Αυτή η ανάρτηση είναι συν-συγγραφέας του Daryl Martis, Διευθυντή Προϊόντος, Salesforce Einstein AI.
Αυτή είναι η τρίτη ανάρτηση μιας σειράς που συζητά την ενσωμάτωση του Salesforce Data Cloud και Amazon Sage Maker.
In Μέρος 1 και Μέρος 2, δείχνουμε πώς η ενοποίηση του Salesforce Data Cloud και του Einstein Studio με το SageMaker επιτρέπει στις επιχειρήσεις να έχουν πρόσβαση στα δεδομένα τους Salesforce με ασφάλεια χρησιμοποιώντας το SageMaker και να χρησιμοποιούν τα εργαλεία του για τη δημιουργία, την εκπαίδευση και την ανάπτυξη μοντέλων σε τελικά σημεία που φιλοξενούνται στο SageMaker. Τα τελικά σημεία του SageMaker μπορούν να καταχωρηθούν στο Salesforce Data Cloud για να ενεργοποιηθούν οι προβλέψεις στο Salesforce.
Σε αυτήν την ανάρτηση, δείχνουμε πώς οι επιχειρησιακοί αναλυτές και οι επιστήμονες δεδομένων πολιτών μπορούν να δημιουργήσουν μοντέλα μηχανικής μάθησης (ML), χωρίς κανέναν κώδικα, σε Καμβάς Amazon SageMaker και αναπτύξτε εκπαιδευμένα μοντέλα για ενοποίηση με το Salesforce Einstein Studio για τη δημιουργία ισχυρών επιχειρηματικών εφαρμογών. Το SageMaker Canvas παρέχει μια εμπειρία χωρίς κώδικα για πρόσβαση σε δεδομένα από το Salesforce Data Cloud και δημιουργία, δοκιμή και ανάπτυξη μοντέλων με λίγα μόνο κλικ. Το SageMaker Canvas σάς δίνει επίσης τη δυνατότητα να κατανοήσετε τις προβλέψεις σας χρησιμοποιώντας τη σημασία των χαρακτηριστικών και τις τιμές SHAP, καθιστώντας σας εύκολο να εξηγήσετε τις προβλέψεις που γίνονται από μοντέλα ML.
Καμβάς SageMaker
Το SageMaker Canvas δίνει τη δυνατότητα σε επιχειρησιακούς αναλυτές και ομάδες επιστήμης δεδομένων να δημιουργούν και να χρησιμοποιούν μοντέλα ML και τεχνητής νοημοσύνης χωρίς να χρειάζεται να γράψουν ούτε μια γραμμή κώδικα. Το SageMaker Canvas παρέχει μια οπτική διεπαφή point-and-click για τη δημιουργία ακριβών προβλέψεων ML για ταξινόμηση, παλινδρόμηση, πρόβλεψη, επεξεργασία φυσικής γλώσσας (NLP) και όραση υπολογιστή (CV). Επιπλέον, μπορείτε να αποκτήσετε πρόσβαση και να αξιολογήσετε μοντέλα θεμελίωσης (FM) από Θεμέλιο του Αμαζονίου ή δημόσια FM από Amazon SageMaker JumpStart για τη δημιουργία περιεχομένου, την εξαγωγή κειμένου και τη σύνοψη κειμένου για την υποστήριξη παραγωγικών λύσεων τεχνητής νοημοσύνης. Το SageMaker Canvas σάς επιτρέπει φέρτε μοντέλα ML κατασκευασμένα οπουδήποτε και δημιουργήστε προβλέψεις απευθείας στον καμβά SageMaker.
Salesforce Data Cloud και Einstein Studio
Το Salesforce Data Cloud είναι μια πλατφόρμα δεδομένων που παρέχει στις επιχειρήσεις ενημερώσεις σε πραγματικό χρόνο των δεδομένων των πελατών τους από οποιοδήποτε σημείο επαφής.
Το Einstein Studio είναι μια πύλη στα εργαλεία AI στο Salesforce Data Cloud. Με το Einstein Studio, οι διαχειριστές και οι επιστήμονες δεδομένων μπορούν να δημιουργήσουν αβίαστα μοντέλα με λίγα κλικ ή χρησιμοποιώντας κώδικα. Η εμπειρία του Einstein Studio με το δικό σας μοντέλο (BYOM) παρέχει τη δυνατότητα σύνδεσης προσαρμοσμένων ή παραγωγικών μοντέλων AI από εξωτερικές πλατφόρμες όπως το SageMaker στο Salesforce Data Cloud.
Επισκόπηση λύσεων
Για να δείξουμε πώς μπορείτε να δημιουργήσετε μοντέλα ML χρησιμοποιώντας δεδομένα στο Salesforce Data Cloud χρησιμοποιώντας το SageMaker Canvas, δημιουργούμε ένα μοντέλο πρόβλεψης για να προτείνουμε ένα προϊόν. Αυτό το μοντέλο χρησιμοποιεί τις δυνατότητες που είναι αποθηκευμένες στο Salesforce Data Cloud, όπως δημογραφικά στοιχεία πελατών, δεσμεύσεις μάρκετινγκ και ιστορικό αγορών. Το μοντέλο προτάσεων προϊόντος έχει δημιουργηθεί και αναπτύσσεται χρησιμοποιώντας τη διεπαφή χρήστη χωρίς κώδικα SageMaker Canvas χρησιμοποιώντας δεδομένα στο Salesforce Data Cloud.
