星期三, 14 5 月, 2025
No Result
View All Result
AI TAIWAN 台灣人工智慧中心
  • Home
  • AI 綜合新聞
  • AI 自動化與 AI Agents
  • AI 智慧產業
  • 機器學習與應用
  • 自然語言處理
  • 神經連結和腦機接口
  • 機器人與自動化
  • 道德與法規
  • 安全
AI TAIWAN 台灣人工智慧中心
  • Home
  • AI 綜合新聞
  • AI 自動化與 AI Agents
  • AI 智慧產業
  • 機器學習與應用
  • 自然語言處理
  • 神經連結和腦機接口
  • 機器人與自動化
  • 道德與法規
  • 安全
No Result
View All Result
AI TAIWAN 台灣人工智慧中心
No Result
View All Result
Your Ad
Home 機器學習與應用

從 Amazon QuickSight 整合查詢 Amazon Q Business 的結構化數據

2024-12-04
in 機器學習與應用
0 0
0
從 Amazon QuickSight 整合查詢 Amazon Q Business 的結構化數據
Share on FacebookShare on Twitter
Your Ad


Amazon Q Business 是一個以生成式 AI 驅動的助手,能夠回答問題、提供摘要、生成內容,並根據您企業系統中的數據和信息安全地完成任務。儘管生成式 AI 正在推動變革性的創新,但企業在企業知識方面仍可能面臨明顯分隔的數據孤島,尤其是在非結構化內容(如 PDF、Word 文件和 HTML 頁面)與結構化數據(存儲在數據庫或數據湖中的實時數據和報告)之間。這兩類數據通常使用不同的工具進行查詢和訪問,從針對非結構化數據的產品內瀏覽和搜索功能,到針對結構化內容的商業智能(BI)工具,如 Amazon QuickSight。

Amazon Q Business 提供了一個有效的解決方案,能夠快速建立針對非結構化內容的對話應用程序,擁有超過 40 個數據連接器,能夠連接到流行的內容和存儲管理系統,如 Confluence、SharePoint 和 Amazon Simple Storage Service(Amazon S3),以聚合企業知識。客戶還希望在所有知識庫中獲得統一的對話體驗,無論內容的存儲和組織格式如何。

在 2024 年 12 月 3 日,Amazon Q Business 宣布推出與 QuickSight 的集成,允許您快速將結構化數據源連接到 Amazon Q Business 應用程序,為最終用戶創建統一的對話體驗。QuickSight 集成提供了超過 20 個結構化數據源連接器,包括 Amazon Redshift、PostgreSQL、MySQL 和 Oracle,使您能夠快速擴展 Amazon Q Business 助手的對話範圍,以涵蓋更廣泛的知識來源。對於最終用戶,答案將從您的結構化數據源中實時返回,並與在非結構化存儲庫中找到的其他相關信息相結合。Amazon Q Business 利用 QuickSight 中的分析和高級可視化引擎,從結構化數據中生成準確且易於理解的答案。

在這篇文章中,我們將向您展示如何配置 Amazon Q Business 中的 QuickSight 連接,然後提問以獲取來自 QuickSight 的實時數據和可視化,以及非結構化內容。

解決方案概述

Amazon Q Business 中的 QuickSight 功能可在 Amazon Q Business 控制台以及通過 Amazon Q Business API 使用。此功能作為 Amazon Q Business 中的一個插件實現。啟用後,此插件將與其他 Amazon Q Business 插件的行為不同——它將在每次用戶提示時自動查詢 QuickSight,尋找相關答案。

對於尚未訂閱 QuickSight 的 AWS 帳戶,Amazon Q Business 管理員需要完成以下步驟:

創建一個 QuickSight 帳戶。
在 QuickSight 中連接您的數據庫以創建數據集。
在 QuickSight 中創建一個主題,然後用於從您的 Amazon Q Business 應用程序進行搜索。

當該功能啟用後,Amazon Q Business 將使用您在 Amazon Q Business 中配置的非結構化數據源,以及使用 QuickSight 可用的結構化內容,生成包含敘述和可視化的豐富答案。根據問題和 QuickSight 中的數據,Amazon Q Business 可能會生成一個或多個可視化作為回應。

