Αυτή η ανάρτηση συνυπογράφεται από τον Hesham Fahim από την Thomson Reuters.
Thomson Reuters (TR) είναι ένας από τους πιο αξιόπιστους οργανισμούς πληροφοριών στον κόσμο για επιχειρήσεις και επαγγελματίες. Παρέχει στις εταιρείες την ευφυΐα, την τεχνολογία και την ανθρώπινη τεχνογνωσία που χρειάζονται για να βρουν αξιόπιστες απαντήσεις, δίνοντάς τους τη δυνατότητα να λαμβάνουν καλύτερες αποφάσεις πιο γρήγορα. Οι πελάτες της TR εκτείνονται σε όλες τις αγορές χρηματοοικονομικής, κινδύνου, νομικής, φορολογικής, λογιστικής και πολυμέσων.
Η Thomson Reuters παρέχει κορυφαία προϊόντα στην αγορά στην καμπάνια Φορολογίας, Νομικής και Ειδήσεων, στην οποία οι χρήστες μπορούν να εγγραφούν χρησιμοποιώντας ένα μοντέλο αδειοδότησης συνδρομής. Για να βελτιώσει αυτή την εμπειρία για τους πελάτες της, η TR ήθελε να δημιουργήσει μια κεντρική πλατφόρμα προτάσεων που επέτρεπε στην ομάδα πωλήσεών της να προτείνει τα πιο σχετικά πακέτα συνδρομής στους πελάτες της, δημιουργώντας προτάσεις που βοηθούν στην αύξηση της ευαισθητοποίησης των προϊόντων που θα μπορούσαν να βοηθήσουν τους πελάτες της να εξυπηρετήσουν καλύτερα την αγορά μέσω προσαρμοσμένες επιλογές προϊόντων.
Πριν από τη δημιουργία αυτής της κεντρικής πλατφόρμας, η TR διέθετε μια μηχανή παλαιού τύπου βασισμένη σε κανόνες για τη δημιουργία προτάσεων ανανέωσης. Οι κανόνες σε αυτόν τον κινητήρα ήταν προκαθορισμένοι και γραμμένοι σε SQL, η οποία εκτός από πρόκληση διαχείρισης, δυσκολεύτηκε επίσης να αντιμετωπίσει τον πολλαπλασιασμό των δεδομένων από τις διάφορες ενσωματωμένες πηγές δεδομένων της TR. Τα δεδομένα πελατών TR αλλάζουν με ταχύτερο ρυθμό από ό,τι μπορούν να εξελιχθούν οι επιχειρηματικοί κανόνες για να αντικατοπτρίζουν τις μεταβαλλόμενες ανάγκες των πελατών. Η βασική απαίτηση για τη νέα μηχανή εξατομίκευσης που βασίζεται στη μηχανική εκμάθηση (ML) της TR επικεντρώθηκε σε ένα ακριβές σύστημα συστάσεων που λαμβάνει υπόψη τις πρόσφατες τάσεις των πελατών. Η επιθυμητή λύση θα ήταν μια λύση με χαμηλά λειτουργικά έξοδα, δυνατότητα επιτάχυνσης της επίτευξης επιχειρηματικών στόχων και μηχανή εξατομίκευσης που θα μπορούσε να εκπαιδεύεται συνεχώς με ενημερωμένα δεδομένα για την αντιμετώπιση των μεταβαλλόμενων καταναλωτικών συνηθειών και νέων προϊόντων.