Χρησιμοποιούμε τα παρακάτω δείγμα συνόλου δεδομένων αποθηκευμένο σε Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3). Για να χρησιμοποιήσετε αυτό το σύνολο δεδομένων στο Salesforce Data Cloud, ανατρέξτε στο Δημιουργήστε το Amazon S3 Data Stream στο Data Cloud. Για τη δημιουργία του μοντέλου απαιτούνται τα ακόλουθα χαρακτηριστικά:
- Μέλος Λέσχης – Εάν ο πελάτης είναι μέλος του συλλόγου
- Εκστρατεία – Η καμπάνια στην οποία συμμετέχει ο πελάτης
- Κατάσταση – Η πολιτεία ή η επαρχία στην οποία διαμένει ο πελάτης
- Μηνας – Ο μήνας αγοράς
- Υπόθεση – Ο αριθμός των υποθέσεων που εγείρονται από τον πελάτη
- Επιστροφή τύπου υπόθεσης – Εάν ο πελάτης επέστρεψε κάποιο προϊόν εντός του τελευταίου έτους
- Τύπος θήκης Αποστολή κατεστραμμένη – Εάν ο πελάτης υπέστη ζημιές σε αποστολές τον τελευταίο χρόνο
- Βαθμολογία δέσμευσης – Το επίπεδο αφοσίωσης που έχει ο πελάτης (απόκριση σε καμπάνιες αλληλογραφίας, συνδέσεις στο ηλεκτρονικό κατάστημα κ.λπ.)
- Κατοχή – Η διάρκεια της πελατειακής σχέσης με την εταιρεία
- Επισκέψεις – Ο μέσος αριθμός κλικ που έχει κάνει ο πελάτης μέσα σε μια εβδομάδα πριν από την αγορά
- Σελίδες που επισκέφθηκαν – Ο μέσος αριθμός σελίδων που επισκέφτηκε ο πελάτης μέσα σε μια εβδομάδα πριν από την αγορά
- Προϊόν που αγοράστηκε – Το πραγματικό προϊόν που αγοράστηκε
Τα παρακάτω βήματα παρέχουν μια επισκόπηση του τρόπου χρήσης της σύνδεσης Salesforce Data Cloud που κυκλοφόρησε στο SageMaker Canvas για να αποκτήσετε πρόσβαση στα δεδομένα της επιχείρησής σας και να δημιουργήσετε ένα μοντέλο πρόβλεψης:
- Διαμορφώστε τη συνδεδεμένη εφαρμογή Salesforce για να καταχωρίσετε τον τομέα SageMaker Canvas.
- Ρυθμίστε το OAuth για το Salesforce Data Cloud στον καμβά SageMaker.
- Συνδεθείτε στα δεδομένα Salesforce Data Cloud χρησιμοποιώντας την ενσωματωμένη εφαρμογή σύνδεσης SageMaker Canvas Salesforce Data Cloud και εισαγάγετε το σύνολο δεδομένων.
- Κατασκευάστε και εκπαιδεύστε μοντέλα στο SageMaker Canvas.
- Αναπτύξτε το μοντέλο στον καμβά SageMaker και κάντε προβλέψεις.
- Αναπτύξτε ένα Amazon API Gateway τελικό σημείο ως σύνδεση διεπαφής με το τελικό σημείο συμπερασμάτων SageMaker.
- Καταχωρίστε το τελικό σημείο της πύλης API στο Einstein Studio. Για οδηγίες, ανατρέξτε στο Φέρτε τα δικά σας μοντέλα AI στο Data Cloud.
Το παρακάτω διάγραμμα απεικονίζει την αρχιτεκτονική λύσεων.
Προϋποθέσεις
Πριν ξεκινήσετε, ολοκληρώστε τα ακόλουθα προαπαιτούμενα βήματα για να δημιουργήσετε έναν τομέα SageMaker και να ενεργοποιήσετε τον καμβά SageMaker:
- Δημιουργία ενός Στούντιο Amazon SageMaker τομέα. Για οδηγίες, ανατρέξτε στο Ενσωματωμένος στον τομέα Amazon SageMaker.
- Σημειώστε το αναγνωριστικό τομέα και τον ρόλο εκτέλεσης που δημιουργείται και θα χρησιμοποιηθεί από το προφίλ χρήστη σας. Μπορείτε να προσθέσετε δικαιώματα σε αυτόν τον ρόλο στα επόμενα βήματα.
Το παρακάτω στιγμιότυπο οθόνης δείχνει τον τομέα που δημιουργήσαμε για αυτήν την ανάρτηση.
- Στη συνέχεια, μεταβείτε στο προφίλ χρήστη και επιλέξτε Αλλαγή.
- Πλοηγηθείτε με το Ρυθμίσεις καμβά Amazon SageMaker και επιλέξτε Ενεργοποιήστε τα δικαιώματα βάσης Canvas.
- Αγορά Ενεργοποιήστε τις άμεσες αναπτύξεις μοντέλων Canvas και Ενεργοποιήστε τα δικαιώματα μητρώου μοντέλων για όλους τους χρήστες.
Αυτό επιτρέπει στο SageMaker Canvas να αναπτύσσει μοντέλα σε τελικά σημεία στην κονσόλα SageMaker. Αυτές οι ρυθμίσεις μπορούν να διαμορφωθούν σε επίπεδο τομέα ή προφίλ χρήστη. Οι ρυθμίσεις προφίλ χρήστη έχουν προτεραιότητα έναντι των ρυθμίσεων τομέα.