前提條件

您應具備以下前提條件:

一個可以按照本文中的說明操作的 AWS 帳戶。
設置為與 Amazon Q Business 一起使用的 AWS IAM 身份中心。欲了解更多信息,請參見使用 AWS IAM 身份中心可信身份傳播配置 Amazon Q Business。
至少一個具有管理權限的 Amazon Q Business Pro 用戶,以便設置和配置 Amazon Q Business。欲了解定價信息,請參見 Amazon Q Business 定價。
一個 IAM 身份中心組,將被分配 QuickSight 管理員 Pro 角色,供將管理和配置 QuickSight 的用戶使用。
如果已存在 QuickSight 帳戶,則該帳戶需與 Amazon Q Business 在同一 AWS 帳戶和 AWS 區域中,並與 IAM 身份中心配置相符。
一個已安裝的數據庫,並且可以從 QuickSight 訪問以加載結構化數據(或者您可以通過上傳 CSV 或 XLS 文件創建數據集)。該數據庫還需要創建表和插入數據的憑證。
要加載到數據庫的示例結構化數據(連同插入語句)。

創建 Amazon Q Business 應用程序

要使用此功能,您需要有一個 Amazon Q Business 應用程序。如果您尚未擁有現有應用程序,請遵循 Discover insights from Amazon S3 with Amazon Q S3 connector 中的步驟來創建應用程序及其 Amazon S3 數據源。將非結構化文檔上傳到 Amazon S3 並同步數據源。

創建並配置新的 QuickSight 帳戶

如果您已經擁有現有的 QuickSight 帳戶,可以跳過本節。要創建 QuickSight 帳戶,請完成以下步驟:

在 Amazon Q Business 控制台中,導航到您的應用程序。
在導航窗格中選擇 Amazon QuickSight。

選擇創建 QuickSight 帳戶。

在 QuickSight 帳戶信息下,輸入您的帳戶名稱和帳戶通知的電子郵件。
在分配 QuickSight 管理員 Pro 角色下,選擇您作為前提條件創建的 IAM 身份中心組。
選擇下一步。

在服務訪問下,選擇創建並使用新服務角色。
選擇授權。

這將創建一個 QuickSight 帳戶,將 IAM 身份中心組分配為 QuickSight 管理員 Pro,並授權 Amazon Q Business 訪問 QuickSight。

您將看到一個顯示 QuickSight 詳細信息的儀表板。目前,它將顯示零個數據集和主題。

選擇轉到 QuickSight。

您現在可以繼續到下一部分以準備您的數據。

配置現有的 QuickSight 帳戶

如果您遵循前面的步驟並創建了新的 QuickSight 帳戶,可以跳過本節。

如果您當前的 QuickSight 帳戶不在 IAM 身份中心中,考慮使用一個沒有 QuickSight 訂閱的不同 AWS 帳戶來測試此功能。從該帳戶,您可以在 IAM 身份中心中創建一個 Amazon Q Business 應用程序,並通過 Amazon Q Business 控制台完成 QuickSight 集成設置步驟,這將為您在 IAM 身份中心中創建 QuickSight 帳戶。請記得在測試完成後刪除該新 QuickSight 帳戶和 Amazon Q Business 應用程序,以避免後續的計費。

完成以下步驟,以設置來自 Amazon Q Business 的 QuickSight 連接器,用於現有的 QuickSight 帳戶:

在 Amazon Q Business 控制台中,導航到您的應用程序。
在導航窗格中選擇 Amazon QuickSight。

選擇授權 QuickSight 回答。

在分配 QuickSight 管理員 Pro 角色下,選擇您作為前提條件創建的 IAM 身份中心組。
在服務訪問下,選擇創建並使用新服務角色。
選擇保存。

您將看到一個顯示 QuickSight 詳細信息的儀表板。如果您已經有數據集和主題,它們將顯示在這裡。

您現在已準備好在下一部分中添加數據集和主題。

在 QuickSight 中添加數據

在本節中,我們將創建一個 Amazon Redshift 數據源。您也可以從您選擇的數據庫創建數據源,使用 Amazon S3 中的文件,或直接上傳 CSV 文件並連接到它。有關詳細信息,請參見從數據庫創建數據集。