Η εξατομίκευση των προτάσεων ανανέωσης με βάση τα προϊόντα που θα ήταν πολύτιμα για τους πελάτες της TR ήταν μια σημαντική επιχειρηματική πρόκληση για την ομάδα πωλήσεων και μάρκετινγκ. Το TR διαθέτει πληθώρα δεδομένων που θα μπορούσαν να χρησιμοποιηθούν για εξατομίκευση, τα οποία έχουν συλλεχθεί από αλληλεπιδράσεις με πελάτες και έχουν αποθηκευτεί σε μια κεντρική αποθήκη δεδομένων. Η TR ήταν πρώιμος υιοθέτης του ML με Amazon Sage Maker, και η ωριμότητά τους στον τομέα AI/ML σήμαινε ότι είχαν συλλέξει ένα σημαντικό σύνολο δεδομένων σχετικών δεδομένων σε μια αποθήκη δεδομένων, με την οποία η ομάδα θα μπορούσε να εκπαιδεύσει ένα μοντέλο εξατομίκευσης. Η TR συνέχισε την καινοτομία AI/ML και πρόσφατα ανέπτυξε μια ανανεωμένη πλατφόρμα συστάσεων χρησιμοποιώντας Προσαρμογή του Amazon, η οποία είναι μια πλήρως διαχειριζόμενη υπηρεσία ML που χρησιμοποιεί αλληλεπιδράσεις και στοιχεία χρηστών για τη δημιουργία προτάσεων για τους χρήστες. Σε αυτήν την ανάρτηση, εξηγούμε πώς η TR χρησιμοποίησε το Amazon Personalize για να δημιουργήσει ένα επεκτάσιμο, πολλαπλών μισθώσεων σύστημα συστάσεων που παρέχει τα καλύτερα προγράμματα συνδρομής προϊόντων και τις σχετικές τιμές στους πελάτες της.
Αρχιτεκτονική λύσεων
Η λύση έπρεπε να σχεδιαστεί λαμβάνοντας υπόψη τις βασικές λειτουργίες της TR γύρω από την κατανόηση των χρηστών μέσω δεδομένων. Η παροχή σε αυτούς τους χρήστες εξατομικευμένου και σχετικού περιεχομένου από ένα μεγάλο σύνολο δεδομένων ήταν μια κρίσιμη απαίτηση. Η ύπαρξη ενός καλά σχεδιασμένου συστήματος συστάσεων είναι το κλειδί για τη λήψη ποιοτικών προτάσεων που προσαρμόζονται στις απαιτήσεις κάθε χρήστη.
Η λύση απαιτούσε τη συλλογή και προετοιμασία δεδομένων συμπεριφοράς χρηστών, την εκπαίδευση ενός μοντέλου ML χρησιμοποιώντας το Amazon Personalize, τη δημιουργία εξατομικευμένων προτάσεων μέσω του εκπαιδευμένου μοντέλου και την προώθηση εκστρατειών μάρκετινγκ με τις εξατομικευμένες προτάσεις.
Η TR ήθελε να επωφεληθεί από τις διαχειριζόμενες υπηρεσίες AWS όπου ήταν δυνατόν για να απλοποιήσει τις λειτουργίες και να μειώσει την αδιαφοροποίητη ανύψωση βαρέων βαρών. TR χρησιμοποιείται AWS Glue Data Brew και Παρτίδα AWS εργασίες για την εκτέλεση των εργασιών εξαγωγής, μετασχηματισμού και φόρτωσης (ETL) στους αγωγούς ML και το SageMaker μαζί με το Amazon Personalize για την προσαρμογή των συστάσεων. Από την άποψη του όγκου δεδομένων εκπαίδευσης και του χρόνου εκτέλεσης, η λύση έπρεπε να είναι επεκτάσιμη για την επεξεργασία εκατομμυρίων εγγραφών εντός του χρονικού πλαισίου που έχει ήδη δεσμευτεί για μεταγενέστερους καταναλωτές στις επιχειρηματικές ομάδες της TR.
Οι ακόλουθες ενότητες εξηγούν τα συστατικά που εμπλέκονται στο διάλυμα.
Σωλήνας εκπαίδευσης ML
Οι αλληλεπιδράσεις μεταξύ των χρηστών και του περιεχομένου συλλέγονται με τη μορφή δεδομένων ροής κλικ, τα οποία δημιουργούνται καθώς ο πελάτης κάνει κλικ στο περιεχόμενο. Το TR αναλύει εάν αυτό είναι μέρος του προγράμματος συνδρομής του ή πέρα από το πρόγραμμα συνδρομής του, ώστε να μπορεί να παρέχει πρόσθετες λεπτομέρειες σχετικά με την τιμή και τις επιλογές εγγραφής στο πρόγραμμα. Τα δεδομένα αλληλεπιδράσεων των χρηστών από διάφορες πηγές διατηρούνται στην αποθήκη δεδομένων τους.
Το παρακάτω διάγραμμα απεικονίζει τον αγωγό εκπαίδευσης ML.