Δημιουργήστε ή ενημερώστε τη συνδεδεμένη εφαρμογή Salesforce
Στη συνέχεια, δημιουργούμε μια συνδεδεμένη εφαρμογή Salesforce για να ενεργοποιήσουμε τη ροή OAuth από το SageMaker Canvas στο Salesforce Data Cloud. Ολοκληρώστε τα παρακάτω βήματα:
- Συνδεθείτε στο Salesforce και μεταβείτε στο Ρύθμιση.
- Αναζήτηση App Διευθυντής και δημιουργήστε μια νέα συνδεδεμένη εφαρμογή.
- Δώστε τις ακόλουθες εισόδους:
- Για Όνομα συνδεδεμένης εφαρμογής, πληκτρολογήστε ένα όνομα.
- Για Όνομα API, αφήστε ως προεπιλογή (συμπληρώνεται αυτόματα).
- Για Ηλεκτρονική διέυθυνση (e-mail), εισαγάγετε τη διεύθυνση email επικοινωνίας σας.
- Αγορά Ενεργοποιήστε τις ρυθμίσεις OAuth.
- Για URL επιστροφής κλήσης, εισαγω
https://<domain-id>.studio.<region>.sagemaker.aws/canvas/default/lab
και παρέχετε το αναγνωριστικό τομέα και την περιοχή από τον τομέα σας SageMaker.
- Διαμορφώστε τα ακόλουθα πεδία στη συνδεδεμένη εφαρμογή σας:
- Διαχείριση δεδομένων χρήστη μέσω API (
api
). - Εκτελέστε αιτήματα ανά πάσα στιγμή (
refresh_token
,offline_access
). - Εκτελέστε ερωτήματα ANSI SQL σε δεδομένα Salesforce Data Cloud (Δεδομένα
Cloud_query_api
). - Διαχείριση δεδομένων προφίλ Data Cloud (
Data Cloud_profile_api
). - Πρόσβαση στην υπηρεσία URL ταυτότητας (
id
,profile
,email
,address
,phone
). - Πρόσβαση σε μοναδικά αναγνωριστικά χρήστη (
openid
).
- Διαχείριση δεδομένων χρήστη μέσω API (
- Ρυθμίστε τη συνδεδεμένη εφαρμογή σας Χαλάρωση IP ρύθμιση για να Χαλαρώστε τους περιορισμούς IP.
Διαμορφώστε τις ρυθμίσεις OAuth για την υποδοχή Salesforce Data Cloud
Χρησιμοποιεί το SageMaker Canvas Διευθυντής μυστικών AWS για να αποθηκεύσετε με ασφάλεια πληροφορίες σύνδεσης από τη συνδεδεμένη εφαρμογή Salesforce. Το SageMaker Canvas επιτρέπει στους διαχειριστές να διαμορφώνουν τις ρυθμίσεις OAuth για ένα μεμονωμένο προφίλ χρήστη ή σε επίπεδο τομέα. Σημειώστε ότι μπορείτε να προσθέσετε ένα μυστικό τόσο σε έναν τομέα όσο και σε προφίλ χρήστη, αλλά το SageMaker Canvas αναζητά μυστικά πρώτα στο προφίλ χρήστη.
Για να διαμορφώσετε τις ρυθμίσεις σας OAuth, ολοκληρώστε τα παρακάτω βήματα:
- Πλοηγηθείτε για να επεξεργαστείτε τις ρυθμίσεις τομέα ή προφίλ χρήστη στην Κονσόλα SageMaker.
- Επιλέξτε Ρυθμίσεις καμβά στο παράθυρο πλοήγησης.
- Κάτω από Ρυθμίσεις OAuth, Για Πηγή δεδομένων, επιλέξτε Salesforce Data Cloud.
- Για Μυστική εγκατάσταση, μπορείτε να δημιουργήσετε ένα νέο μυστικό ή να χρησιμοποιήσετε ένα υπάρχον μυστικό. Για αυτό το παράδειγμα, δημιουργούμε ένα νέο μυστικό και εισάγουμε το αναγνωριστικό πελάτη και το μυστικό πελάτη από τη συνδεδεμένη εφαρμογή Salesforce.
Για περισσότερες λεπτομέρειες σχετικά με την ενεργοποίηση του OAuth στον καμβά SageMaker, ανατρέξτε στο Ρυθμίστε το OAuth για το Salesforce Data Cloud.
Αυτό ολοκληρώνει τη ρύθμιση για να ενεργοποιήσει την πρόσβαση δεδομένων από το Salesforce Data Cloud στον καμβά SageMaker για τη δημιουργία μοντέλων AI και ML.
Εισαγάγετε δεδομένα από το Salesforce Data Cloud
Για να εισαγάγετε τα δεδομένα σας, ολοκληρώστε τα παρακάτω βήματα:
- Από το προφίλ χρήστη που δημιουργήσατε με τον τομέα σας SageMaker, επιλέξτε Εκκίνηση και επιλέξτε καμβάς.
Την πρώτη φορά που θα αποκτήσετε πρόσβαση στην εφαρμογή Canvas, θα χρειαστούν περίπου 10 λεπτά για τη δημιουργία.
- Επιλέξτε Data Wrangler στο παράθυρο πλοήγησης.
- Στις Δημιουργία μενού, επιλέξτε Πινακοειδής για να δημιουργήσετε ένα πίνακα δεδομένων.
- Ονομάστε το σύνολο δεδομένων και επιλέξτε Δημιουργία.
