클라우드 AI를 사용하여 박스 스킬이 워크 플로우를 최적화하는 방법

수동으로 파일을 업로드하고 태그를 추가해야했던 적이 있습니까? 재미 없어. 그러나 기계 학습 알고리즘은 점점 더 많은 양의 컨텐츠를 자동으로 분류하고 태그를 지정할 수 있도록 도와줍니다. 또한 회사에서 널리 사용되는 파일 공유, 저장 및 공동 작업 서비스 인 Box를 사용하는 경우 Box의 개발자 툴킷에있는 새로운 프레임 워크 인 Box Skills Kit를 사용하여 몇 줄의 코드로 파일에 Google ML 서비스를 적용 할 수 있습니다.

Google Cloud는 이미지 인식, 음성 대본 텍스트 전송 및 자연어 이해와 같은 기술을 통해 유용한 메타 데이터로 Box 파일을보다 풍부하게 만들어줍니다. 예를 들어 저장소에 많은 이미지가있는 경우 Cloud Vision API 를 사용하여 이미지 또는 문서의 객체 또는 랜드 마크와 같은 이미지에 대해 더 많이 이해할 수 있습니다. 또는 내용을 파싱하고 문서의 카테고리를 결정한다. 클라우드 비전이 제공하는 기능 이상으로 사용자의 요구 사항이 확장되면 자신의 맞춤식 교육 모델을 제공하는 사용자 지정 엔드 포인트에서 스킬을 지정할 수 있습니다.

실제 통합 사례

이제 예제를 살펴 보겠습니다. 많은 기업들이 Box를 사용하여 제품 이미지를 저장합니다. Box Skills Kit 및 Cloud Vision API 의 제품 검색 기능 을 사용하면 이러한 제품을 자동으로 카탈로그 할 수 있습니다. 사용자가 Box에 새 제품 이미지를 업로드하면 Vision API의 제품 검색 기능이 카탈로그에서 유사한 제품을 식별하고 해당 제품의 최대 가격을 파악하는 데 도움이됩니다.

제품 검색 상자 기술 구성 및 배포

Box Skills Kit를 사용하여 위에서 설명한 유스 케이스를 구현하는 방법을 살펴 보겠습니다.

1. 스킬의 종점 만들기 
   a. 이 빠른 시작 안내서를 따르십시오 . 
   비. 이 API 엔드 포인트를 사용하여 사전 훈련 된 기계 학습 모델을 호출하여 새 데이터를 분류 할 수 있습니다. 
   기음. 위에 작성된 API 엔드 포인트에서 상자 스킬을 가리 키도록 클라우드 기능을 작성하십시오. 
   디. 다음 저장소를 복제하십시오 . 
   이자형. 그런 다음 지침에 따라 프로젝트에 함수를 배포하십시오. 
   에프. 엔드 포인트의 URI를 기록하십시오.

2. Box Custom Skills App을 상자에 구성한 다음 위에서 만든 Cloud 기능을 가리 키도록 구성합니다. 
   에이. 지침을 따르십시오 . 
   비. 그럼이 지시들 .

그리고 거기에 그것이 있습니다. 이제 Cloud AI가 사용할 수있는 새로운 맞춤형 Box Skill을 사용할 준비가되었습니다. 새 이미지를 Box 드라이브에 업로드하고 유사 제품의 최대 소매가 및 정보가 모두 “기술”콘솔 아래에 표시되는지 확인하십시오.

새로운 기술 사용하기

이제 모든 준비가 완료되었으므로 가정 용품, 의류 또는 장난감 이미지 파일을 Box 드라이브에 업로드하면됩니다. 업로드는 Box Skill 이벤트 워크 플로를 트리거합니다.이 워크 플로 는 Google Cloud에 배포 한 클라우드 기능 을 호출하고 엔드 포인트를 Box Admin Console에 지정합니다. 그런 다음 생성 한 클라우드 함수는 상자 기술 키트의 FileReader API를 사용하여 업로드 트리거가 발생할 때 Box에서 자동으로 전송되는 base64 인코딩 이미지 문자열을 읽습니다. 기능은 Cloud Vision의 제품 검색 기능을 호출하고 제품 검색 기능에서 반환 된 데이터로 주제 카드를 만듭니다. 다음으로 원래의 이미지에서 축소 된 축소판을 채울 얼굴 카드를 만듭니다. 마지막으로,이 기능은 박스 내에서 스킬 카드를 지속합니다.skillswriterAPI. 이제 상자 드라이브에서 이미지를 열고 오른쪽에있는 “magic wand”아이콘을 클릭하면 펼쳐지는 “스킬”메뉴를 클릭하면 비슷한 제품과 최대 크기의 제품 카탈로그 정보가 표시됩니다 채워지는 가격.

무엇 향후 계획?

지난 몇 년 동안 Google Cloud 및 Box는 최종 사용자의 생산성을 높이기 위해 다양한 도구를 구축했습니다. 오늘날 BOX 기술은 Vision API, Video Intelligence API 또는 Speech-to-Text API를 통해 사전 훈련 된 모델에 액세스 할 수있을뿐만 아니라 데이터 과학자가 교육 및 훈련 할 수있는 고급 인공 지능 도구 및 서비스의 새로운 세계를 열어줍니다. Cloud ML Engine에서 TensorFlow, sci-kit learn, Keras 또는 PyTorch로 작성된 호스트 사용자 정의 모델. 마지막으로 Cloud AutoML을 사용하면 코드를 작성하지 않고도 데이터 세트에서 모델을 학습 할 수 있습니다. 코드 또는 데이터 과학에 대한 귀하의 수준에 관계없이 우리는 귀하가 귀하의 데이터에 대한 기계 학습 강화 주석을 쉽게 작성하도록하기 위해 최선을 다하고 있습니다.

이 글에서 다룬 모든 코드와 관련 문서 는 GitHub 저장소 에서 찾을 수 있습니다 . 안녕, 지루한 반복! 안녕하세요, 생산성.