Η διοχέτευση ξεκινά με μια εργασία δέσμης AWS που εξάγει τα δεδομένα από την αποθήκη δεδομένων και μετατρέπει τα δεδομένα για να δημιουργήσει αλληλεπιδράσεις, χρήστες και σύνολα δεδομένων στοιχείων.
Τα ακόλουθα σύνολα δεδομένων χρησιμοποιούνται για την εκπαίδευση του μοντέλου:
- Δομημένα δεδομένα προϊόντος – Συνδρομές, παραγγελίες, κατάλογος προϊόντων, συναλλαγές και στοιχεία πελατών
- Ημιδομημένα δεδομένα συμπεριφοράς – Χρήστες, χρήση και αλληλεπιδράσεις
Αυτά τα μετασχηματισμένα δεδομένα αποθηκεύονται σε ένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) κάδος, ο οποίος εισάγεται στο Amazon Personalize για εκπαίδευση ML. Επειδή η TR θέλει να δημιουργήσει εξατομικευμένες προτάσεις για τους χρήστες της, χρησιμοποιεί το USER_PERSONALIZATION συνταγή για την εκπαίδευση μοντέλων ML για τα προσαρμοσμένα δεδομένα τους, η οποία αναφέρεται ως δημιουργία έκδοσης λύσης. Αφού δημιουργηθεί η έκδοση λύσης, χρησιμοποιείται για τη δημιουργία εξατομικευμένων προτάσεων για τους χρήστες.
Ολόκληρη η ροή εργασίας ενορχηστρώνεται χρησιμοποιώντας Λειτουργίες βημάτων AWS. Οι ειδοποιήσεις και οι ειδοποιήσεις καταγράφονται και δημοσιεύονται στο Microsoft Teams χρησιμοποιώντας Υπηρεσία απλών ειδοποιήσεων Amazon (Amazon SNS) και Amazon EventBridge.
Δημιουργία εξατομικευμένων προτάσεων: Συμπεράσματα παρτίδας
Οι απαιτήσεις και οι προτιμήσεις των πελατών αλλάζουν πολύ συχνά και οι πιο πρόσφατες αλληλεπιδράσεις που καταγράφονται στα δεδομένα ροής κλικ χρησιμεύουν ως βασικό σημείο δεδομένων για την κατανόηση των μεταβαλλόμενων προτιμήσεων του πελάτη. Για να προσαρμοστεί στις συνεχώς μεταβαλλόμενες προτιμήσεις των πελατών, η TR δημιουργεί εξατομικευμένες προτάσεις σε καθημερινή βάση.
Το παρακάτω διάγραμμα απεικονίζει τη γραμμή παραγωγής εξατομικευμένων συστάσεων.
Μια εργασία DataBrew εξάγει τα δεδομένα από την αποθήκη δεδομένων TR για τους χρήστες που είναι κατάλληλοι να παρέχουν συστάσεις κατά την ανανέωση με βάση το τρέχον πρόγραμμα συνδρομής και την πρόσφατη δραστηριότητα. Το εργαλείο προετοιμασίας οπτικών δεδομένων DataBrew διευκολύνει τους αναλυτές δεδομένων TR και τους επιστήμονες δεδομένων να καθαρίσουν και να κανονικοποιήσουν τα δεδομένα για να τα προετοιμάσουν για ανάλυση και ML. Η δυνατότητα επιλογής από πάνω από 250 προκατασκευασμένους μετασχηματισμούς εντός του εργαλείου προετοιμασίας οπτικών δεδομένων για την αυτοματοποίηση των εργασιών προετοιμασίας δεδομένων, όλα χωρίς την ανάγκη εγγραφής κώδικα, ήταν ένα σημαντικό χαρακτηριστικό. Η εργασία DataBrew δημιουργεί ένα αυξητικό σύνολο δεδομένων για αλληλεπιδράσεις και εισαγωγή για την εργασία προτάσεων παρτίδας και αποθηκεύει την έξοδο σε έναν κάδο S3. Το στοιχειώδες σύνολο δεδομένων που δημιουργήθηκε πρόσφατα εισάγεται στο σύνολο δεδομένων αλληλεπιδράσεων. Όταν η εργασία εισαγωγής στοιχειώδους δεδομένων είναι επιτυχής, ενεργοποιείται μια εργασία προτάσεων παρτίδας εξατομίκευσης του Amazon με τα δεδομένα εισόδου. Το Amazon Personalize δημιουργεί τις πιο πρόσφατες προτάσεις για τους χρήστες που παρέχονται στα δεδομένα εισόδου και τις αποθηκεύει σε έναν κάδο προτάσεων S3.