- Για Πηγή δεδομένων, επιλέξτε Salesforce Data Cloud και Προσθήκη σύνδεσης για να εισαγάγετε το αντικείμενο λίμνης δεδομένων.
Εάν έχετε διαμορφώσει προηγουμένως μια σύνδεση στο Salesforce Data Cloud, θα δείτε μια επιλογή να χρησιμοποιήσετε αυτήν τη σύνδεση αντί να δημιουργήσετε μια νέα.
- Δώστε ένα όνομα για μια νέα σύνδεση Salesforce Data Cloud και επιλέξτε Προσθήκη σύνδεσης.
Θα χρειαστούν μερικά λεπτά για να ολοκληρωθεί.
- Θα μεταφερθείτε στο Είσοδος Salesforce σελίδα για να εξουσιοδοτήσετε τη σύνδεση.
Αφού η σύνδεση είναι επιτυχής, το αίτημα θα ανακατευθυνθεί πίσω στο SageMaker Canvas με τη λίστα αντικειμένων δεδομένων Lake.
- Επιλέξτε το σύνολο δεδομένων που περιέχει τις δυνατότητες για εκπαίδευση μοντέλων που μεταφορτώθηκε μέσω του Amazon S3.
- Σύρετε και αποθέστε το αρχείο και, στη συνέχεια, επιλέξτε Επεξεργασία σε SQL.
Η Salesforce προσθέτει α “__c
" σε όλα τα πεδία αντικειμένων Data Cloud. Σύμφωνα με τη σύμβαση ονομασίας του SageMaker Canvas, ”__“
δεν επιτρέπεται στα ονόματα των πεδίων.
- Επεξεργαστείτε την SQL για να μετονομάσετε τις στήλες και να αποθέσετε μεταδεδομένα που δεν είναι σχετικά με την εκπαίδευση μοντέλων. Αντικαταστήστε το όνομα του πίνακα με το όνομα του αντικειμένου σας.
- Επιλέξτε Εκτελέστε την SQL και στη συνέχεια Δημιουργία συνόλου δεδομένων.
- Επιλέξτε το σύνολο δεδομένων και επιλέξτε Δημιουργήστε ένα μοντέλο.
- Για να δημιουργήσετε ένα μοντέλο για να προβλέψετε μια πρόταση προϊόντος, δώστε ένα όνομα μοντέλου, επιλέξτε Προγνωστική ανάλυση for Τύπος προβλήματος, και επιλέξτε Δημιουργία.
Κατασκευάστε και εκπαιδεύστε το μοντέλο
Ολοκληρώστε τα παρακάτω βήματα για να δημιουργήσετε και να εκπαιδεύσετε το μοντέλο σας:
- Μετά την εκκίνηση του μοντέλου, ορίστε τη στήλη προορισμού σε
product_purchased
.
Το SageMaker Canvas εμφανίζει βασικά στατιστικά στοιχεία και συσχετίσεις κάθε στήλης με τη στήλη προορισμού. Το SageMaker Canvas σάς παρέχει εργαλεία για την προεπισκόπηση του μοντέλου σας και την επικύρωση των δεδομένων πριν ξεκινήσετε την κατασκευή.
- Χρησιμοποιήστε τη δυνατότητα προεπισκόπησης μοντέλου για να δείτε την ακρίβεια του μοντέλου σας και να επικυρώσετε το σύνολο δεδομένων σας για να αποτρέψετε προβλήματα κατά τη δημιουργία του μοντέλου.
- Αφού ελέγξετε τα δεδομένα σας και κάνετε οποιεσδήποτε αλλαγές στο σύνολο δεδομένων σας, επιλέξτε τον τύπο κατασκευής σας. ο Γρήγορη κατασκευή Η επιλογή μπορεί να είναι πιο γρήγορη, αλλά θα χρησιμοποιεί μόνο ένα υποσύνολο των δεδομένων σας για τη δημιουργία ενός μοντέλου. Για τους σκοπούς αυτής της ανάρτησης, επιλέξαμε το Τυπική κατασκευή επιλογή.
Μια τυπική κατασκευή μπορεί να διαρκέσει 2-4 ώρες για να ολοκληρωθεί.
Το SageMaker Canvas χειρίζεται αυτόματα τις τιμές που λείπουν στο σύνολο δεδομένων σας ενώ δημιουργεί το μοντέλο. Θα εφαρμόσει επίσης άλλους μετασχηματισμούς προετοιμασίας δεδομένων για να ετοιμάσετε τα δεδομένα για ML.
- Αφού ξεκινήσει η κατασκευή του μοντέλου σας, μπορείτε να φύγετε από τη σελίδα.
Όταν το μοντέλο εμφανίζεται ως Έτοιμος σχετικά με την Τα μοντέλα μου σελίδα, είναι έτοιμο για ανάλυση και προβλέψεις.
- Αφού κατασκευαστεί το μοντέλο, μεταβείτε στο My μοντέλα, επιλέξτε Δες για να δείτε το μοντέλο που δημιουργήσατε και επιλέξτε την πιο πρόσφατη έκδοση.
- Πηγαίνετε στο Αναλύστε καρτέλα για να δείτε την επίδραση κάθε χαρακτηριστικού στην πρόβλεψη.
- Για πρόσθετες πληροφορίες σχετικά με τις προβλέψεις του μοντέλου, μεταβείτε στο Βαθμολόγηση Tab.
- Επιλέξτε Προλέγω για να ξεκινήσει μια πρόβλεψη προϊόντος.
