그것은 열리게 될 것입니다 그래서 내가 생각하는 두 곳 놀라운 용도 일 수 있습니다 프로젝트 관리를위한 첫 번째입니다 그래서 만약에 – 출력에서 데이터 세트를 만들 수 있다고 언급했습니다

커널에서 생성하는 파일 따라서 경쟁 팀 동료들과 일하고 있다고 가정 해 봅시다 당신은 일종의 하이퍼 파라미터 검색을 결정합니다 공간이 될 것입니다 모든 매개 변수의 정렬로 파일을 생성합니다

데이터 세트를 만들어 시트로 실행하고, 그리고 나서 그것을 당신의 정렬로 사용할 수 있습니다 운영 기지의 누가 무엇을하고 있는지 색상 코드 사람들에게 핑을 걸 수 있습니다 그래서 당신은이 행동 아이템이 당신을위한 것일 수 있습니다 그리고 그들은 정말 좋은 이메일을받을 것입니다

그래서 좋은 프로젝트 관리 도구가 될 수 있습니다 그게 많은 사람들이 투쟁과 포럼에 대한 많은 토론을 참조하십시오 그래서 아직 가지고 있지 않다면 다른 사람들과 함께 일하는 Sheets 좋은 통합일지도 모릅니다 그리고 정말 해커 중 하나입니다 미안해

이것은 매우 해킹입니다 그러나 나는 유용하다고 생각한다 사람들이 텍스트 데이터를 보완하는 방법 중 하나입니다 작은 데이터 세트를 가진 사용자, 새 데이터 항목을 만드는 방법 이미지 뒤집어서 회전시킬 수 있습니다

문장을 뒤집는다는 것은 무엇을 의미합니까? 그것은 일종의 언어가되는 것을 멈추게합니다 사람들이하는 한 가지 방법은 영어에서 관련없는 언어로 번역하다 일본어 또는 러시아어, 영어로 다시 당신은 약간 다른 종류의 것을 얻을 것이기 때문에 의미 상 동등한 문장 네가이 사실을 안다면 나는 모르겠다

실제로 스프레드 시트에는 Google 번역 옵션이 있습니다 이렇게하는 한 가지 방법은 데이터를 만드는 것입니다 원하는 텍스트 데이터 세트를 스프레드 시트, 스프레드 시트를 사용하여 번역 한 다음 번역 된 문장의 새로운 데이터 세트 귀하의 데이터 보강을 위해 나는 해키라고 당신에게 경고했지만 잠재적으로, 당신이 텍스트 보강을해야합니다 그래서 그것들은 통합의 일부입니다

우리가 지금까지 작업 한 것들 앞으로 더 – TM, 비밀 베일 하지만 흥미 진진한 것들이 많이 있습니다 우리가하고있는 일은 당신이 정말로 좋아하고 유용하다 그리고 우리는 Kaggle을 멋진 장소로 만들고 싶습니다

데이터 과학을 할 수 있습니다 그래서 나는 Q & A 동안 당신을 격려합니다 나는 도리를 확인하지 않았다 바라건대 모든 사람들이 묻는 질문입니다 의견을 보내주십시오

보고 싶은 특정 사항이있는 경우, 우리는 그것을 듣고 싶어합니다 우리는 Kaggle을 훌륭한 도구로 만들고 싶습니다 나는 Kaggle에서 내 데이터 과학 작업을 거의 다한다 개인적으로 이기적인 이유로 더 좋기를 바랍니다 나는 이미 아주 좋은 것 같아

그러나 나는 너희들을 돕기 위해 우리가 할 수있는 다른 것을 듣고 싶다 괜찮아 또한 앱에 피드백이 있습니다 그래서 나는 그것을 포장 할 것이고, 우리는 질문을 할 수있다 [박수 갈채] [음악 재생]

TV Novel: Samsaengi | TV소설: 삼생이 EP.115 [SUB : ENG,CHN / 2013.06.28]

왜 네가 여기 있는지 알고 싶니? 도대체 뭐하고 있니? 대통령은 어떻게 이렇게 되었습니까? 그냥 놓아 둡시다 제발, 저희에게 알려주십시오

네, 저는 또한 끝내고 싶습니다 나는 정말로 끝내고 싶다 너 나 좀 도와 줘 동쪽 비 도와주세요 백 15 번째 에피소드 그날 그 사람들이었습니다

나는 먼저 버스에서 내릴 것이고 경찰서에 가서 경찰에게 전화 할 것입니다 미쳤어? 그들이 그 (것)들에 의해 붙 잡히면 무엇? 걱정 마세요, 나는 경찰서에 가서 알 것입니다 이 여인은 어떻게 두려워 할지를 모를 수 있습니까? 어떻게해야합니까? 증언하지 마라 커프스 단추에 대해 말하지 마라 나는 그것을 할 수 없다

진실을 말하지 않으면 나는 묻힐 것이다 진실? 큰일이 뭐야? 너무 죽고 물린가요? 처음에 조사가 없다면 우리는이 단계로 가지 않을 것이다 너는 항상 숨기려고하기 때문에 이렇게된다 그래서 나를 죽 이도록 밀어 넣어야합니까? 내가 훔친 당신의 단추가 가짜라는 것을 압니다 나는 그것을 경찰서에 제출했다는 것을 안다

뭐라고 했니? 그렇게하지 마라 아직 안된다고 했잖아 너는 어떻게 할 수 있니? 이걸 어떻게 나에게 할 수 있니? 다른 사람이 아니에요, 어떻게 나를 대하실 수 있니? 대통령 너는 진유와 결혼해야한다고 말했다 나는 내가 딘 (Dean)과 공모하고 싶다고 의심하지 않기 위해서 왜 내가 진우를 대하는지 말하지 말자

진우의 최후의 수단은 동유뿐입니다 하지만 심지어 옥으로 놀고있어 왜? 왜 그걸합니까? 왜? 학생들을 구하기 위해이 일을해야합니다 참여 당신을위한 참여는 무엇입니까? 그녀는 너와 다른 사람들을 버린다 왜 너야? 그 괭이는 무엇입니까? 왜 모두가 그녀를 구하기 위해 싸우고 있습니까? 왜 대통령은 학생을 죽이기 위해 싸웠습니까? 결국 큰 실수가 있었습니까? 왜 학생들에게 그렇게 잔인합니까? 금 옥 때문에인가? 진 유가 그렇게 되었기 때문에? 맞아

나는 또한 참여를 위해서 그것을한다 대통령과 마찬가지로 Ai Jinyu 나는 또한 참여하는 것을 좋아합니다 나는 진우를 얼마나 사랑하는지 안다 하지만 대통령 님, 당신은 그러나 Jin Yu의 요청은 결코 약속하지 않았습니다 사랑이 강하지 않다

나는 진유를 위해 모든 것입니다 황금 옥을위한 모든 것 그래서 그들은 모두 틀리다 동유, 너의 사랑은 뭐니? 그냥 너의 사랑을보고 있니? 이게 뭐야? 뭐라구? 나는 그 소녀가 행복하기를 희망한다 다른 것 제 시간에 먹었습니까? 너 열심히 공부하고 있니? 사랑에 빠지면 잘되지 않습니다 멀리서 지켜 보는 것에 매우 만족합니다

요컨대 경찰서에 갈 수 없다 내가 해외에 가기 전에 여기 있어야 해 대통령 너는 정직하게 머물러있다 그렇지 않으면 나는 결코 너를 용서하지 않을 것이다 그럼 뭘하고 싶니? 내가 결코 뒤로 가지 않으면 나를 아버지로 바꾸고 싶니? 맞아

그래서 너는 내 말을 기억해 대통령은 내 꿈 이었어 대통령을봤을 때 14 세의 흙빵에는 처음으로 꿈이 있습니다 그러나 대통령 어떻게 이렇게 된거야? 돌아와 네, 앉으세요

준비 됐니? 예 근면 청 (Zheng) 장관의 지분은 훌륭하다 예 정 장관도 가능한 한 빨리 숨어 있습니다 대통령? 나는 나 자신을 볼 것이다 오늘 돌아 가지 마세요? 나는 언젠가 너를 괴롭힐 것이다 나는 괜찮아

집에서 기다리고있는 아버지를 생각해야 해 신유 버스에 타라 기차 타다 너의 아버지가 너를 몰아 먹을거야? 집을 나설래? 그것은 내 자신의 왜 너 자신을 떠난거야? 나는 또한 사람이다 나는 거기에 머물러 있는데 어떻게 거기 머물니까? 앞으로 무엇을 할 예정입니까? 신유 파리에 가자