Η βελτιστοποίηση τιμών είναι το τελευταίο βήμα προτού οι νεοσύστατες προτάσεις είναι έτοιμες για χρήση. Το TR εκτελεί μια εργασία βελτιστοποίησης κόστους στις προτάσεις που δημιουργούνται και χρησιμοποιεί το SageMaker για την εκτέλεση προσαρμοσμένων μοντέλων στις προτάσεις ως μέρος αυτού του τελικού βήματος. Μια εργασία AWS Glue επιμελείται την έξοδο που δημιουργείται από το Amazon Personalize και τη μετατρέπει στη μορφή εισόδου που απαιτείται από το προσαρμοσμένο μοντέλο SageMaker. Η TR μπορεί να εκμεταλλευτεί το εύρος των υπηρεσιών που παρέχει η AWS, χρησιμοποιώντας τόσο το Amazon Personalize όσο και το SageMaker στην πλατφόρμα συστάσεων για να προσαρμόσει τις προτάσεις με βάση τον τύπο της εταιρείας πελατών και των τελικών χρηστών.
Ολόκληρη η ροή εργασιών αποσυνδέεται και ενορχηστρώνεται χρησιμοποιώντας τις λειτουργίες βήματος, οι οποίες παρέχουν την ευελιξία κλιμάκωσης του αγωγού ανάλογα με τις απαιτήσεις επεξεργασίας δεδομένων. Οι ειδοποιήσεις και οι ειδοποιήσεις καταγράφονται χρησιμοποιώντας το Amazon SNS και το EventBridge.
Οδήγηση καμπανιών email
Οι προτάσεις που δημιουργούνται μαζί με τα αποτελέσματα τιμολόγησης χρησιμοποιούνται για την προώθηση καμπανιών ηλεκτρονικού ταχυδρομείου στους πελάτες της TR. Μια εργασία παρτίδας AWS χρησιμοποιείται για την επιμέλεια των προτάσεων για κάθε πελάτη και τον εμπλουτισμό της με τις βελτιστοποιημένες πληροφορίες τιμολόγησης. Αυτές οι προτάσεις ενσωματώνονται στα συστήματα καμπάνιας του TR, τα οποία οδηγούν τις ακόλουθες καμπάνιες ηλεκτρονικού ταχυδρομείου:
- Αυτοματοποιημένες καμπάνιες ανανέωσης συνδρομής ή αναβάθμισης με νέα προϊόντα που μπορεί να ενδιαφέρουν τον πελάτη
- Ενδιάμεσες καμπάνιες ανανέωσης συμβολαίου με καλύτερες προσφορές και πιο σχετικά προϊόντα και νόμιμο υλικό περιεχομένου
Οι πληροφορίες από αυτήν τη διαδικασία αναπαράγονται επίσης στην πύλη πελατών, ώστε οι πελάτες που εξετάζουν την τρέχουσα συνδρομή τους να μπορούν να δουν τις νέες προτάσεις ανανέωσης. Η TR έχει δει υψηλότερο ποσοστό μετατροπών από καμπάνιες ηλεκτρονικού ταχυδρομείου, γεγονός που οδηγεί σε αυξημένες παραγγελίες πωλήσεων, από την εφαρμογή της νέας πλατφόρμας συστάσεων.
Τι ακολουθεί: Σειρά προτάσεων σε πραγματικό χρόνο
Οι απαιτήσεις των πελατών και οι συμπεριφορές αγορών αλλάζουν σε πραγματικό χρόνο και η προσαρμογή των προτάσεων στις αλλαγές σε πραγματικό χρόνο είναι το κλειδί για την προβολή του σωστού περιεχομένου. Αφού είδε μια μεγάλη επιτυχία στην ανάπτυξη ενός συστήματος συστάσεων παρτίδας, η TR σχεδιάζει τώρα να πάει αυτή τη λύση στο επόμενο επίπεδο, εφαρμόζοντας μια σειρά προτάσεων σε πραγματικό χρόνο για τη δημιουργία συστάσεων χρησιμοποιώντας το Amazon Personalize.