Αναπτύξτε το μοντέλο και κάντε προβλέψεις
Ολοκληρώστε τα παρακάτω βήματα για να αναπτύξετε το μοντέλο σας και ξεκινήστε να κάνετε προβλέψεις:
- Μπορείτε να επιλέξετε να κάνετε είτε παρτίδες είτε μεμονωμένες προβλέψεις. Για τους σκοπούς αυτής της ανάρτησης, επιλέγουμε Ενιαία πρόβλεψη.
Όταν επιλέγετε Ενιαία πρόβλεψη, το SageMaker Canvas εμφανίζει τις δυνατότητες για τις οποίες μπορείτε να παρέχετε εισόδους.
- Μπορείτε να αλλάξετε τις τιμές επιλέγοντας Ενημέρωση και δείτε την πρόβλεψη σε πραγματικό χρόνο.
Θα εμφανιστεί η ακρίβεια του μοντέλου καθώς και η επίδραση κάθε χαρακτηριστικού για τη συγκεκριμένη πρόβλεψη.
- Για να αναπτύξετε το μοντέλο, δώστε ένα όνομα ανάπτυξης, επιλέξτε έναν τύπο και πλήθος παρουσιών και επιλέξτε Ανάπτυξη.
Η ανάπτυξη του μοντέλου θα διαρκέσει μερικά λεπτά.
Η κατάσταση του μοντέλου ενημερώθηκε σε Στην υπηρεσία μετά την επιτυχή ανάπτυξη.
Το SageMaker Canvas παρέχει μια επιλογή δοκιμής της ανάπτυξης.
- Επιλέξτε Δείτε λεπτομέρειες.
Η Περιγραφή Η καρτέλα παρέχει τις λεπτομέρειες του τελικού σημείου του μοντέλου. Ο τύπος παρουσίασης, ο αριθμός, η μορφή εισαγωγής, το περιεχόμενο απόκρισης και το τελικό σημείο είναι μερικές από τις βασικές λεπτομέρειες που εμφανίζονται.
- Επιλέξτε Δοκιμαστική ανάπτυξη για να δοκιμάσετε το αναπτυγμένο τελικό σημείο.
Παρόμοια με την απλή πρόβλεψη, η προβολή εμφανίζει τις δυνατότητες εισόδου και παρέχει μια επιλογή ενημέρωσης και δοκιμής του τελικού σημείου σε πραγματικό χρόνο.
Η νέα πρόβλεψη μαζί με το αποτέλεσμα της επίκλησης τελικού σημείου επιστρέφονται στον χρήστη.
Δημιουργήστε API για την έκθεση του SageMaker Endpoint
Για να δημιουργήσετε προβλέψεις που τροφοδοτούν τις επιχειρηματικές εφαρμογές στο Salesforce, πρέπει να εκθέσετε το τελικό σημείο συμπερασμάτων SageMaker που δημιουργήθηκε από την ανάπτυξη του SageMaker Canvas μέσω του API Gateway και να το καταχωρήσετε στο Salesforce Einstein.
Οι μορφές αιτήματος και απάντησης διαφέρουν μεταξύ του τελικού σημείου συμπερασμάτων Salesforce Einstein και SageMaker. Θα μπορούσατε είτε να χρησιμοποιήσετε το API Gateway για να εκτελέσετε τον μετασχηματισμό είτε να το χρησιμοποιήσετε AWS Lambda για να μετατρέψετε το αίτημα και να χαρτογραφήσετε την απάντηση. Αναφέρομαι σε Καλέστε ένα τελικό σημείο μοντέλου Amazon SageMaker χρησιμοποιώντας το Amazon API Gateway και το AWS Lambda για να αποκαλύψετε ένα τελικό σημείο του SageMaker μέσω Lambda και API Gateway.
Το παρακάτω απόσπασμα κώδικα είναι μια συνάρτηση Lambda για τη μετατροπή του αιτήματος και της απάντησης
Ενημερώστε το endpoint
και prediction_label
τιμές στη συνάρτηση Lambda με βάση τη διαμόρφωσή σας.
- Προσθέστε μια μεταβλητή περιβάλλοντος
SAGEMAKER_ENDPOINT_NAME
για να καταγράψετε το τελικό σημείο συμπερασμάτων SageMaker. - Ρυθμίστε την ετικέτα πρόβλεψης ώστε να ταιριάζει με το κλειδί JSON εξόδου μοντέλου που είναι καταχωρημένο στο Einstein Studio.
Το προεπιλεγμένο χρονικό όριο για μια λειτουργία Lambda είναι 3 δευτερόλεπτα. Ανάλογα με το μέγεθος εισόδου του αιτήματος πρόβλεψης, το API συμπερασμάτων σε πραγματικό χρόνο του SageMaker ενδέχεται να χρειαστούν περισσότερα από 3 δευτερόλεπτα για να ανταποκριθεί.
- Αυξήστε το χρονικό όριο της συνάρτησης Λάμδα, αλλά διατηρήστε το κάτω από το Προεπιλεγμένο χρονικό όριο ενσωμάτωσης της πύλης API, που είναι 29 δευτερόλεπτα.
Καταχωρίστε το μοντέλο στο Salesforce Einstein Studio
Για να καταχωρήσετε το τελικό σημείο της πύλης API στο Einstein Studio, ανατρέξτε στο Φέρτε τα δικά σας μοντέλα AI στο Data Cloud.