뭐라구? 파리에 가서 배우고 싶은 것을 배우십시오 여기 떠나는거야? 오른쪽 이것은 당신이 원래 원했던 것입니다 죄인처럼 쫓고있는 것이 내가 바라는 것입니까? 나는 3 년 전에 나를 어떻게 만들어야하는지 얼마나 좋은지 알았다 이게 뭐야? 나는 가지 않는다 신유 나는 갈 수 없어

삼촌에게 나 혼자 가려고 나는 삼촌과 함께 떠나지 않을 것입니다 헤이 뭐하고 있니? 너희들, 냄새 나는 쥐들 어디에서 탈출하고 싶니? 냄새 나는 머리, 너 잘되고있어 나는 그날 당신에게 던진 돌들이 거의 눈이 멀었습니다

오늘 너를 도망 갈 수 있을까? 당신은 오늘 모두 죽었습니다 일어나세요 왜 다시 던지고 싶어? 냄새 나는 여자 빨리 달린다 전화가 너무 늦었 어 뭔가 일이 일어 났을거야

나는 그녀가 나가게하지 말았어야했다 Dongyu에게 연락 할 수 없습니까? 그것은 동쪽 비가 될 수 없습니다 헤이 나야 알았어, 알았어 어디? 뭐라구? 알았어, 부상 당하지 않았어

좋은 통행 금지가 끝난 후 곧 집에 가라 확인 무슨 일이야? 이 개자식 너 정말 대담 해 감히 거기에 갈래? 너 동일하지 않아? 너 나랑 똑같니? 너는 여자 야 즉,이 사건을 통해 감사드립니다 유죄를 인정하는 것과 같음 그러나 나는 전혀 행복하지 않습니다

나는 항상 무언가가 일어나고 두려워한다고 느낍니다 시체는 어디에서 어떻게 구타 당했습니까? 아무것도 당신을 위해, 대통령은 정말로 좋은 사람이었습니다 받아들이 기 어렵다 말하지 마 내 동생을 보게 해줘

나는 안된다고 그를 만나게 해줘 심지어 그를 보게 해줘 당신은 지성 (Zhicheng)을 구 했어요, 고마워요 그러나 우리가 당신을 볼 때, 그것은 매우 고통 스럽습니다

나는 단지 그 상태를 알고 싶어하지 않고 싶다 그가 어떻게 있는지보고 싶다 무엇을 해야할지 아십니까? 이모 너의 아버지,시에 씨가 물어 보셨습니까? 지성 (Zhicheng)의 지위는 무엇입니까? 나는 정말로 경찰서에 즉시 가고 싶다 그러나 당신과의 계약 때문에, 나는 그것을 견뎌냅니다 Zhicheng 학생 배신의 죄책감 나는 학생을 보지 못한다

하지만 그가 너를 만날 까? 제발 우리 앞에서 다시 나타나지 마세요 이해하니? 아침 일찍 그녀는 무엇을 했습니까? 나는 지성을보고 싶다 정말 건방진 그거야? 그녀는 감히 여기에 왔습니다 그녀의 부모처럼 뻔뻔 스럽기 때문에 엄마 아빠? 그것은 출생의 어머니이자시에 (Xie)의 대통령입니다 너무 많이 말하지 마라

어쨌든 Jin Yu는 Zhicheng를 구출했다 그래서 나는 단지 그것을 견뎌 냈다 그렇지 않으면, Jin Yu는 이미 내 손에서 죽었다 너 무슨 소리 야? Jin Yu는 어떻게 Zhicheng를 구출 했습니까? 사실, Jin Yu는 Zhicheng를 찾아 왔습니다 Zhicheng의 조건을 저장하려면 Zhicheng에 보증을 씁니다

지성의 사인은 무엇입니까? 예 나는 미래에의 참여에 대해 모든 진실을 묻지 않을 것이다 항상 지켜 질 것입니다 Zhicheng 보장 뭐라구? 그래서, Zhicheng가 이것 때문에 석방 되었습니까? 예 진 유씨는 대통령에게 감사의 뜻을 표했다 제발, 우리가 보내 줄 게요 그것은 아직도 그런 것이 사실입니다 우리는 처음부터 그렇게해야했습니다

지성은 진리를 죽이고 진리의 사용은 무엇인가? 나는 학생인지 학장인지는 모르겠다 그렇습니다 그래서 들어 본 적이 없습니다 그렇지 않으면 Zhicheng가 다시 이동 될 수 있습니다 정말로 누가 점심을 준비할까요? 점심 먹고 싶어요

그럼 내가 먼저 갈거야 스컹크 머리가 어떻게 보였을까요? 내가 너를 먹을 수 있을까? 아침 식사 직후에 배가 고플 수 있습니까? 나는 이모를 볼 때 두렵다 이것은 할 수 없다 비빔밥에 참기름을 첨가하면 맛있습니다 그런 향기의 냄새는 어디에 있습니까? ie시 그게 우 Bishun의 참기름인가요? 나는 그것이 당신을위한 우리 집이라고 생각했습니다

직접 구입하는 것이 가장 좋습니다 하루 종일 비밀리에 다른 사람의 집을 사용하지 마십시오 동정이야 나는 그것을 훔치지 않았다 나는 아무 말도하지 않았다

하루 종일 훔치고 있는지 모르겠다 고 생각하니? 참기름 공장을 열 때 아직도 왜 그렇게 인색합니까? 나는 그것을 나에게 바꿨고, 나에게 그것을 줬다 나는 왜 당신에게 귀중한 참기름을 주어야합니까? 나는 그것을 말할 것이다 윤지가이 부엌을 어떻게 지저분해질 수 있겠습니까? 그녀는 외출 준비가되어 있습니다 – 또 받았어? – 네 이 냄새 나는 머리가 매일 점심을 어떻게 없앨까요? 모든 병을 안으로 쏟으셨습니까? 정말로 그것은 가정 경제를 위해 준비 되었기 때문에? 벤토는 정말 맛있습니다

얼마나 세련된가요? 즉, 그것은 어머니의 준비된 점심과는 완전히 다릅니다 다른 말은하지 말고, 나는 학교에서 가르친다 인체에 필요한 5 가지 주요 영양소를 넣으십시오 다섯 가지 영양소? 음, 단백질 지방 탄수화물과 미네랄 당신의 건강을 위해서 이것들을 넣으십시오 정말 지식이 풍부한 여성 출산 후 아이를 키우십시오

물론, 나의 꿈은 좋은 아내와 좋은 엄마가되는 것입니다 – 사실입니까? 그러니 곧 내 꿈을 실현하도록 도와야합니다 나는 네가 네 꿈을 깨닫게 할거야 당신은 그것을 들어 본 적이 있습니까? 이제 경찰서에 잡혔습니다 대통령을 붙잡기 위해 경찰이 회사에 왔습니다

여러 곳에 묻혔다 너 지금 숨어있어 대통령 각서 끝날 것인가? 아니요 나는 결코 이렇게 살해 당하지 않을 것이다 왜 내가 여기를 떠난거야? 어쨌든, 여기 내 고향이 있습니다 신유 너 가족과 함께 떠나고 떠나는 게 어때? 참여 지금 여기에서 살기 시작 했니? 오른쪽 누가 너를 여기에서 살게 했니? 신유 내가 너와 살 것이라고 생각하니? 나가라

내놔 내 말 못 들었 니? 뭐가 잘못 됐어? 나는 학생들과 함께 살 수 없다 뭐라구? 나는 학생들과 함께 살 수 없다 당신은 너무 많이지고 있습니다 그럼 나 떠나길 바래? 그렇지? 내가이 집을 떠나길 바래? 나가라 학생과 함께 살 수 없기 때문에 외출하십시오

내가 나갈 수있게 해줄 수 있니? 왜 학생들이 집을 나가지 않게할까요? 참여는 내 딸이다 너 뭐야? 싸우지 마라 나는이 가족을 싫어하기 때문에 나는 싫어한다 그러면 너는 간다 너의 아버지와 살기 위해 나가라

나는 왜 다른 사람들을 위해 좋은 일을하기 위해 떠나야 만 하는가? 나는 가지 않는다 왜 내가 여기 떠나는거야? 가지마 걷지 마라 왜 내가 무엇을 의지합니까? 나는 확실히 가지 않는다 내 감독 이니? 너는 밤새 내게 전화하고 싶다