Το παρακάτω διάγραμμα απεικονίζει την αρχιτεκτονική για την παροχή συστάσεων σε πραγματικό χρόνο.
Η ενσωμάτωση σε πραγματικό χρόνο ξεκινά με τη συλλογή των ζωντανών δεδομένων αφοσίωσης των χρηστών και τη ροή τους στο Amazon Personalize. Καθώς οι χρήστες αλληλεπιδρούν με τις εφαρμογές του TR, δημιουργούν συμβάντα ροής κλικ, τα οποία δημοσιεύονται σε Ροές δεδομένων Amazon Kinesis. Στη συνέχεια, τα συμβάντα ενσωματώνονται στην κεντρική πλατφόρμα ροής του TR, η οποία είναι χτισμένη στην κορυφή Η Amazon διαχειρίστηκε τη ροή για τον Κάφκα (Amazon MSK). Το Amazon MSK διευκολύνει την πρόσληψη και επεξεργασία δεδομένων ροής σε πραγματικό χρόνο με πλήρως διαχειριζόμενο Apache Kafka. Σε αυτήν την αρχιτεκτονική, το Amazon MSK χρησιμεύει ως πλατφόρμα ροής και εκτελεί τυχόν μετασχηματισμούς δεδομένων που απαιτούνται στα μη επεξεργασμένα εισερχόμενα συμβάντα ροής κλικ. Στη συνέχεια ένα AWS Lambda η λειτουργία ενεργοποιείται για να φιλτράρει τα συμβάντα στο σχήμα που είναι συμβατό με το σύνολο δεδομένων Amazon Personalize και να ωθήσει αυτά τα συμβάντα σε μια παρακολούθηση συμβάντων Amazon Personalize χρησιμοποιώντας μια putEvent
API. Αυτό επιτρέπει στο Amazon Personalize να μαθαίνει από την πιο πρόσφατη συμπεριφορά του χρήστη σας και να περιλαμβάνει σχετικά στοιχεία στις προτάσεις.
Οι εφαρμογές Ιστού του TR επικαλούνται ένα API που έχει αναπτυχθεί σε Amazon API Gateway για να λάβετε συστάσεις, οι οποίες ενεργοποιούν μια συνάρτηση Lambda για να καλέσετε το a GetRecommendations
Κλήση API με το Amazon Personalize. Το Amazon Personalize παρέχει το πιο πρόσφατο σύνολο εξατομικευμένων προτάσεων που επιμελούνται τη συμπεριφορά των χρηστών, οι οποίες παρέχονται πίσω στις εφαρμογές Ιστού μέσω του Lambda και του API Gateway.
Με αυτήν την αρχιτεκτονική σε πραγματικό χρόνο, η TR μπορεί να εξυπηρετήσει τους πελάτες της με εξατομικευμένες προτάσεις που επιμελούνται την πιο πρόσφατη συμπεριφορά τους και να εξυπηρετεί καλύτερα τις ανάγκες τους.
Συμπέρασμα
Σε αυτήν την ανάρτηση, σας δείξαμε πώς η TR χρησιμοποίησε το Amazon Personalize και άλλες υπηρεσίες AWS για να εφαρμόσει μια μηχανή συστάσεων. Το Amazon Personalize επέτρεψε στην TR να επιταχύνει την ανάπτυξη και την ανάπτυξη μοντέλων υψηλής απόδοσης για να παρέχει συστάσεις στους πελάτες της. Η TR είναι σε θέση να ενσωματώσει μια νέα σουίτα προϊόντων εντός εβδομάδων τώρα, σε σύγκριση με μήνες νωρίτερα. Με το Amazon Personalize και το SageMaker, η TR είναι σε θέση να αναβαθμίσει την εμπειρία των πελατών με καλύτερα προγράμματα συνδρομής περιεχομένου και τιμές για τους πελάτες της.
Εάν σας άρεσε να διαβάζετε αυτό το ιστολόγιο και θέλετε να μάθετε περισσότερα για το Amazon Personalize και πώς μπορεί να βοηθήσει τον οργανισμό σας να δημιουργήσει συστήματα συστάσεων, ανατρέξτε στο οδηγός προγραμματιστή.
