使用 Amazon Bedrock 上的 GenAI 对 Jira 工单进行分类
使用快速工程和大型语言模型 (LLMS) 替代传统的 NLP 方法，用于 Jira 票证文本分类。代码示例演练照片由 Annie Spratt 在 Unsplash 上拍摄还记得分类文本意味着踏上机器学习之旅的日子吗？如果您在 ML 领域待的时间足够长，您可能已经目睹了至少一个团队在构建“完美”文本分类系统的兔子洞中消失。故事通常是这样的：第 1 个月：“我们只需快速训练一个 NLP 模型！”第 2 个月：“我们需要更多的训练数据……”第 3 个月：“这已经足够好了”多年来，文本分类已经落入了经典 ML 的范畴。在我职业生涯的早期，我记得训练了一个支持向量机 (SVM) 来进行电子邮件分类。大量的预处理、迭代、数据收集和标记。但这里有一个转折：现在是 2024 年，生成式 AI 模型可以“通常”开箱即用地对文本进行分类！您可以构建一个强大的工单分类系统，而无需收集数千个带标签的训练示例、管理 ML 训练管道或维护自定义模型。在这篇文章中，我们将介绍如何使用 Amazon Bedrock 和其他 AWS 服务上的大型语言模型设置 Jira 工单分类系统。免责声明：我是 AWS 的 GenAI 架构师，我的观点仅代表我个人。为什么要对 Jira 工单进行分类？公司经常询问他们要了解团队如何利用时间。Jira 具有标记功能，但有时由于人为因素而无法达到要求
来源:走向数据科学在亚马逊基岩上与Genai分类的Jira门票
用迅速的工程和大型语言模型（LLM）替换传统的NLP方法，以进行JIRA票务文本分类。代码样本演练
Annie Spratt Unplash还记得分类文本意味着要进行机器学习旅程的日子吗？如果您在ML空间中足够长的时间，那么您可能已经见证了至少一个团队在建立“完美”文本分类系统的兔子洞中消失了。这个故事通常是这样的：
- 月1：“我们将迅速培训NLP模型！”第2个月：“我们需要更多的培训数据……” 3个月：“这足够好”
多年来，文本分类一直属于经典ML的领域。在职业生涯的早期，我记得训练支持向量机（SVM）进行电子邮件分类。大量预处理，迭代，数据收集和标签。
但这是扭曲：它是2024年，生成的AI模型可以“一般”将文本从包装盒中分类！您可以建立一个强大的门票分类系统，而无需收集成千上万个标记的培训示例，管理ML培训管道或维护自定义模型。
“通常”在这篇文章中，我们将介绍如何使用Amazon Bedrock和其他AWS服务上的大型语言模型来设置JIRA票务分类系统。
免责声明：我是AWS的Genai建筑师，我的意见是我自己的。
免责声明为什么要对Jira门票进行分类？
公司的普遍要求是了解团队如何花费时间。 Jira具有标记功能，但有时会因人为错误或缺乏粒度而失败。通过进行此练习，组织可以更好地了解其团队活动，从而实现有关资源分配，项目投资和贬值的数据驱动决定。
为什么不使用其他NLP方法？
代码样本
github repopre renectisites