פוסט זה נכתב על ידי בריאן קארי (מייסד וראש מחלקת מוצרים ב-OCX Cognition) ו-Sandhya MN (מובילת מדעי הנתונים ב-InfoGain)
קוגניציה של OCX הוא סטארט-אפ מבוסס אזור מפרץ סן פרנסיסקו, המציע תוכנת B2B מסחרית כשירות (SaaS) בשם Spectrum AI. Spectrum AI היא פלטפורמת ניתוח CX חזוי (גנרטיבי) לארגונים. הפתרונות של OCX מפותחים בשיתוף עם Infogain, AWS Advanced Tier Partner. Infogain עובדת עם OCX Cognition כצוות מוצר משולב, המספק שירותי הנדסת תוכנה ממוקדים באדם ומומחיות בפיתוח תוכנה, מיקרו-שירותים, אוטומציה, אינטרנט של הדברים (IoT) ובינה מלאכותית.
פלטפורמת ה- Spectrum AI משלבת את עמדות הלקוחות עם הנתונים התפעוליים של הלקוחות ומשתמשת בלמידת מכונה (ML) כדי ליצור תובנה מתמשכת על CX. OCX בנה Spectrum AI על AWS מכיוון ש-AWS הציע מגוון רחב של כלים, מחשוב אלסטי וסביבת ML שתעמוד בקצב הצרכים המתפתחים.
בפוסט זה, אנו דנים כיצד OCX Cognition בתמיכה של Infogain וצוות חשבונות ה-AWS של OCX שיפרו את חוויית לקוח הקצה שלהם והפחיתו את הזמן לערך על ידי אוטומציה ותזמור של פונקציות ML שתמכו בניתוח CX של Spectrum AI. באמצעות פונקציות שלב AWS, ה AWS Step Functions Data Science SDK עבור Python, ו ניסויים באמזון SageMaker, OCX Cognition הפחיתה את זמן הפיתוח של מודל ה-ML מ-6 שבועות ל-2 שבועות והפחיתה את זמן העדכון של מודל ה-ML מ-4 ימים לכמעט זמן אמת.
רקע
פלטפורמת ה- Spectrum AI צריכה לייצר מודלים המכוונים למאות ציוני CX שונים עבור כל לקוח, והציונים הללו צריכים להיות מחושבים באופן ייחודי עבור עשרות אלפי חשבונות פעילים. ככל שחולף הזמן וחוויות חדשות מצטברות, הפלטפורמה צריכה לעדכן את הציונים הללו על סמך קלט נתונים חדשים. לאחר הפקת ציונים חדשים, OCX ו-Infogain מחשבות את ההשפעה היחסית של כל מדד תפעולי בסיסי בתחזית. אמזון SageMaker היא סביבת פיתוח משולבת מבוססת אינטרנט (IDE) המאפשרת לך לבנות, לאמן ולפרוס מודלים של ML לכל מקרה שימוש עם תשתית, כלים וזרימות עבודה מנוהלות במלואן. עם SageMaker, צוות OCX-Infogain פיתח את הפתרון שלהם באמצעות ספריות קוד משותפות על פני מחברות Jupyter המתוחזקות בנפרד ב סטודיו SageMaker של אמזון.
הבעיה: קנה מידה של הפתרון עבור מספר לקוחות
בעוד שהמחקר והפיתוח הראשוני הוכיח את עצמו כמוצלח, קנה המידה היווה אתגר. פיתוח ה-ML של OCX ו-Infogain כלל שלבים מרובים: הנדסת תכונות, אימון מודלים, חיזוי ויצירת אנליטיקה. הקוד של מודולים נמצא במספר מחברות, והפעלת המחברות הללו הייתה ידנית, ללא כלי תזמור במקום. עבור כל לקוח חדש, צוות OCX-Infogain השקיע 6 שבועות לכל לקוח על זמן פיתוח מודלים מכיוון שלא ניתן היה לעשות שימוש חוזר בספריות. בשל כמות הזמן המושקעת בפיתוח מודלים, צוות OCX-Infogain נזקק לפתרון אוטומטי וניתן להרחבה שפעל כפלטפורמה יחידה תוך שימוש בתצורות ייחודיות לכל אחד מלקוחותיו.