나는 너에게 다시 내 앞에 나타나지 말라고 경고했다 비서가 도와 줘야 해 뭐라구? 아직도 깨어 있지 않니? 당신과 밀접하게 관련된 책들이 제 손에 있습니다 어떻게해야합니까? 신문에 보내면 괜찮습니까? 뭐라구? 우리는 서로 만난다 너는 무엇을하고 싶니? 이 나라를 떠날 때 도와주세요

뭐라구? 제발, 제발 나 한테 다시 물어봐 나는 지금 절벽의 가장자리에 서있다 퇴각 할 길이 없다 그래서? 나는 더 이상 잃을 것이 없다는 것을 의미합니다

유령처럼 나를 물속으로 끌고 싶니? 너 나 좀 도와 줘 거절하면 회계 장부에 갈 길이 없어 회계 장부에? 예 좋아, 해보자

Building Smarter Software Robots with Robotic Process Automation & Google Cloud AI (Cloud Next '19)

[음악 재생] Francesco URIBE : 안녕하세요, 여러분 내 이름은 Francisco Uribe이고 나는 컴퓨터 비전 및 AutoML의 제품 리드 플랫폼

오늘의 강연에서 저는 기쁜 마음으로 컴퓨터 비전 플랫폼 그리고 저는 그것을 UiPath의 친구들에게 넘겨 줄 것입니다 정보 수집 및 자동화 어디서나 기술을 어떻게 사용하고 있는지 설명 할 수 있습니다 로보 틱 프로세스 자동화 기술을보다 향상시킵니다 따라서 컴퓨터 비전 팀의 사명 파트너가 차세대를 구축 할 수있게하는 것입니다 엔터프라이즈 AI 솔루션

그리고 지난 몇 년 동안 기업에 초점을 두면서, AI의 적용에 대한 획기적인 진전 서로 다른 분야에 걸쳐 예를 들어, 우리는 우리 기술을 적용하는 산업을 가지고 있습니다 시설의 피해를 탐지하기 위해, [INAUDIBLE] 유지 관리 사용 사례 또는 [INAUDIBLE] 우리 기술을 사용하는 엔터테인먼트 기업 지능형 컨텐츠 관리 시스템을 구현합니다 그리고 이번 회담의 초점은 기업 OCR과 자연어 이해를 사용하고 있습니다 기술로 데이터에서 통찰력을 이끌어 내고, 구조를 제공하고 복잡한 비즈니스 워크 플로우를 자동화 할 수 있습니다 이제 Computer Vision 플랫폼 두 세트의 제품으로 구성됩니다

첫 번째 제품 세트는 사전 훈련 된 제품으로, 두 번째는 맞춤형 AutoML 제품입니다 비전 API를 사용하면 코딩하지 않고도 모델을 사용할 수 있습니다 그것은 당신의 애플리케이션에 완전히 플러그 앤 플레이 (plug-and-play) 이러한 API를 쿼리하기 만하면됩니다 나머지 API, [? 스크래핑,?] 포괄적이고 잘 알려진 사용 사례에 이상적입니다 또한 AutoML 제품은 자체 데이터로 사용자 정의 할 수 있으며, 배후에서 활용, 구글 주 예술 신경 아키텍처 검색, 하이퍼 파라미터 튜닝 기술 그래서 당신은 그것으로 고품질의 모델을 만들 수 있습니다

그리고 이것은보다 복잡하고 특수화 된 사용 사례에 유용합니다 이제이 두 카테고리의 제품 꽤 포괄적 인 세트를 제공한다 컴퓨터 비전 모델을 구현하는 도구 그러나 AI 도구는 기업 AI 구축에 필요한 방정식의 일부 오늘날의 기업들은 여전히 ​​심각한 도전에 직면 해 있습니다 자신의 데이터를 논쟁하고 실제 생산을위한 바이 인 (buy-in)을 모색 마지막 마일의 모델

이러한 이유로 클라우드 AI에서는 그것이 우리에게 중요하다고 결정했다 이 기술을 민주화하고 주요 기업과 파트너 관계를 맺고, 그래서 공동으로 우리는 기업의 가장 깊은 것을 해결할 수 있습니다 도전 오늘날 대부분의 기업이 당면한 핵심 과제 중 하나 콘텐츠의 90 %가 완전히 어둡고 구조가 없으며 상당한 양이 필요합니다 이해하고 통합 할 수있는 인간 노력 비즈니스 워크 플로우로 그런 이유로 어제 우리는 AI 이해

문서 AI를 이해하는 것은 우리의 [? 파트너리스 솔루션] 구조화 된 데이터를 이해하는 데 도움이됩니다 인보이스, 법률 문서, 세금 양식 등 – 비즈니스 워크 플로우 자동화 및 개선 의사 결정 예를 들어, 오늘 인보이스 처리 매우 힘든 작업입니다 오늘, 당신이 물리적 인보이스를받을 때, 인간은 필드를 ERP 시스템에 직접 입력해야합니다 자, 수십 번에 걸쳐 그것을해야한다고 상상해보십시오

또는 심지어 수십만 개의 청구서가 필요합니다 그것은 많은 일을하고 있으며, 오류가 발생하기 쉽습니다 우리의 기술로 스캔 한 인보이스를 돌려 드릴 수 있습니다 모든 필드가있는 디지털 구조 JSON 그래서 우리 파트너들과 함께, 우리는이 데이터를 다운 스트림 비즈니스 프로세스에 통합 할 수 있습니다 P2P 비즈니스 프로세스처럼 그래서 이것은 매우 변형적인 것이라고 우리는 믿습니다

이제, 높은 수준에서, 문서 이해 AI 구조화되지 않은 문서를 구조화하는 데 도움을줍니다 더 나은 조직을 구현하는 목표 귀하의 데이터 중 검색을 활성화하십시오 또한 비즈니스 자동화 및 수리가 가능합니다 워크 플로우를 개선하고 의사 결정을 향상시킬 수 있습니다 이제 어떻게이 기술이 RPA 공간에서 실제 업무용으로 사용되는 경우, 마크, 감독을 초대하게되어 기쁩니다

UiPath에서의 AI 및 Ravi 선임 이사 펩시코에서 디지털 서비스를 제공합니다 Mark BENYOVSZKY : 고마워 고마워, 프란체스코 그래서 나는 누가 시작하는지 조금씩 이야기하면서 시작하고 싶다 UiPath는 당신이 우리에게 익숙하지 않은 경우에 대비합니다

조직으로서 오늘날 우리는 가장 빠르게 성장하는 조직입니다 엔터프라이즈 회사 소프트웨어에서 우리의 속도로 성장하고있는 역사 우리는 2,000 명이 넘는 글로벌 기업 고객을 보유하고 있습니다 우리 플랫폼을 정기적으로 사용하고 있습니다

그리고 우리는 1,500 명 이상의 UiPath 직원을 보유하고 있습니다 귀엽게 조직에서 매일 성장하고있는 꾸준한 클립 우리는 300 명이 넘는 파트너를 보유하고 있습니다 우리는 매우 크고 부유 한 파트너와 함께 일합니다 우리 플랫폼을 가능하게하는 생태계 그만큼 견고합니다

여러 투자 파트너가 투자하고 있습니다 우리는 현재 4 억 달러 상당의 투자를하고 있으며, 30 억 달러 가치 평가 그리고 우리는 RPA의 카테고리 리더로 인정 받고 있습니다 로봇 공정 자동화 스폰서 십 관점에서 우리는 Excel, CapitalG, Kleiner를 포함한 훌륭한 후원사가 있습니다

퍼킨스 (Perkins), 세쿼이아 (Sequoia) 이 공간에서 우리를지지하고 있습니다 그리고 전체적으로 볼 때, 로봇 프로세스 자동화 란 무엇인가? 이것에 대한 UiPath의 구체적 견해는 무엇입니까? 실제로 스크립트를 쉽게 배포 할 수 있습니다 인간이 매일하는 일을 감당할 수있다 이러한 작업을 고도로 반복 가능한 방식으로 자동화 할 수 있습니다 그래서 이것들은 우리가 기본적으로 할 수있는 규칙 기반 스크립트 인 경향이 있습니다

그런 다음 인간이 화면에서하는 일을 비추고, 응용 프로그램 작업 및 하나에서 데이터 이동 응용 프로그램을 다른 응용 프로그램으로 우리가 그것을 아주 간단하게 만드는 방법 그 UI 레이어, 즉 UiPath에서 작업한다는 것입니다 따라서 통합에는 우리가 반드시 API 계층에 있기를 원하지 않는다면 우리는 일해야합니다 또는 서비스 계층 또는 데이터로 이동하는 것에 대해 걱정할 필요가 없습니다 계층에서 이러한 유형의 통합을 수행 할 수 있습니다