Συμπέρασμα
Σε αυτήν την ανάρτηση, εξηγήσαμε πώς μπορείτε να χρησιμοποιήσετε το SageMaker Canvas για να συνδεθείτε στο Salesforce Data Cloud και να δημιουργήσετε προβλέψεις μέσω αυτοματοποιημένων λειτουργιών ML χωρίς να γράψετε ούτε μια γραμμή κώδικα. Επιδείξαμε τη δυνατότητα δημιουργίας μοντέλου SageMaker Canvas για τη διεξαγωγή μιας πρώιμης προεπισκόπησης της απόδοσης του μοντέλου σας πριν από την εκτέλεση της τυπικής έκδοσης που εκπαιδεύει το μοντέλο με το πλήρες σύνολο δεδομένων. Παρουσιάσαμε επίσης δραστηριότητες δημιουργίας μετά το μοντέλο, όπως η χρήση της διεπαφής μεμονωμένων προβλέψεων στο SageMaker Canvas και η κατανόηση των προβλέψεών σας χρησιμοποιώντας τη σημασία των χαρακτηριστικών. Στη συνέχεια, χρησιμοποιήσαμε το τελικό σημείο του SageMaker που δημιουργήθηκε στον καμβά SageMaker και το διαθέσαμε ως API, ώστε να μπορείτε να το ενσωματώσετε με το Salesforce Einstein Studio και να δημιουργήσετε ισχυρές εφαρμογές Salesforce.
Σε μια προσεχή ανάρτηση, θα σας δείξουμε πώς να χρησιμοποιείτε δεδομένα από το Salesforce Data Cloud στον καμβά SageMaker για να κάνετε τις πληροφορίες και την προετοιμασία των δεδομένων ακόμα πιο απλές, χρησιμοποιώντας μια οπτική διεπαφή και απλές προτροπές φυσικής γλώσσας.
Για να ξεκινήσετε με το SageMaker Canvas, βλ Ημέρα εμβάπτισης καμβά SageMaker και ανατρέξτε στο Ξεκινώντας με το Amazon SageMaker Canvas.
Σχετικά με τους συγγραφείς
Ντάριλ Μάρτις είναι Διευθυντής Προϊόντος για το Einstein Studio στο Salesforce Data Cloud. Έχει πάνω από 10 χρόνια εμπειρία στον σχεδιασμό, την κατασκευή, την κυκλοφορία και τη διαχείριση λύσεων παγκόσμιας κλάσης για εταιρικούς πελάτες, συμπεριλαμβανομένων λύσεων AI/ML και cloud. Στο παρελθόν έχει εργαστεί στον κλάδο των χρηματοοικονομικών υπηρεσιών στη Νέα Υόρκη. Ακολούθησέ τον linkedin.
Rachna Chadha είναι κύριος αρχιτέκτονας λύσεων AI/ML σε Στρατηγικούς Λογαριασμούς στο AWS. Η Rachna είναι αισιόδοξη που πιστεύει ότι η ηθική και υπεύθυνη χρήση της τεχνητής νοημοσύνης μπορεί να βελτιώσει την κοινωνία στο μέλλον και να φέρει οικονομική και κοινωνική ευημερία. Στον ελεύθερο χρόνο της, στη Ράχνα αρέσει να περνά χρόνο με την οικογένειά της, να κάνει πεζοπορία και να ακούει μουσική.
Άιφε Στιούαρτ είναι κύριος αρχιτέκτονας λύσεων στο τμήμα Strategic ISV στο AWS. Ασχολήθηκε με το Salesforce Data Cloud τα τελευταία 2 χρόνια για να βοηθήσει στη δημιουργία ολοκληρωμένων εμπειριών πελατών στο Salesforce και το AWS. Η Ife έχει πάνω από 10 χρόνια εμπειρίας στην τεχνολογία. Είναι υπέρμαχος της διαφορετικότητας και της ένταξης στον τομέα της τεχνολογίας.
Ravi Bhattiprolu είναι Sr. Partner Solutions Architect στην AWS. Η Ravi συνεργάζεται με στρατηγικούς συνεργάτες, Salesforce και Tableau, για να προσφέρει καινοτόμα και καλά αρχιτεκτονικά προϊόντα και λύσεις που βοηθούν τους κοινούς πελάτες να πραγματοποιήσουν τους επιχειρηματικούς τους στόχους.