要配置您的數據,完成以下步驟:

創建一個以 Amazon Redshift 為數據源的新數據集。

配置此連接提供多種選擇;選擇最適合您需求的一個。

從數據集中創建主題。欲了解更多信息,請參見創建主題。

可選地,從主題創建儀表板。如果創建,Amazon Q Business 可以使用它們。

向 Amazon Q Business 提問

要開始與 Amazon Q Business 交談,請完成以下步驟:

在 Amazon Q Business 控制台中,導航到您的應用程序。
在導航窗格中選擇 Amazon QuickSight。

您應該看到數據集和主題填充了值。

選擇部署 URL 下的鏈接。

我們使用 Amazon Redshift 在 QuickSight 中上傳了特定 AWS 帳戶的 AWS 成本和使用報告。我們還將 Amazon 服務文檔作為非結構化數據上傳到 Amazon Q Business 的數據源中。我們將詢問與我們的 AWS 成本相關的問題,並展示 Amazon Q Business 如何從結構化和非結構化數據中回答問題。

以下截圖顯示了一個僅從非結構化數據返回回應的示例問題。

以下截圖顯示了一個僅從結構化數據返回回應的示例問題。

以下截圖顯示了一個從結構化和非結構化數據返回回應的示例問題。

以下截圖顯示了一個從結構化和非結構化數據返回多個可視化的示例問題。

清理

如果您不再想使用此 Amazon Q Business 功能,請刪除您創建的資源以避免未來的費用:

刪除 Amazon Q Business 應用程序:

在 Amazon Q Business 控制台中,選擇導航窗格中的應用程序。
選擇您的應用程序,然後在操作菜單中選擇刪除。
輸入 delete 以確認並選擇刪除。

該過程可能需要最多 15 分鐘才能完成。

刪除 S3 存儲桶:

清空您的 S3 存儲桶。
刪除該存儲桶。

刪除 QuickSight 帳戶:

在 Amazon QuickSight 控制台中,選擇管理 Amazon QuickSight。
選擇帳戶設置和管理。
刪除該帳戶。

刪除您的 IAM 身份中心實例。

結論

在這篇文章中,我們展示了如何在 Amazon Q Business 應用程序中包含來自結構化數據源的答案,使用 QuickSight 集成。這為最終用戶創造了一個統一的對話體驗,節省了他們的時間,幫助他們通過更完整的答案做出更好的決策,並提高了他們的生產力。

在 AWS re:Invent 2024 上,我們還宣布了一個類似的統一體驗,使得通過 Amazon Q Business 在 QuickSight 中訪問非結構化數據源的洞察成為可能。

要了解 Amazon Q 在 QuickSight 中提供的新功能,請參見 QuickSight 插件。

要了解有關 Amazon Q Business 的更多信息,請參見 Amazon Q Business 用戶指南。

要了解有關配置 QuickSight 數據集的更多信息,請參見使用新用戶界面更高效地管理您的 Amazon QuickSight 數據集。

QuickSight 還提供查詢非結構化數據的功能。欲了解更多詳細信息,請參見通過 Amazon Q Business 將非結構化數據集成到 Amazon QuickSight 中。

作者介紹

jdJiten Dedhia 是一位高級 AIML 解決方案架構師,在軟件行業擁有超過 20 年的經驗。他幫助財富 500 強公司滿足其 AIML/生成式 AI 需求。

jpdJean-Pierre Dodel 是 Amazon Q Business 的首席產品經理,負責提供關鍵的戰略產品能力,包括 Q Business 中的結構化數據支持、RAG 和整體產品準確性優化。他在 AWS 擔任產品領導職務超過 7 年,為團隊帶來豐富的 AI/ML 和企業搜索經驗。