Σχετικά με τους Συγγραφείς
Χασάμ Fahim είναι επικεφαλής μηχανικός μηχανικής εκμάθησης και αρχιτέκτονας μηχανών εξατομίκευσης στην Thomson Reuters. Έχει συνεργαστεί με οργανισμούς στον ακαδημαϊκό χώρο και τη βιομηχανία, από μεγάλες επιχειρήσεις έως νεοφυείς επιχειρήσεις μεσαίου μεγέθους. Με επίκεντρο τις κλιμακούμενες αρχιτεκτονικές βαθιάς μάθησης, έχει εμπειρία σε φορητές ρομποτικές, βιοϊατρικές αναλύσεις εικόνας καθώς και συστήματα συστάσεων. Μακριά από υπολογιστές του αρέσει η αστροφωτογραφία, το διάβασμα και η ποδηλασία μεγάλων αποστάσεων.
Σρινιβάσα Σάικ είναι αρχιτέκτονας λύσεων στην AWS με έδρα τη Βοστώνη. Βοηθά τους πελάτες Enterprise να επιταχύνουν το ταξίδι τους στο cloud. Είναι παθιασμένος με τα κοντέινερ και τις τεχνολογίες μηχανικής μάθησης. Στον ελεύθερο χρόνο του, του αρέσει να περνά χρόνο με την οικογένειά του, να μαγειρεύει και να ταξιδεύει.
Βάμσι Κρίσνα Εναμποθάλα είναι Sr. Applied AI Specialist Architect στο AWS. Συνεργάζεται με πελάτες από διαφορετικούς τομείς για να επιταχύνει πρωτοβουλίες δεδομένων, αναλύσεων και μηχανικής μάθησης υψηλού αντίκτυπου. Είναι παθιασμένος με τα συστήματα συστάσεων, το NLP και τους τομείς όρασης υπολογιστών στο AI και ML. Εκτός δουλειάς, ο Vamshi είναι λάτρης του RC, κατασκευάζει εξοπλισμό RC (αεροπλάνα, αυτοκίνητα και drones) και του αρέσει επίσης η κηπουρική.
Simone Zucchet είναι Senior Solutions Architect στην AWS. Με πάνω από 6 χρόνια εμπειρίας ως Αρχιτέκτονας Cloud, η Simone απολαμβάνει να εργάζεται σε καινοτόμα έργα που βοηθούν στη μετατροπή του τρόπου με τον οποίο οι οργανισμοί αντιμετωπίζουν τα επιχειρηματικά προβλήματα. Βοηθά στην υποστήριξη μεγάλων εταιρικών πελατών στο AWS και είναι μέρος του Machine Learning TFC. Έξω από την επαγγελματική του ζωή, του αρέσει να ασχολείται με τα αυτοκίνητα και τη φωτογραφία.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/how-thomson-reuters-delivers-personalized-content-subscription-plans-at-scale-using-amazon-personalize/
- 100
- 7
- a
- ικανότητα
- Ικανός
- Σχετικά
- Ακαδημία
- επιταχύνουν
- Λογαριασμός
- Λογιστήριο
- ακριβής
- απέναντι
- δραστηριότητα
- προσαρμόσει
- Πρόσθετος
- Πλεονέκτημα
- Μετά το
- AI
- AI / ML
- Όλα
- επιτρέπει
- ήδη
- Amazon
- Προσαρμογή του Amazon
- ανάλυση
- Αναλυτές
- analytics
- αναλύσεις
- και
- απαντήσεις
- Apache
- api
- εφαρμογές
- εφαρμοσμένος
- Εφαρμοσμένη AI
- πλησιάζω
- αρχιτεκτονική
- περιοχές
- γύρω
- συσχετισμένη
- αυτοματοποίηση
- επίγνωση
- AWS
- Κόλλα AWS
- πίσω
- βασίζονται
- βάση
- επειδή