דיאגרמת הארכיטקטורה הבאה מתארת את תהליכי הפיתוח והעדכון הראשוניים של מודל ML של OCX.
סקירת פתרונות
כדי לפשט את תהליך ה-ML, צוות OCX-Infogain עבד עם צוות החשבונות של AWS כדי לפתח מסגרת ML הצהרתית מותאמת אישית שתחליף את כל הקוד החוזר על עצמו. זה הפחית את הצורך בפיתוח קוד ML חדש ברמה נמוכה. ניתן לעשות שימוש חוזר בספריות חדשות עבור לקוחות מרובים על ידי הגדרת הנתונים כראוי עבור כל לקוח באמצעות קבצי YAML.
בעוד שקוד ברמה גבוהה זה ממשיך להתפתח בהתחלה ב-Studio באמצעות מחברות Jupyter, לאחר מכן הוא מומר ל-Python (קבצי.py), ופלטפורמת SageMaker משמשת לבניית תמונת Docker עם מיכלי BYO (תביא משלך). התמונות של Docker נדחפות אל מרשם מיכל אלסטי של אמזון (Amazon ECR) כשלב הכנה. לבסוף, הקוד מופעל באמצעות Step Functions.
צוות החשבונות של AWS המליץ על Step Functions Data Science SDK ו- SageMaker Experiments כדי להפוך את הנדסת תכונות, אימון מודלים ופריסה של מודלים לאוטומטיים. ה- Step Functions Data Science SDK שימש ליצירת פונקציות השלב באופן תכנותי. צוות OCX-Infogain למד כיצד להשתמש בתכונות כמו Parallel ו-MAP בתוך Step Functions כדי לתזמן מספר רב של עבודות אימון ועיבוד במקביל, מה שמפחית את זמן הריצה. זה שולב עם ניסויים, שמתפקד ככלי ניתוח, עוקב אחר מועמדי ML מרובים וריאציות של כוונון היפרפרמטרים. ניתוחים מובנים אלה אפשרו לצוות OCX-Infogain להשוות מספר מדדים בזמן ריצה ולזהות מודלים בעלי הביצועים הטובים ביותר תוך כדי תנועה.
דיאגרמת הארכיטקטורה הבאה מציגה את צינור MLOps שפותח עבור מחזור יצירת המודל.
ה- Step Functions Data Science SDK משמש לניתוח והשוואה של אלגוריתמי אימון מרובים של מודלים. מכונת המצב מפעילה מספר דגמים במקביל, וכל פלט דגם מחובר לניסויים. כאשר אימון המודל הושלם, התוצאות של ניסויים מרובים מאוחזרות ומשוות באמצעות ה-SDK. צילומי המסך הבאים מראים כיצד נבחר הדגם בעל הביצועים הטובים ביותר עבור כל שלב.
להלן השלבים ברמה הגבוהה של מחזור החיים של ML:
- מפתחי ML דוחפים את הקוד שלהם לספריות במאגר Gitlab כשהפיתוח ב-Studio הושלם.
- קוד צינור AWS משמש לבדיקת הקוד המתאים ממאגר Gitlab.
- תמונת Docker מוכנה באמצעות קוד זה ונדחפת לאמזון ECR עבור מחשוב ללא שרת.
- Step Functions משמש להפעלת שלבים באמצעות עיבוד אמזון SageMaker מקומות תעסוקה. כאן, מספר משימות עצמאיות מופעלות במקביל:
- הנדסת תכונות מתבצעת, והתכונות מאוחסנות בחנות התכונות.
- אימון מודל מתנהל, עם אלגוריתמים מרובים ומספר שילובים של היפרפרמטרים תוך שימוש בקובץ התצורה של YAML.
- פונקציית צעדי האימון נועדה לקבל מקביליות כבדה. המודלים לכל שלב במסע מופעלים במקביל. זה מתואר בתרשים הבא.
- תוצאות המודל נרשמות לאחר מכן בניסויים. הדגם בעל הביצועים הטובים ביותר נבחר ונדחף לרישום המודלים.
- התחזיות נעשות באמצעות המודלים בעלי הביצועים הטובים ביותר עבור כל אנליטיקה של CX שאנו יוצרים.