원하는 경우 UI 레이어를 통합 할 수 있습니다 또는 API 계층에서도 사용할 수 있습니다 고객이 찾는 이유에 대한 또 다른 강력한 측면 플랫폼에서 많은 이익을 얻을 수 있습니다 낮은 코드 환경 따라서 비즈니스 사용자는 실제로 우리 플랫폼으로 작업을 시작할 수 있습니다

어쩌면 특정 공정 영역을 시뮬레이션하기 위해 그들은 자동화하고 싶어한다 그리고 그들은 그들이 실제로 프로그래밍 기술 없이도 그 과정을 수행 할 수 있습니다 그 과정을 옹호하고 조직 내에서 궁극적으로 구현되어야한다 생산 노력의 일환으로 그래서 재미있는 것들 중 하나입니다 RPA 공간에서 일어나는 일은이 아름다운 결혼입니다

RPA와 AI 사이 그래서 AI는 정말로 차세대를 가능하게 할 것입니다 스마트 로봇의 능력, 근본적으로, 우리는 기본적으로 수행중인 로봇에서 본질적으로 매우 반복적 인 규칙 기반 작업 궁극적으로 점점 더 많은 사람들에게 조직 내에 존재할 수없는 복잡한 작업 반드시 규칙에 따라 목록 화되어야하며, 인지 기능이 더 필요합니다 따라서 AI 나 기계 학습에 관해 생각할 때, 이러한 기능을 어떻게 활용할 수 있습니까? 예측 및 확률 론적 모델링 그리고 득점 및 심화 학습 유형의 능력 로봇을 가능하게하는 컴퓨터 비전 이 새로운 기술을 가질 수 있어야한다 기업 내부에서 더 나은 업무, 더 많은 일을 할 수 있습니까? 그래서 우리는 이것을 사실 변곡점으로 봅니다

그리고 근본적으로 업계로 전환하려고합니다 이 규칙 기반 구조에서 매우 지능형 기반 구조로 더 많은 작업을 수행 할 수있는 로봇 우리는 오늘날 기업 내부에서 그 일을합니다 자, 우리가 이것을 취하면 실제로 그것을 문서 처리 공간에 적용한다 조직의 모든 기업 다양한 유형의 문서를 대량으로 처리합니다 조직 전체에서 그 문서들에 관한 중요한 점 핵심 비즈니스 데이터가 해당 문서에 갇혀 있다는 것입니다

그리고 때로는 그 문서가 인쇄 형식으로되어 있습니다 우리는 그들을 얻기 위해 디지털화해야합니다 그 유형의 전자 형식의 데이터 다른 경우에는 디지털 문서가 있습니다 우리는 그 데이터를 얻을 수 있습니다

하지만 중요한 것은 데이터를 어떻게 가져올 것인가입니다 안정적이고 신속하게 그렇게함으로써 궁극적으로 우리는 데이터에서 통찰력으로 이동할 수 있습니까? 그것이 사업에 중요한 요소이기 때문입니다 내 문서에서 해당 데이터의 잠금을 해제하려고합니다 나는 통찰력을 얻고 싶습니다 그 지식에 대한 지식을 더 얻는다

여기에 우리가 볼 수있는 것이 하나의 예입니다 로봇은 어떤 역할을합니까? 로봇은 문서 수집 프로세스를 자동화 할 수 있습니다 환경 내에서 따라서 이메일 상자에서 문서를 가져올 수 있습니다 이메일 첨부 파일로, 아마도 청구서 이메일에서 오는

파일 저장 시스템이있는 경우, 파일 시스템을 검사하고 거기에서 문서를 가져올 수 있습니다 BLOB 저장소 유형의 환경이있는 경우, 거기에서 문서를 가져올 수도 있습니다 로봇을위한 훌륭한 기술입니다 우리가 필요로하는 문서를 찾을 수 있습니다 우리가 할 수있는 이익 중 하나 일단 우리가 그 문서를 가지고 있으면 우리는 문서 기능을 평가할 수 있으며, 예를 들어 특정 문서 유형이 송장입니다

그 송장을 특정 방식으로 처리해야한다는 것입니다 그래서 우리는 많은 기능을 제공합니다 플랫폼 내 기능 개발 사전 처리 측면을 볼 수 있어야한다 해당 문서의 데이터를 추출합니다 그런 다음 모든 유형의 후 처리 활동 해당 데이터를 다운 스트림에 맞게 얻을 수 있어야합니다

SAP와 같은 생산 기반 시스템으로, 예를 들면 그래서 그 가치는, 우리가 그 데이터를 추출 할 때, 우리는이 데이터를 매우 일반적인 데이터 형식으로 얻습니다 지능형 JSON 구조에서 키 값 쌍 정보, 추출 테이블 수준 세부 정보 그 외에도 우리는 신뢰 수준 정보를 알고 있습니다 얼마나 좋은가에 따라 알고리즘에서 오는 것입니다 추출을 수행 하였다

그리고 그것은 우리가 해당 유형의 데이터에 대해 많은 규칙을 설정할 수 있습니다 높은 신뢰도의 데이터를 처리 할 수 ​​있어야한다 아마도 낮은 신뢰도의 데이터와 다르게 또한이 데이터가있을 때 많은 것들이 있습니다 우리는 분류자를 활용하는 것과 관련하여 할 수 있습니다 그래서 문서 분류자를 가질 수 있습니다

인보이스 또는 건강 상태의 문서를 찾을 수 있습니다 보육 기반 문서 또는 혜택 기반 문서를 참조하십시오 따라서 다른 방식으로 해당 문서를 처리 할 수 ​​있습니다 그 데이터를 자연스럽게 사용할 수도 있습니다 추가적인 기계 학습 모델을 지원할 수 있어야한다

스코어링 알고리즘 또는 특정 목적에 맞는 맞춤 주변 특정 비즈니스에 적합한 모델 도메인 또는 기능 영역 그리고, 본질적으로 일단 우리가 그 데이터를 얻으면, 로봇은 실제로 인간과 작업 할 수 있습니다 임무를 완수 할 수 있어야한다 이것이 인간과 로봇, 인공 지능에 관한 것입니다 기본적으로 함께 일합니다

그들이하는 일은 휴먼 인더풀 (human-in-the-loop)을 통해서입니다 방법 그래서 오늘 우리가 나중에 설명 하겠지만, 우리는 실제로 그 데이터를 추출 할 수 있습니다 최소 임계 레벨을 충족시키지 못하면 JSON 페이로드에 들어있는 신뢰 정보를 우리는 휴먼 인더 루프 (human-in-the-loop) 프로세스로 갈 수 있습니다 그래서 인간은 추출 된 것을 실제로 볼 수 있습니다

해당 데이터에서 특정 기능을 수정하거나 유효성을 검사하십시오 하류 시스템으로 가기 전에 추출 그 과정이 끝나면 로봇이 다시 집을 수 있습니다 Google 스프레드 시트를 채우거나 SAP로 이동하십시오 다양한 방문 소스로 이동할 수 있습니다

아마도 일부 데이터 저장소를 포함 할 것입니다 데이터 마이닝 사이트 용 따라서 AI 및 RPA 사례 연구의 관점에서 볼 때, 인보이스에 대한이 개별 사용 사례, 이 기능은 여러 유형의 문서를 지원할 수 있습니다 송장은 전통적으로 수작업으로 처리되는 경향이 있습니다 따라서 점점 더 많은 노력이 필요합니다

송장 발행 및 실행 인보이스는 흥미 롭습니다 여러 가지 다양한 기능 세트가 있습니다 그래서 우리는 기계로 만들어진 텍스트를보고, 필기를 봅니다 서명과 로고처럼 물건이 있습니다

따라서 일관되게 어려운 문제입니다 실제로 이러한 문서를 대규모로 처리 할 수 ​​있어야합니다 그래서 우리는 함께 일함으로써 게임을 바꾸고 있습니다 AI에 대한 투자를 이끌어 내고 Google과 파트너십을 맺은 RPA 플랫폼 Google의 문서 이해 AI를 통해 비용 절감에 도움이되는 기능 그 수동 무거운 짐과 관련된 오류 데이터 또는 회전 의자 추출하기 데이터를 터미널이나 화면에 다시 입력 할 때 그 결과로 나는 이익을 얻을 수있다 증가 된 효율과 더 빠른 속도, 사기 및 사기 탐지와 같은 것을 살펴보기 시작합니다