- πριν
- ΚΑΛΎΤΕΡΟΣ
- Καλύτερα
- μεταξύ
- Πέρα
- βιοϊατρικής
- Blog
- boston
- πλάτος
- χτίζω
- Κτίριο
- χτισμένο
- επιχείρηση
- επιχειρήσεις
- κλήση
- Εκστρατεία
- εκστρατεία
- Καμπάνιες
- αυτοκίνητα
- κατάλογος
- στο κέντρο
- κεντρική
- πρόκληση
- αλλαγή
- Αλλαγές
- αλλαγή
- Επιλέξτε
- Backup
- κωδικός
- Συλλέγοντας
- δεσμεύεται
- Εταιρείες
- σύγκριση
- σύμφωνος
- εξαρτήματα
- υπολογιστή
- Computer Vision
- υπολογιστές
- θεωρώντας
- συνεχώς
- καταναλωτής
- Καταναλωτές
- Εμπορευματοκιβώτια
- περιεχόμενο
- συνέχισε
- Μετατροπή
- πυρήνας
- Κόστος
- θα μπορούσε να
- δημιουργία
- δημιουργήθηκε
- δημιουργία
- επιμέλεια
- επιμελείται
- Ρεύμα
- έθιμο
- πελάτης
- στοιχεία πελάτη
- εμπειρία του πελάτη
- Πελάτες
- καθημερινά
- ημερομηνία
- Προετοιμασία δεδομένων
- επεξεργασία δεδομένων
- σύνολα δεδομένων
- συμφωνία
- αποφάσεις
- βαθύς
- βαθιά μάθηση
- παράδοση
- παραδίδει
- Σε συνάρτηση
- αναπτυχθεί
- ανάπτυξη
- ανάπτυξη
- σχεδιασμένα
- καθέκαστα
- αναπτύχθηκε
- Ανάπτυξη
- διαφορετικές
- απόσταση
- τομέα
- αυτοκίνητο
- οδήγηση
- Drones
- κατά την διάρκεια
- κάθε
- Νωρίτερα
- Νωρίς
- ELEVATE
- επιλέξιμες
- ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ
- ενεργοποιημένη
- ενεργοποίηση
- δέσμευση
- Κινητήρας
- μηχανικός
- εμπλουτίζω
- Εταιρεία
- επιχειρήσεις
- θιασώτης
- Ολόκληρος
- εξοπλισμός
- Συμβάν
- εκδηλώσεις
- συνεχώς μεταβαλλόμενο
- εξελίσσονται
- εμπειρία
- εξειδίκευση
- Εξηγήστε
- εκχύλισμα
- Εκχυλίσματα
- οικογένεια
- γρηγορότερα
- Χαρακτηριστικό
- φιλτράρισμα
- τελικός
- οικονομικός
- Εύρεση
- Εταιρεία
- Ευελιξία
- Συγκέντρωση
- Εξής
- μορφή
- μορφή
- σχηματίζεται
- ΠΛΑΙΣΙΟ
- από
- πλήρως
- λειτουργία
- λειτουργίες
- πύλη
- παράγουν
- παράγεται
- δημιουργεί
- παραγωγής
- παίρνω
- να πάρει
- δίνει
- Στόχοι
- εξαιρετική
- που έχει
- βοήθεια
- βοηθά
- υψηλή απόδοση
- υψηλότερο
- Πως
- HTML
- HTTPS
- ανθρώπινος
- εικόνα
- εφαρμογή
- εκτελεστικών
- εισαγωγή
- σημαντικό
- in
- περιλαμβάνουν
- Εισερχόμενος
- αυξημένη
- βιομηχανία
- πληροφορίες
- πρωτοβουλίες
- Καινοτομία
- καινοτόμες
- εισαγωγή
- ενσωματωθεί
- ολοκλήρωση
- Νοημοσύνη
- αλληλεπιδρώντας
- αλληλεπιδράσεις
- τόκος
- συμμετέχουν
- IT
- αντικειμένων
- Δουλειά
- Θέσεις εργασίας
- ταξίδι
- Κλειδί
- large
- Επίθετο
- αργότερο
- οδηγήσει
- που οδηγεί
- ΜΑΘΑΊΝΩ
- μάθηση
- Κληροδότημα
- Νομικά
- Επίπεδο
- αδειοδότηση
- ζωή
- ανύψωση
- ζω
- φορτίο
- Μακριά
- Χαμηλός
- μηχανή
- μάθηση μηχανής
- κάνω
- ΚΑΝΕΙ
- διαχείριση
- διαχειρίζεται
- αγορά
- πρωτοπόρος στην αγορά
- Μάρκετινγκ