Miriam Lebowitz είναι αρχιτέκτονας λύσεων στο τμήμα Strategic ISV στο AWS. Ασχολείται με ομάδες σε όλο το Salesforce, συμπεριλαμβανομένου του Salesforce Data Cloud, και ειδικεύεται στην ανάλυση δεδομένων. Εκτός δουλειάς, της αρέσει να ψήνει, να ταξιδεύει και να περνά ποιοτικό χρόνο με φίλους και οικογένεια.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
- PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/democratize-ml-on-salesforce-data-cloud-with-no-code-amazon-sagemaker-canvas/
- :έχει
- :είναι
- :δεν
- $UP
- 1
- 10
- 100
- 29
- 7
- 8
- a
- Σχετικα
- πρόσβαση
- Λογαριασμοί
- ακρίβεια
- ακριβής
- απέναντι
- δραστηριοτήτων
- πραγματικός
- προσθέτω
- Επιπλέον
- Πρόσθετος
- Επιπλέον πληροφορίες
- διεύθυνση
- Προσθέτει
- διαχειριστές
- συνήγορος
- Μετά το
- AI
- Μοντέλα AI
- AI / ML
- Όλα
- επιτρέπεται
- επιτρέπει
- κατά μήκος
- Επίσης
- Amazon
- Amazon API Gateway
- Amazon Sage Maker
- Καμβάς Amazon SageMaker
- Amazon υπηρεσίες Web
- an
- ανάλυση
- Αναλυτές
- analytics
- και
- κάθε
- api
- APIs
- app
- εφαρμογές
- Εφαρμογή
- αρχιτεκτονική
- ΕΙΝΑΙ
- AS
- At
- γνωρίσματα
- εξουσιοδοτώ
- Αυτοματοποιημένη
- αυτομάτως
- διαθέσιμος
- μέσος
- AWS
- πίσω
- βάση
- βασίζονται
- BE
- ήταν
- πριν
- αρχίζουν
- πιστεύει
- παρακάτω
- μεταξύ
- σώμα
- και οι δύο
- φέρω
- χτίζω
- Κτίριο
- Χτίζει
- χτισμένο
- ενσωματωμένο
- επιχείρηση
- Επιχειρηματικές εφαρμογές
- επιχειρήσεις
- αλλά
- by
- Καλιφόρνια
- Εκστρατεία
- Καμπάνιες
- CAN
- καμβάς
- ικανότητα
- πιάνω
- περιπτώσεις
- αλλαγή
- Αλλαγές
- Επιλέξτε
- επιλέγοντας
- πολίτης
- Πόλη
- ταξινόμηση
- πελάτης
- Backup
- λέσχη
- κωδικός
- Στήλη
- Στήλες
- πλήρης
- Ολοκληρώνει
- υπολογιστή
- Computer Vision
- Διεξαγωγή
- διαμόρφωση
- έχει ρυθμιστεί
- Connect
- συνδεδεμένος
- σύνδεση
- πρόξενος
- επικοινωνήστε μαζί μας
- Περιέχει
- περιεχόμενο
- Δημιουργία περιεχομένου
- συμφραζόμενα
- Σύμβαση
- συσχετισμοί
- θα μπορούσε να
- δημιουργία
- δημιουργήθηκε
- δημιουργία
- δημιουργία
- έθιμο
- πελάτης
- στοιχεία πελάτη
- Πελάτες
- ημερομηνία
- πρόσβαση δεδομένων
- Δεδομένα Analytics
- Λίμνη δεδομένων
- Πλατφόρμα δεδομένων
- επιστημονικά δεδομένα
- Προεπιλογή
- παραδώσει
- εκδημοκρατίζω
- Δημογραφικά στοιχεία
- αποδεικνύουν
- κατέδειξε
- Σε συνάρτηση
- παρατάσσω
- αναπτυχθεί
- ανάπτυξη
- αναπτύξεις
- καθέκαστα
- κατευθύνει
- κατευθείαν
- Διευθυντής
- συζητώντας
- εκτεθειμένος
- οθόνες
- Ποικιλία
- Διαφορετικότητα και ένταξη
- τομέα
- κάτω
- Πτώση
- κάθε
- Νωρίς
- Οικονομικός
- αβίαστα
- Αϊνστάιν
- είτε
- ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ
- ενεργοποιήσετε
- δίνει τη δυνατότητα
- ενεργοποίηση
- Τελικό σημείο
- ασχολούνται
- δέσμευση
- αρραβώνες
- εισάγετε
- Εταιρεία
- Περιβάλλον
- ηθικά
- αξιολογήσει
- Even
- Συμβάν
- παράδειγμα
- εκτέλεση
- υφιστάμενα
- εμπειρία
- Δραστηριοτητες
- Εξηγήστε
- εξήγησε
- εξωτερικός
- εξαγωγή
- οικογένεια
- γρηγορότερα
- Χαρακτηριστικό
- Χαρακτηριστικά
- λίγοι
- πεδίο
- Πεδία
- Αρχεία
- οικονομικός
- των χρηματοπιστωτικών υπηρεσιών
- Όνομα
- πρώτη φορά
- ροή
- ακολουθήστε
- Εξής
- Για
- μορφή
- Θεμέλιο
- φίλους
- από
- πλήρη
- λειτουργία
- μελλοντικός
- πύλη
- παράγουν
- γενεά
- γενετική
- Παραγωγική τεχνητή νοημοσύνη
- παίρνω
- Δώστε
- Go
- είχε
- Handles
- που έχει
- he
- βοήθεια
- αυτήν
- αυτόν
- ιστορία
- φιλοξενείται
- ΩΡΕΣ
- Πως
- Πώς να
- HTML
- http
- HTTPS
- ID
- αναγνωριστικά
- Ταυτότητα
- if
- απεικονίζει
- βύθιση
- Επίπτωση
- εισαγωγή
- σπουδαιότητα
- βελτίωση
- in
- Συμπεριλαμβανομένου
- συμπερίληψη
- ατομικές
- βιομηχανία
- πληροφορίες
- κινήσει
- καινοτόμες
- εισαγωγή
- είσοδοι
- ιδέες
- παράδειγμα
- αντί
- οδηγίες
- ενσωματώσει
- ενσωματωθεί
- ολοκλήρωση
- περιβάλλον λειτουργίας
- IP
- θέματα
- isv
- IT
- ΤΟΥ
- άρθρωση
- jpg
- json
- μόλις
- Διατήρηση
- Κλειδί
- επιγραφή
- λίμνη
- Γλώσσα
- Επίθετο
- ξεκίνησε
- δρομολόγηση
- μάθηση
- Άδεια
- Επίπεδο
- Μου αρέσει
- συμπαθεί
- γραμμή
- Ακούγοντας
- λίστα
- Σύνδεση
- ΦΑΊΝΕΤΑΙ
- μηχανή
- μάθηση μηχανής
- που
- ταχυδρομική
- κάνω
- Κατασκευή
- διαχείριση
- χάρτη
- Μάρκετινγκ
- Ταίριασμα
- Ενδέχεται..