특정 시장에있을 수있는 일부 인보이스에서 우리는 더 높은 사기를 발견했습니다 따라서 접근법은 양식에서 콘텐츠를 추출하는 것입니다 그리고 테이블을 작성한 다음 기본적으로 그 휴먼 – 인 – 더 – 루프 프로세스 시스템을 시작해야합니다 실제로 나중에 비디오 프레젠테이션에서 기능을 사용할 수 있습니다 그러나 높은 수준에서 본질적으로 무엇 우리가보고있는 것은 공급 업체 인보이스가 들어올 수 있다는 것입니다

로봇이 집어 올릴 수 있습니다 그것을 UiPath의 문서 프로세서로 넘겨 주며, 그런 다음 Google 문서 이해와 상호 작용합니다 AI가 추출 된 값을 추출 할 수 있습니다 검증 단계를 수행해야하는 경우, 그것은 휴먼 – 인 – 더 – 루프 프로세스를 시작합니다 그리고 나서 로봇은 문서를 픽업 할 수 있으며, 인간의 검증 또는 정제 후 데이터를 백엔드 시스템으로 전달할 수 있어야합니다

그래서 그걸로 넘어갈 것입니다 라비에게 우리가 실제로 어떻게 적용하는지 이야기 해 그의 환경에서 RAVI BOGGARAM : 감사합니다, Mark 따라서 Google과 공동 혁신을 통해, UiPath뿐 아니라 여기에 샘플 대표 사용을 입증하는 방법 우리가 실험 한 사건 유스 케이스를 입증했습니다

그리고 여기, 우리는 그 샘플을보고 있습니다 가능한 모든 기능의 표현에 가깝다 Mark로부터 방금 들었던 것, 비정형 데이터 컴퓨터가 생성 한 컴퓨터 생성 데이터 거기도있다 손으로 쓴 서명이 있습니다 승인 인감이 있습니다

그리고 도장 안에서, 다시, 구조화되지 않은, 필기 정보가 있습니다 다양한 유형의 구조화되지 않은 정보 사용할 수 있습니다 그런 비정형 데이터로부터 정보 통찰력 수집 이 사용 사례입니다 근본적으로, 우리는 여기에 모든 정보가 있습니다 가장 중요한 것은 UiPath 플랫폼의 봇 (bot) 그 정보를 해부 할 수있다

특수 효과를 추가하고 앞으로 나아갈 수 있습니다 그리고 그것이 그 정보에 작용할 때, Google 문서 이해 API 호출을합니다 AI 기능 그리고 나서 그 반응이 다시 돌아옵니다 우리가 Mark에서 들었던 것처럼 내부 JSON 구조 형식입니다

그리고 그 정보를 바탕으로, 일정 수준 신뢰 요인의, 우리는 해독 할 수 있었다 비정형 컨텐츠 정보, 여부를 포함하여 키 값 쌍, 여부 송장 번호, 날짜, 공급 업체 세부 정보 – 특히 가장 중요한 교통 번호 다수의 유사한 키 값 쌍이 추출되고, 그것은 지능적인 추출입니다 더 중요한 것은 광고 항목 세부 정보입니다 테이블 파싱은 매우 또 다른 Google 문서의 중요하고 강력한 기능 AI API 호출 이해 그리고 그걸로, 추출 정보를 아는 것입니다

품질과 신뢰 수준 매우 중요합니다 특정 임계 값을 미리 정의 할 수 있습니다 그리고 임계 값이 충족되면 봇은 자동으로 진행될 수 있습니다 백 오피스 시스템을 업데이트하려면, ERP, SAPR, 기타 백 오피스 따라서 시스템 스위블 의자 같은 정보 유형 인간이 더 이상 필요하지 않습니다

봇이 그렇게 할 수 있습니다 아래 그림을 볼 수 있습니다 응답으로 다시 해부됩니다 JSON 구조에 모든 요소가 해부되며 그 정보가 있습니다

그리고 임계 값이 충족되지 않으면, 우리는 휴먼 인더풀 (Human-in-the-Loop)이 재정의 할 수있는 기회를 갖게됩니다 그 정보는 다음과 같이 나란히 비교를해라 이 파싱 ​​된 정보뿐만 아니라 원본 정보도 가지고 있습니다 옆에

그리고 분석가 인 인간은 필요한 경우 재정의를 할 수 있으며, API 호출에 의해 충족되지 않는 임계 값에 기초 JSON 구조를 반환합니다 여기 그림에서 볼 수 있습니다 검토가 끝나면 봇은 계속 진행할 수 있습니다 human-in-the-loop가 업데이트되면, 다음 단계에서 봇은 계속 진행하고 업데이트 할 수 있습니다 필요에 따라 백 오피스 시스템

여기서 앞서 언급 한 것처럼 테이블 구조를 파싱합니다 매우 중요합니다 여기서 언급 할 가치가있는 강력한 기능 중 하나는, 그것은 아니에요 [? 구문 분석?] 테이블 구조 templatize하려면, 아니 이것은 하나의 강력한 컴퓨터 비전 기반, 지능형 추출 기능을 제공합니다 이것이 바로 언급 할 가치가있는 이유입니다

파싱 ​​된 정보는 UiPath Studio에 표시됩니다 왼쪽 이미지에 오른쪽에는 실제 인보이스가 있습니다 추출이 완료되었습니다 그리고 검증 스테이션이 그 견해를 제공하고 있습니다

그리고 당신의 휴먼 – 인 – 더 – 루프가 있다면, 모든 필드를 업데이트하고 재정의 할 수 있습니다 임계 값에 도달하면 시스템이 자동으로 다음 단계로 진행합니다 또한 Mark가 언급 한 추가 기능은 로봇입니다 지능형 분류를 사용할 수 있습니다 지리 기반 탐지를 위해 내장 된 기능입니다

또는 감사의 종류로 사용됩니다 이 모든 것들이 플랫폼에서 UiPath 플랫폼을 사용할 수 있습니다 그런 다음 그 정보를 분석 할 수 있습니다 이러한 종류의 범주로 분류합니다 우리가 여기서 본 그림에서

분류의 표현으로 예를 들어, 오른쪽에, 당신은 임계 값 후에 특정 금액 수준을 볼 수 있습니다 당신은 자동적으로 언급 된 감사를 원한다 그래서 봇이 자동으로 UiPath 플랫폼을 잡아냅니다 감사를위한 후보자라고 언급했습니다 이러한 유형의 기능은 모두 내장되어 있습니다

이것은 ML 기반, AI, 컴퓨터 비전 기반, 조합 사용입니다 Google Cloud Platform 간의 사례 및 UiPath 플랫폼 우리는 두 파트너와 함께 공동 혁신을 수행했습니다 그리고 그로 인해 수많은 이점이 있습니다 그것은 단지 구조화되지 않은 정보 해부가 아닙니다

우리는 인보이스에 대해서만 보았습니다 솔직히 이점은 그보다 훨씬 큽니다 그것은 수동적 노력을 놀랍게 등록합니다 송장 처리 시간을 등록합니다 봇이 자동화 된 방식으로하고 있기 때문에, 수십만 건의 문서 처리하는 경우도 있습니다

그리고 여기에서 데이터는 검토되고 인간에 의해 검증됩니다 또한 정확도가 문제가되지 않습니다 왜냐하면 여기에서 봇은 실제로 그것에 작용하고있는 봇입니다 또한 또 다른 강력한 기능 실제로 그 정보를 수집 할 수 있습니까? 백 오피스를 업데이트하기 전에 오류가 있으면 잡으십시오 SAP와 다른 것들과 같은 시스템은, 왜냐하면 이곳은 선행으로 알려져 있기 때문입니다

그리고 그것은 인간과 봇이 함께 일할 수있게합니다 더 빠르고 더 높은 성능을 제공합니다 또한 확장 기능으로 공급망과 같은 다양한 다른 영역으로 확장되었습니다 창고와 다른 여러 곳에서 그리고 그걸로 마크에게 다시 전달할 것입니다

동영상에서 이러한 기능을 보여줄 수 있습니다 MARK BENYOVSZKY : 훌륭합니다 고마워, 라비 그래서 가장 좋은 부분은, 우리가 시작할 수 있다면 – 사실,이 티셔츠를 보자 그래서 가장 좋은 부분은 실제로 행동을 보는 것입니다

그래서 당신은 활주로를 보았습니다, 그것은 위대했습니다 그러나 우리는 실제로 이러한 기능들이 어떻게 플랫폼에서 작동합니다 첫 번째 사례에서 우리는이 문제를 시작하게 될 것입니다 우리가 비디오를 볼 수 있다면 좋을 것입니다 여기서 우리는 실제로 어떻게 우리가 이미 UiPath 로봇을 시작하십시오