Source link

Tags: AmazonbusinessQuickSight從整合查詢的結構化數據
Previous Post

將網路轉變為資料庫的創業公司

Next Post

人工智慧生成內容的文化影響:第一部分 | 史蒂芬妮·基爾默 | 2024年12月

Related Posts

劍橋大學和莫納什大學的研究人員推出 ReasonGraph:一個可視化和分析大型語言模型推理過程的網絡平台
機器學習與應用

劍橋大學和莫納什大學的研究人員推出 ReasonGraph:一個可視化和分析大型語言模型推理過程的網絡平台

2025-03-16
生成式人工智慧的影響及其對數據科學家的啟示
機器學習與應用

生成式人工智慧的影響及其對數據科學家的啟示

2025-03-15
這篇AI論文介紹了BD3-LMs:一種結合自回歸模型和擴散模型的混合方法,用於可擴展和高效的文本生成
機器學習與應用

這篇AI論文介紹了BD3-LMs:一種結合自回歸模型和擴散模型的混合方法,用於可擴展和高效的文本生成

2025-03-15
九個生鏽的Pico PIO瓦特(第二部分)
機器學習與應用

九個生鏽的Pico PIO瓦特(第二部分)

2025-03-15
開始使用 Amazon Bedrock Agents 的電腦操作
機器學習與應用

開始使用 Amazon Bedrock Agents 的電腦操作

2025-03-15
評估使用 Amazon Bedrock 知識庫的 RAG 應用程式
機器學習與應用

評估使用 Amazon Bedrock 知識庫的 RAG 應用程式

2025-03-14
Next Post
人工智慧生成內容的文化影響:第一部分 | 史蒂芬妮·基爾默 | 2024年12月

人工智慧生成內容的文化影響:第一部分 | 史蒂芬妮·基爾默 | 2024年12月

加密威脅迫在眉睫,Signal的梅瑞迪斯·惠特克表示「我們不會改變」

加密威脅迫在眉睫,Signal的梅瑞迪斯·惠特克表示「我們不會改變」

發佈留言 取消回覆

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

Archives

  • 2025 年 4 月
  • 2025 年 3 月
  • 2025 年 2 月
  • 2025 年 1 月
  • 2024 年 12 月
  • 2024 年 11 月
  • 2024 年 10 月
  • 2024 年 9 月
  • 2024 年 8 月
  • 2024 年 7 月
  • 2024 年 6 月
  • 2024 年 5 月
  • 2024 年 4 月
  • 2024 年 3 月
  • 2024 年 2 月
  • 2023 年 10 月
  • 2023 年 9 月
  • 2023 年 8 月
  • 2023 年 7 月
  • 2023 年 5 月
  • 2023 年 3 月
  • 2023 年 1 月
  • 2022 年 12 月
  • 2022 年 11 月
  • 2022 年 5 月
  • 2022 年 4 月
  • 2022 年 1 月
  • 2021 年 11 月
  • 2021 年 8 月
  • 2021 年 5 月
  • 2021 年 3 月
  • 2021 年 1 月
  • 2020 年 12 月
  • 2020 年 10 月
  • 2020 年 9 月
  • 2019 年 7 月
  • 2018 年 11 月

Categories

  • AI 智慧產業
  • AI 綜合新聞
  • AI 自動化與 AI Agents
  • 安全
  • 機器人與自動化
  • 機器學習與應用
  • 神經連結和腦機接口
  • 自然語言處理
  • 道德與法規
Your Ad
  • 關於我們
  • 廣告合作
  • 免責聲明
  • 隱私權政策
  • DMCA
  • Cookie 隱私權政策
  • 條款與條件
  • 聯絡我們
AI TAIWAN

版權 © 2024 AI TAIWAN.
AI TAIWAN 對外部網站的內容不負任何責任。

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In
No Result
View All Result
  • Home
  • AI 綜合新聞
  • AI 自動化與 AI Agents
  • AI 智慧產業
  • 機器學習與應用
  • 自然語言處理
  • 神經連結和腦機接口
  • 機器人與自動化
  • 道德與法規
  • 安全

版權 © 2024 AI TAIWAN.
AI TAIWAN 對外部網站的內容不負任何責任。