- αγορές
- ωριμότητα
- Εικόνες / Βίντεο
- Microsoft
- μικροσκοπικές ομάδες
- ενδέχεται να
- εκατομμύρια
- ML
- Κινητό
- μοντέλο
- μοντέλα
- μήνες
- περισσότερο
- πλέον
- Ανάγκη
- ανάγκες
- Νέα
- νέα προϊόντα
- νέα
- επόμενη
- nlp
- κοινοποίηση
- κοινοποιήσεις
- προσφορές
- Onboard
- ONE
- επιχειρήσεων
- λειτουργίες
- βελτιστοποίηση
- βελτιστοποιημένη
- Επιλογές
- παραγγελιών
- επιχειρήσεις
- οργανώσεις
- ΑΛΛΑ
- εκτός
- Packages
- μέρος
- παθιασμένος
- Εκτελέστε
- εκτελεί
- εξατομίκευση
- εξατομίκευση
- Εξατομικευμένη
- προοπτική
- φωτογραφία
- αγωγού
- σχέδιο
- σχεδιασμό
- φώναξε
- πλατφόρμες
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- σας παρακαλούμε
- Σημείο
- Πύλη
- δυνατός
- Θέση
- προτιμήσεις
- Προετοιμάστε
- προετοιμασία
- τιμή
- Τιμές
- τιμολόγηση
- προβλήματα
- διαδικασια μας
- μεταποίηση
- Προϊόν
- Προϊόντα
- επαγγελματίας
- επαγγελματίες
- έργα
- παρέχουν
- παρέχεται
- παρέχει
- χορήγηση
- δημοσιεύθηκε
- Σπρώξτε
- ποιότητα
- γρήγορα
- αύξηση
- κυμαίνεται
- Τιμή
- Ακατέργαστος
- Ανάγνωση
- έτοιμος
- πραγματικός
- σε πραγματικό χρόνο
- πρόσφατος
- πρόσφατα
- συνταγή
- Σύσταση
- συστάσεις
- αρχεία
- μείωση
- αναφέρεται
- αντανακλούν
- επαναλαμβάνεται
- απαιτείται
- απαίτηση
- απαιτήσεις
- Αποτελέσματα
- Reuters
- επανεξέταση
- Κίνδυνος
- ρομποτική
- κανόνες
- τρέξιμο
- σοφός
- εμπορικός
- επεκτάσιμη
- Κλίμακα
- απολέπιση
- επιστήμονες
- τμήματα
- Τομείς
- βλέποντας
- αρχαιότερος
- εξυπηρετούν
- εξυπηρετεί
- υπηρεσία
- Υπηρεσίες
- εξυπηρετούν
- σειρά
- Καταστήματα Λιανικής
- υπογράψουν
- σημαντικός
- Απλούς
- απλοποίηση
- αφού
- So
- λύση
- Λύσεις
- Πηγή
- Πηγές
- ειδικός
- Δαπάνες
- ξεκινά
- Startups
- Βήμα
- χώρος στο δίσκο
- αποθηκεύονται
- καταστήματα
- ροής
- συνδρομή
- συνδρομές
- επιτυχία
- επιτυχής
- σουίτα
- υποστήριξη
- σύστημα
- συστήματα
- επειξειργασμένος από ραπτήν
- Πάρτε
- παίρνει
- εργασίες
- φόρος
- ομάδες
- Τεχνολογίες
- Τεχνολογία
- Η
- τους
- Thomson Reuters
- Μέσω
- ώρα
- προς την
- εργαλείο
- κορυφή
- Τρένο
- εκπαιδευμένο
- Εκπαίδευση
- Συναλλαγές
- Μεταμορφώστε
- μετασχηματισμούς
- μετασχηματίζεται
- Ταξίδια
- Τάσεις
- ενεργοποιήθηκε
- Έμπιστος
- καταλαβαίνω
- κατανόηση
- up-to-ημερομηνία
- αναβάθμισης
- Χρήση
- χρήση
- Χρήστες
- Χρήστες
- Πολύτιμος
- διάφορα
- εκδοχή
- μέσω
- όραμα
- τόμος
- ήθελε
- Πλούτος
- ιστός
- εφαρμογές ιστού
- Εβδ.
- Τι
- Ποιό
- Ο ΟΠΟΊΟΣ
- εντός
- χωρίς
- Εργασία
- εργάστηκαν
- εργαζόμενος
- λειτουργεί
- του κόσμου
- θα
- γράφω
- γραπτή
- χρόνια
- Εσείς
- Σας
- zephyrnet