특정 파일을 들여다 볼 수 있도록 만들어졌다 디렉토리에 저장하고 처리 할 문서가 있는지 확인하십시오 우리는 우리가 취할 수있는 번호가 있습니다 Google Cloud에 실제로 업로드 할 수 있습니다 저장 용량을 늘리고 싶다면 특정 문서에 대한 클라우드에서 그런 다음 문서 이해를 통해 추가 처리 할 수 ​​있습니다 일체 포함

그리고 나서 우리는 우리는 실제로 그 문서를보고 싶다 추출 결과에 따라 그래서 우리가 이전에이 문서를 본 적이 없다면 – 우리가 인보이스를 처음 보았을 때, 예를 들어 우리는 모든 기능을 가지고 있지 않을 수도 있습니다 택 소노 미와 관련된 추출에서 송장과 관련 그래서 인간은 매우 빨리 들어갈 수 있습니다

실제로 실제 측면을 강조 표시합니다 송장 번호, 구매 주문서 번호, 날짜, 공급자가 누구인지, 청구 된 주소 정보와 관련된 세부 정보 일반 공통 헤더로 발송됩니다 우리가 볼 수있는 정보의 유형, 소계 및 전체 정보가 포함됩니다 그래서 매우 빠른 과정입니다 로봇이 인간을 위해 그것을 어떻게 만들 수 있는지 매우 쉬운 UI 유형의 방법으로이를 수행 할 수 있도록하려면, 그런 다음 프로세스를 완료 할 수 있습니다

다른 예는 실제로 만나면 어떨까요? 최소 문턱 값? 두 번째 문서를 업로드하면 Google Cloud, Buckets으로 이동합니다 그러나 우리는 문서 이해 인공 지능은 거기에서 피쳐를 추출 할 수 있습니다 최소 임계 값에 대한 우리의 기준을 충족하는 경우, 우리는 반드시 그 인간 루프를 가질 필요는 없다 프로세스가 존재할 수 있어야합니다 문서는 계속 진행될 수 있습니다

우리가 다른 문서를 가지고 있다면 여기에 테이블 기능을 보여주기 위해, 뿐만 아니라, Ravi가 지적했듯이 여기에 정말 강력한 기능이 있습니다 실제로 테이블을 구문 분석 할 수 있습니다 신뢰 수준은 약간 낮을 수 있습니다 그러나 인보이스에서 확인할 수있는 것은 무엇입니까? 나오는 세부 데이터입니다 인보이스 자체의 따라서 그것은 특히 어려운 과제입니다

종종 라비 (Ravi)가 언급했듯이, 사전 스크립팅되거나 템플리트 화되어 있습니다 여기서 우리는 단지 컴퓨터 비전과 ML 타입을 사용하고 있습니다 해당 정보를 탐지 할 수있는 기능, 그것을 정확하게 분석하십시오 그리고 다시 검증 스테이션을 통해, 인간은 기본적으로 추출면을 볼 수있다 해당 확인을 위해 실제 문서 자체와 나란히 재미있는 또 다른 것은 보는 것입니다

로봇은 무엇을 보는가? JSON 페이로드가 있습니다 우리는 그 데이터를 자연스럽게 받아 들일 수 있습니다 원하는 경우 Google 스프레드 시트와 같은 것으로 피드 할 수 있습니다 그리고 우리는 모든 데이터를 볼 수 있습니다 실제 추출 과정에서 나온다

인간의 읽기 쉬운 유형의 방식으로, 그뿐만 아니라 상세한 테이블 데이터도 제공합니다 또는 이것을 사용하여 분석 할 수 있습니다 더 많은보고 또는 분석이 있다면 우리가 내놓을 수 있기를 원했던 대시 보드 이 데이터에 대해 하지만 더 중요한 것은 아마도 우리가하고 싶은 일입니다 그 송장 데이터를 가져 가고 싶습니다 로봇이 다시 데이터를 가져와야합니다

우리를 대신해 SAP에 로그인하십시오 그래서 로봇은 기본적으로 다음을 인증합니다 여기에 사용자 및 암호 자격 증명이 있습니다 작업에 있음을 자동으로 인식합니다 송장 데이터를 입력 할 수 있습니다

SAP와 함께 적절한 화면으로 이동할 수 있습니다 그 데이터를 입력하고 추출한 모든 해당 정보 그 과정에서 자동으로 다시 한번 로봇은 실제로 이러한 작업을 수행하고 있습니다 인간이 환경에서 일반적으로하는 일 – 우리가 여기서 그걸 막을 수 있다면 좋을거야 반드시 들어가서 수행 할 필요없이 그 기능 자체

그래서 여기서 우리가 실제로 시연 한 것은 믿을 수없는 종단 간 유형의 기능입니다 이 특정 예는 송장, 그러나 모든 유형의 엔터프라이즈 문서에 적용 할 수 있습니다 비 구조화, 반 구조화 및 구조화 플랫폼의 또 다른 강력한 측면 진정으로 기업 차원에서 사용될 수 있다는 것입니다 그리고 마지막으로, 여기에 착륙하기 위해, 우리는 라비가 전에 보여준 다른 그래픽을 가지고있다 분류 기법으로

우리 시간은 없어 우리는 정말로 당신과 이야기하는 것을 즐겼고, 대단히 감사합니다 Francisco URIBE : 대단히 감사합니다, Mark와 Ravi 그것은 굉장한 발표였습니다 훌륭한 파트너가되어 주셔서 감사합니다

그래서 다음에는 소개하고 싶습니다 Abhijit, 제품 및 엔지니어링 담당 SVP Automation Anywhere 및 Gans에서 BPO 디지털 경험 Infogain의 통찰력 ABHIJIT KAKHANDIKI : 이봐, 고마워 좋아 그래서 저는 Automation Anywhere에서 왔습니다 우리는 다시, 이 전체 공간에서 주요 벤더 중 하나

우리는 실제로 용어를 만들었습니다 "디지털 인력" 그리고 그 생각은 마치 인간처럼, 당신은 실제로 사물을 실행하거나 일을합니다 그런 다음 당신은 생각하고, 분석하고, 너 커피 마시 러 글쎄, 거기에 해당하는 디지털 있습니다 이것이 실제로 우리 제품 포트폴리오가 구성하는 것입니다

따라서 우리는 핵심 엔터프라이즈 RPA 플랫폼을 보유하고 있습니다 그리고 로봇은 400 가지 유형으로 작업 할 수 있습니다 프레임 워크의 사실, 내가 넣은 방법은 봇이 몇 가지 수준을 볼 수 있습니다 인간이 할 수있는 것보다 더 깊다 그리고 그들은 실수를 저지를 가능성이 적습니다

따라서 핵심 RPA 플랫폼이 작동 할 수 있습니다 거기에있는 응용 프로그램 중 하나를 선택하십시오 그런 다음 우리는 실제로인지 구성 요소를 가지고 있습니다 지난 4 년 이래로 우리 제품 라인에 그리고 다시, 우리는 몇 가지 응용 문서의 이해, 문서 처리는 물론 우리는 어디에서나 공개되고 공개되는 봇 스토어를 가지고 있습니다 30 ~ 40 개의 다른 도메인을 찾을 수 있습니다

모든 종류의 다른 문서가 처리됩니다 또한 실제로 제공하는 스마트 한 BI 플랫폼을 보유하고 있습니다 실시간으로, 봇에 대한 운영 통찰력뿐만 아니라 – 각 봇이 무엇인지, 모든 종류의 봇 보안 분석 하지만 우리가하는 일은 봇이 처리합니다 그리고이를 통해 실시간 비즈니스 통찰력을 얻을 수 있습니다

그래서 우리는 RPA가 실제로 비즈니스 기회를 발견하는 데 중요한 역할을합니다 프로세스 비용과주기를 줄이는 것이 아닙니다 타임스 따라서 이것이 디지털 인력입니다 디지털 인력을 사용할 수 있습니다

프로세스 별 또는 디지털 근로자별로 봇 저장소에 저장됩니다 비즈니스 프로세스를 살펴보면, 데이터와 관련하여이 단계들로 구성됩니다 데이터를 캡처 중입니다 또는 당신이 그것을 풍요롭게하고, 그것을 확인하고, 처리하고, 그것을 조정하고, 분석하고보고 할 수 있습니다 전통적인 RPA는 대부분의 단계를 처리하지만, 인공 지능은 여러 측면에서 여전히 필요합니다