- Μεταδεδομένα
- Λεπτ.
- Λείπει
- ML
- μοντέλο
- μοντέλα
- Μηνας
- περισσότερο
- πλέον
- Μουσική
- όνομα
- ονόματα
- ονοματοδοσία
- Φυσικό
- Επεξεργασία φυσικής γλώσσας
- Πλοηγηθείτε
- Πλοήγηση
- Ανάγκη
- που απαιτούνται
- Νέα
- Νέα Υόρκη
- Νέα Υόρκη
- επόμενη
- nlp
- σημείωση
- αριθμός
- Ωχ
- αντικείμενο
- στόχοι
- of
- on
- ONE
- διαδικτυακά (online)
- αποκλειστικά
- Επιλογή
- or
- OS
- ΑΛΛΑ
- παραγωγή
- εκτός
- επί
- επισκόπηση
- δική
- σελίδα
- σελίδες
- παράθυρο
- μέρος
- εταίρος
- Συνεργάτες
- για
- Εκτελέστε
- επίδοση
- δικαιώματα
- σχεδιασμό
- πλατφόρμες
- Πλατφόρμες
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- Σημείο
- κατοικημένη περιοχή
- Θέση
- δύναμη
- ισχυρός
- προβλέψει
- πρόβλεψη
- Προβλέψεις
- προετοιμασία
- πρόληψη
- Προβολή
- προηγουμένως
- Κύριος
- Πριν
- μεταποίηση
- Προϊόν
- Προϊόντα
- Προφίλ ⬇️
- προτρέπει
- ευημερία
- παρέχουν
- παρέχει
- δημόσιο
- αγορά
- σκοπός
- ποιότητα
- ερωτήματα
- εγείρει
- έτοιμος
- πραγματικός
- σε πραγματικό χρόνο
- συνειδητοποιήσουν
- πρόσφατος
- συνιστώ
- Σύσταση
- παραπέμπω
- περιοχή
- κάντε ΕΓΓΡΑΦΗ
- καταχωρηθεί
- μητρώου
- σχέση
- αντικαθιστώ
- ζητήσει
- αιτήματα
- Απάντηση
- απάντησης
- υπεύθυνος
- περιορισμούς
- αποτέλεσμα
- απόδοση
- επανεξέταση
- Ρόλος
- τρέξιμο
- runtime
- σοφός
- Συμπεράσματα SageMaker
- salesforce
- Επιστήμη
- επιστήμονες
- δευτερόλεπτα
- Μυστικό
- μυστικά
- Τμήμα
- ασφαλώς
- δείτε
- τμήμα
- επιλέξτε
- επιλέγονται
- Σειρές
- υπηρεσία
- Υπηρεσίες
- σειρά
- τον καθορισμό
- ρυθμίσεις
- setup
- αυτή
- δείχνουν
- παρουσιάστηκε
- Δείχνει
- Απλούς
- ενιαίας
- Μέγεθος
- Απόσπασμα
- So
- Μ.Κ.Δ
- Κοινωνία
- λύση
- Λύσεις
- μερικοί
- ειδικεύεται
- συγκεκριμένες
- Δαπάνες
- πρότυπο
- Εκκίνηση
- ξεκίνησε
- Κατάσταση
- στατιστική
- Κατάσταση
- Βήματα
- Stewart
- χώρος στο δίσκο
- κατάστημα
- αποθηκεύονται
- ειλικρινής
- Στρατηγική
- στρατηγικοί εταίροι
- μετάδοση
- στούντιο
- μεταγενέστερος
- επιτυχής
- τέτοιος
- υποστήριξη
- τραπέζι
- Ζώσα σκηνική εικών
- Πάρτε
- στόχος
- ομάδες
- Τεχνολογία
- δοκιμή
- κείμενο
- από
- ότι
- Η
- Το μέλλον
- Το κράτος
- τους
- τότε
- Αυτοί
- Τρίτος
- αυτό
- Μέσω
- ώρα
- προς την
- εργαλεία
- αφή
- Τρένο
- εκπαιδευμένο
- Εκπαίδευση
- τρένα
- Μεταμορφώστε
- Μεταμόρφωση
- μετασχηματισμούς
- Ταξίδια
- τύπος
- καταλαβαίνω
- κατανόηση
- μοναδικός
- ανερχόμενος
- Ενημέρωση
- ενημερώθηκε
- ενημερώσεις
- Φορτώθηκε
- URL
- χρήση
- μεταχειρισμένος
- Χρήστες
- Διεπαφής χρήστη
- χρησιμοποιεί
- χρησιμοποιώντας
- ΕΠΙΚΥΡΩΝΩ
- Αξίες
- μεταβλητή
- εκδοχή
- μέσω
- Δες
- όραμα
- επισκέφθηκε
- οπτικές
- ήταν
- Ουάσιγκτον
- we
- ιστός
- διαδικτυακές υπηρεσίες
- εβδομάδα
- ΛΟΙΠΌΝ
- αν
- Ποιό
- ενώ
- Ο ΟΠΟΊΟΣ
- θα
- με
- εντός
- χωρίς
- Εργασία
- εργάστηκαν
- λειτουργεί
- Σεμινάρια
- παγκόσμιας κλάσης
- γράφω
- γραφή
- χρόνια
- Υόρκη
- Εσείς
- Σας
- zephyrnet