따라서 우리는 핵심 플랫폼에 인공 지능을 내장했습니다 깊은 학습에 기반한 핵심, 컴퓨터 비전 실제로, 비록 우리가 그 틀을 이해하지 못한다 할지라도, 스크린을 거대한 이미지로 취급하더라도, 봇은 여전히 ​​100 % 안정적으로 작동 할 수 있습니다 그러나 우리는 이것을 확장하고이 진정한 동반자 관계를 형성했습니다 RPA와 AI 사이에서 모든 AI 모델을 임베드 할 수 있습니다 그래서 플랫폼의 하이라이트 중 하나 당신이 실제로 전통을 묻을 수 있다는 사실입니다

Google과 같은 제공 업체의 AI 모델을 퍼갈 수 있습니다 뿐만 아니라 사용자 정의 AI를 가질 수 있습니다 당신이 만드는 모델 그래서 예를 들어, 파이썬 스크립트를 실행하는 등등 그래서 우리는 여기서 기뻐합니다

우리는 Google과 매우 높은 수준으로 파트너 관계를 맺고 있습니다 Google AI 만 사용하는 것이 아닙니다 하지만 Google Cloud에서 봇을 실행하는 것입니다 마지막으로 봇과 상호 작용하는 인간 Google 생산성 제품군을 통해 여기에 매우 흥미로운 유스 케이스가 있습니다 그리고이 유스 케이스에 대해 이야기하기 위해 Google 컴퓨터 비전을 어떻게 활용했는지 API를 통해 고객의 10 배 성장 준비, 이런 종류의 거래 증가를 달성하는 곳 봇을 사용하지 않고서는 불가능했습니다

그리고 여기에 대해 더 이야기하는 것은 Gans입니다 우리 파트너 인 Infogain으로부터 가나 파티 수 브라 만 : 감사합니다, 아브 시트 Infogain에 대한 간단한 메모 우리는 30 세의 소프트웨어 엔지니어링 회사입니다 우리는 로스가 토스에 기반을두고 있습니다

우리는 전 세계에 지사를두고 있습니다 우리는 몇몇 주요한 기술 회사와 파트너 관계를 맺고 있으며, Fortune 지 선정 500 대 기업을 지원합니다 디지털로 Google은 Google 및 Automation Anywhere의 파트너입니다 매우 흥미로운 사례 연구에 대해 이야기하겠습니다

고객을 위해 여기에 있습니다 여기서 우리가 이야기하고자하는 것은 고객입니다 이는 기본적으로 세계에서 가장 큰 여행 시장입니다 매년 4 억 명이 넘는 손님이 도착합니다 웹 속성 및 모바일 속성에 대해 그리고 그들이 가진 흥미로운 문제 중 하나 귀하가 10 개 이상의 부동산을 보유한 고객 세그먼트였습니다

당신이 그들의 플랫폼에서 거래하기를 원했습니다 이러한 속성 – 혹시 자신의 웹 사이트에 갔다면, 거의 10 페이지의 데이터가 있음을 알 수 있습니다 당신이 순서대로 제공해야하는 플랫폼에 등록 정보를 나열하는 방법 모든 것들을 통과하십시오 매우 수동적 인 프로세스 그것은 많은 시간이 걸렸다

재산에 대한 전체 절차는 최대 30 일이 걸렸습니다 나열 될 5 일에서 7 일은 그저 데이터 부분 일뿐입니다 그리고 온 보딩 조수가 많이 있었지만, 전체 온 보딩 지원이 수동으로 제공되었습니다 그래서 당신은 팀을 불러야했습니다 팀은 그걸 통해 물건을 챙길 것입니다

이 경험에서 많은 마찰을 불러 일으킨 것은 무엇입니까? 고객은 기본적으로 사실이었습니다 왜냐하면 수동 프로세스 였고, 매우 낮은 활성화를 보았습니다 율 활성화는 신규 가입 절차입니다 실제로 사이트에 귀하의 재산을 가지고 사이트의 트랜잭션

그리고 그것은 저소득층에 속합니다 그리고 그 이유는 주로 수동 프로세스 때문입니다 데이터 품질이 좋지 않습니다 데이터에 많은 오류가있었습니다 처리되었습니다

불완전한 저작자 표시가있었습니다 따라서 해당 메타 데이터를 실행할 수 없습니다 캠페인 및 프로모션 및 검색을 실행합니다 그리고이 과정은 훨씬 더 작은 규모로 수행되고있었습니다 볼륨의

그리고 고객은 10 배의 성장을 예상했습니다 그리고 이것은 앞으로 나아갈 수있는 확장 가능한 프로세스가 아닙니다 Google 및 Automation Anywhere와 협력 할 때 이 고객을 돕기 위해 한 가지 간단한 목표가있었습니다 전환 유입 경로를 최적화하는 방법은 무엇입니까? 그 말은 내가 많은 고객들을 등록하면 사이트에서 더 많은 거래가 필요합니다 그것은 주요한 것이 었습니다

전환 깔때기를 보면 전환 깔때기에는 세 단계가 있습니다 하나는 사이트에 업체 정보를 만들어야한다는 것입니다 재산으로 그리고 그것은 많은 시간을 소비하고 있었던 것이 었습니다 우리가 얘기 한 것처럼

둘째, 편의 시설을 통해이 리스팅을 풍부하게하는 방법은 무엇입니까? 데이터 및 기타 데이터를 수집하여이 목록을 활성화 할 수 있습니다 더 많은 사용자 앞에 놓으십시오 그리고 세 번째 것은, 어떻게 당신은 점점 더 나은 데이터를 생성하여 프로모션 및 검색을 얻을 수 있습니까? 그래서 이것이 우리가 해낸 목표였습니다 그리고 그것이 우리가 로봇을 처음으로 데려온 곳입니다 자동화 어디에서나, 우리는 Google 클라우드에서 그리고 우리는 기본적으로 목록 작성을하는 로봇을 가지고있었습니다

또한 데이터를 수집하여 그것의 자동화 된 수 및 누군가 수동으로하지 않아도됩니다 그리고 그 목록이 만들어지면 그것에 관한 모든 데이터를 가지고, 그것은 인간, 팀 밖에서, 데이터를 승인하고 목록 데이터를 꺼내십시오 그곳에 일단 완료되면 API 통합을 사용했습니다 기본적으로 Google 클라우드에 데이터를 전송합니다

고객이 보유한 웹 자산으로 그리고 그것이 완료되면, 목록 웹 사이트에서 일어났습니다 그리고 이전에는 수동으로 모두 완료되었습니다 API없이 클라우드 인프라없이 모두 자동으로 수행됩니다 일단 우리가 그렇게하자 우리는 몇 가지 이점을보기 시작했습니다 고객을 위해 다음 단계로 이동했습니다

프로젝트의 내용은 기본적으로 자동화 된 무언가가 있습니다 뭔가 자동화 된 자동화를 어떻게 할 수 있을까요? 그래서 자동화에는 세 가지 기본 요소가있었습니다 보시다시피 첫 번째 문제는 첫 번째 단계에서 우리는 이미 처리 시간을 개선했습니다 우리는 그것을 셀프 서비스로 만들었습니다 그래서 Jira를 Google Cloud 인프라에 통합했습니다

고객이 자신의 티켓을 볼 수 있도록 그들의 재산이 어디 있는지 알아 냈어 온 보딩 전 과정에서 그러나 우리는 이것을 국제 규모로 옮기고 싶었습니다 그것을 더 많은 국가로 옮깁니다 그게 바로 Google Cloud의 전체 규모와 인프라입니다 연극이 시작되었습니다

그리고 그들을 여러 나라로 데려 가기 위해 훨씬 쉬웠다 그리고 제품의 마지막 단계 기본적으로 Google의 AI 서비스를 사용하는 것이 었습니다 더 나은 데이터로 수익을 창출하는 방법을 알아 보려면 속성에서 빠져 나올 수 있습니다 어떻게 새로운 제품 범주로 옮길 것인가? 새 언어 범주, 의미에서 우리는 어떻게 사용할 수 있습니까? NLP, 어떻게 언어 번역을 사용할 수 있습니까? Google이 제공 할 수있는 서비스를 제공 할 수 있습니까? 그리고 이것은 우리가 사용한 로드맵이었습니다 Google 및 Automation Anywhere와 협력 고객을 더 큰 규모로 이동시킵니다

우리가 특히 사용한 것과 내가 여기서 말하고자하는 것 우리는 실제로 매우 빠르고 효과적으로 착수 한 것입니까? AutoML 비전 모델 통합 기존 로봇과 프로세스에 적용됩니다 이것은 우리가 한 전체 프로젝트였습니다 사용의 편의성을 보여주는 8 주 만에 및 AutoML 제품에 적용됩니다 그리고 우리는 기본적으로 가지고있는 모든 속성을 취했습니다 우리는 1,000 개의 이미지를 찍었습니다

각 속성에는 이미지가 포함되어 있습니다 그리고 전 세계에서 누군가 이미지와 함께 앉아서 각 이미지를 봐야했다 어떤 어메니티가 이미지에 있는지 확인하십시오 그리고 편의 시설은 매우 중요합니다 휴가 렌탈이나 호텔을하려, 당신이 그 재산을보고 싶어하기 때문에

당신은 그것이 무엇인지, 그것이 무엇인지를보고 싶습니다 냉장고를 가지고 있는지 여부와 상관없이 전자 레인지를 받았다 욕조있어 그리고 그것은 국제 시장에서 더 그렇습니다 그래서 우리는 1,000 개의 이미지를 가져 왔습니다

우리는 이미지 훈련을했습니다 그리고 우리는 여러 번의 반복 작업, 5 번 이상의 반복 작업을 수행했습니다 훈련 그리고 각 반복에는 약 2 그렇게하기위한 4 시간의 모델 훈련 시간 그래서 꽤 신속하게 처리 할 수있었습니다

그리고 우리는 3-4 가지 주요 편의 시설을 살펴 보았습니다 TV, 욕조 및 킹 사이즈 침대 이러한 편의 시설을 기반으로 가격 책정 권장 엔진 우리 고객의 실제로 더 효과적인 가격을 추천 할 수 있었다 귀하의 재산에 대해 요금을 청구해야합니다 그리고 8 주 만에 우리는 모든 카테고리에서 90 % 이상의 정확도 및 90 % 이상 우리가 거기 밖으로 본다

AutoML 비전은 그 뿐만이 아닙니다 빠르고 효율적 이었지만 매우 좋았습니다 고객이 원했던 데이터를 생성하는 데 효과적입니다 고객이 무엇을보고 있는지 살펴보면 되돌아갑니다 그곳에 존재했던 문제 진술에 그 중 하나가이 고객이었습니다

수동으로이 전체 프로세스를 수행하고있었습니다 아마도 한 달이 걸렸을 것입니다 이 모든 과정을 수행하는 것만으로 데이터 캡처가 가능합니다 재산의 일부는 5-7 일이었다 그리고 재산에 대해 아는 사람이라면 그 한 달 안에 초점을 맞추기 때문에 고객을 잃게됩니다

다른 물건에 그리고 이것이 정품 인증 문제가 실제로 발생하는 곳입니다 한달 만에 당신이 그들을 잃어 버렸기 때문에 들어왔다 당신은 그 부동산이 어디 있는지 몰랐습니다 그리고 정품 인증도 누락되었습니다

편의 시설 데이터가 없었습니다 메타 데이터가 많지 않았습니다 검색 엔진들 사이에 그들의 재산을 홍보하기 위해 프로모션과 같은 것들 Google의 AI 서비스와 API를 통합하여 자동화 [INAUDIBLE] 로봇, 우리는 활성화의 100 % 증가를 입증 할 수있었습니다 고객에게 직접적인 수익 인 밖에있다

이것이 우리가 할 수 있었던 것입니다 총 비용은 40 % 감소했습니다 내 말은, 디지털 유니콘이라서 정말 비용 걱정은하지 않습니다 그러나 프로세스를 확장 할 때 매우 중요합니다 당신은 거래 당 그리고 부동산마다, 비용이 내려갑니다

그래서 우리는 비용을 40 % 절감 할 수있었습니다 하지만 제 생각에 가장 중요한 사실은 가장 큰 마찰을 일으킨 사용자 중 – 우리는 돌아서 수 있었습니까? 처리 시간이 거의 70 %에서 50 % 기본적으로 뭔가 5 일에서 7 일이 걸리던 날은 이틀 만에 끝났다

이것은 매우 중요합니다 재산 관리자들에게 돌아갈 수있다 빨리 말해서, 우리가 너에게 서명 했어 당신은 살아 있고 그런 것들입니다 그리고 마지막으로 중요한 것은, 나는 생각합니다

규모에 맞게 프로세스 이동 – 그들은 15 만개 이상의 부동산을 살펴보고 있습니다 100 만 플러스까지 확장 할 수있는 해 그들이하는 일에 대해 매우 중요합니다 이것은 셀프 서비스 모델입니다 예를 들어, 예외가 발생하는 경우, 무언가를 바꿀 필요가 있다면, 오프라인에서해야 할 일이 있습니다 우리는 실제로 셀프 서비스 자동화 모듈을 제자리에 두었습니다

그리고 이것이 바로 통합 능력입니다 Google 클라우드 및 Jira와 RPA 로봇 정말로 속도가났습니다 그것은 커스텀 프로젝트가 아니 었습니다 우리는 그렇게 빨리 할 수 ​​있습니다 커스텀 API와 물건을 생성 할 필요가 없었습니다

이것이 우리가 한 일입니다 그리고이 모든 것을함으로써, 당신이 거기에서 보는 것처럼 – 나는 그것에 대해 이야기했다 96 % 정확도 및 90 % 리콜 훈련 모델 따라서 현재 모든 국가에서 시행되고 있습니다 그리고 미래의 상태는 그것을 증가시킬 것입니다

다양한 편의 시설에 걸쳐 이 속성들을 사용하여 이것이 훨씬 더 빠른 방법으로 진행되고 있음을 알 수 있습니다 당신이 할 수있는 것보다 이것은 우리가 사용하는 사례 중 하나입니다 우리 고객들과 봤어 그리고 Google의 개체 감지 AI는 매우 유용했습니다

나는 그것을 Abhijit에게 돌릴거야 우리가 만날 수있는 다른 사례들에 대해서 말하기 위해서입니다 ABHIJIT KAKHANDIKI : 이것은 놀라운, 맞 죠? 제 말은, 봇이 다음에 무엇을 할 수 있을까요? 나는 이것에 관해 내가 좋아하는 것이 그것이라고 생각한다 컴퓨터 비전의 응용 그러나 그것은 또한 빠른 결과의 실현입니다

이 전체 프로젝트가 약 8 주 만에 완료되었다는 것을 감안할 때, 고객이 전화 번호를 확장 할 수 있도록 준비했습니다 봇과의 거래 그리고 이것이 핵심 가치 소품 중 하나입니다 그 RPA가 테이블로 가져옵니다 RPA와 AI는 완전히 새로운 수준을 제공합니다 의 [? 자동?] [? RPA는 AI를 세 가지 방식으로 돕기 때문에? 그것은 데이터를 가져옵니다

AI에 교육을 제공합니다 비즈니스 컨텍스트를 가져옴으로써 이러한 서비스 중 하나 따라서 이것이 사용 사례 중 하나 일뿐입니다 우리는 실제로 더 많이 흩어져 있습니다 서로 다른 분야에 걸쳐 그래서 당신이 이것에 대해 더 알고 싶다면, 부스에서 저희를 방문하십시오

우리는 또한 행동중인 봇들과 함께이 과정에 대한 비디오를 가지고 있습니다 그들이 부동산의 시작 부분에서 실제로 어떻게 움직이는 지 모든 것을 인식하는 모든 방법 나열 거기에있는 다른 물건들, 응답을 제공 할 수 있고 휴먼 – 인 – 더 – 루프, 맞지? 따라서 신뢰 임계 값을 갖는 것과 동일한 개념 그리고 모든 것이 지정되고, 그것이 특정 임계 값보다 낮 으면, 인간은 검토하고 훈련 할 수 있도록 루프에 있어야합니다 봇 이것은 기본적으로 인공 지능입니다 배우면서, 그것은 더 좋아집니다

그리고 봇은 실제로 스스로 관리 할 수 ​​있습니다 궁극적으로 감독을 거의 또는 전혀 필요로하지 않습니다 내가 말했던 것처럼, 우리 부스에서 우리를 방문하십시오 여기 부스 1660 [INAUDIBLE]입니다 그리고 우리는 몇 가지 다른 유스 케이스에 관해 이야기 할 수 있습니다

참석해 주셔서 감사합니다 너가 말하고 싶은지 모르겠다 [박수 갈채] 감사 FRCISCO URIBE : 대단히 감사합니다 끝내기 위해서, 너를 초대하고 싶었다

cloudgooglecom/document 이해 ai 이러한 기능에 대해 더 자세히 알고 싶다면, 가입하고 주요 파트너 중 한 사람과 연락하십시오 고맙습니다

[음악 재생]