- מאות ניתוחים נוצרים ולאחר מכן מועברים לפרסום במחסן נתונים המתארח ב-AWS.
תוצאות
עם גישה זו, OCX Cognition הפכה את עיבוד ה-ML שלהם לאוטומטי והאיצה. על ידי החלפת תהליכים ידניים עתירי עבודה ועומסי פיתוח שחוזרים על עצמם, העלות ללקוח מופחתת ביותר מ-60%. זה גם מאפשר ל-OCX להרחיב את עסקי התוכנה שלהם על ידי שלש הקיבולת הכוללת והכפלת הקיבולת לכניסה בו-זמנית של לקוחות. האוטומציה של OCX של עיבוד ה-ML שלהם פותחת פוטנציאל חדש לצמוח באמצעות רכישת לקוחות. שימוש בניסויי SageMaker למעקב אחר הכשרת מודלים הוא קריטי לזיהוי קבוצת הדגמים הטובה ביותר לשימוש ולקחת לייצור. עבור הלקוחות שלהם, הפתרון החדש הזה מספק לא רק שיפור של 8% בביצועי ML, אלא שיפור של 63% בזמן לערך. הצטרפות לקוחות חדשים ודור הדגמים הראשוני השתפרו מ-6 שבועות לשבועיים. לאחר שנבנה ומתמקם, OCX מתחיל ליצור מחדש ברציפות את ניתוח CX כאשר נתוני קלט חדשים מגיעים מהלקוח. מחזורי העדכון הללו השתפרו מ-2 ימים לכמעט זמן אמת
סיכום
בפוסט זה, הראינו כיצד OCX Cognition ו-Infogain השתמשו ב- Step Functions, ב- Step Functions Data Science SDK עבור Python ו- Sagemaker Experiments בשיתוף עם Sagemaker Studio כדי לצמצם את הזמן לערך עבור צוות OCX-InfoGain בפיתוח ועדכון מודלים של ניתוח CX עבור הלקוחות שלהם.
כדי להתחיל עם שירותים אלה, עיין ב אמזון SageMaker, AWS Step Functions Data Science Python SDK, פונקציות שלב AWS, ו נהל למידת מכונה עם ניסויי אמזון SageMaker.
על הכותבים
בריאן קארי הוא כיום מייסד וראש מחלקת מוצרים ב-OCX Cognition, שם אנו בונים פלטפורמת למידת מכונה לניתוח לקוחות. לבריאן יש יותר מעשור של ניסיון בהובלת פתרונות ענן וארגוני מוצר ממוקדי עיצוב.
Sandhya MN הוא חלק מ-Infogain ומוביל את צוות Data Science עבור OCX. היא מובילת פיתוח תוכנה ותיקה עם ניסיון רב במגוון טכנולוגיות ותחומים בתעשייה. היא נלהבת להישאר מעודכן בטכנולוגיה ולהשתמש בה כדי לספק ערך עסקי ללקוחות.
פרשנת גנאפתיה הוא אדריכל פתרונות בכיר במגזר עסקים קטנים בינוניים (SMB) ב-AWS. הוא נהנה ללמוד על שירותי AI/ML של AWS ולעזור ללקוחות לעמוד בתוצאות העסקיות שלהם על ידי בניית פתרונות עבורם. מחוץ לעבודה, פראשנת' נהנה לצלם, לטייל ולנסות מאכלים שונים.
סבהא פרמסוואראן הוא ארכיטקט פתרונות בכיר ב-AWS עם למעלה מ-20 שנות ניסיון מעמיק באינטגרציה של יישומים ארגוניים, מיקרו-שירותים, כוונון ביצועי קונטיינרים ומערכות מבוזרות, יצירת אב טיפוס ועוד. הוא מבוסס מאזור מפרץ סן פרנסיסקו. ב-AWS, הוא מתמקד בסיוע ללקוחות במסע הענן שלהם וגם מעורב באופן פעיל בשירותי מיקרו וארכיטקטורה ומסגרות מבוססות שרתים.
וישנאווי גאנסאן הוא אדריכל פתרונות ב-AWS המבוסס באזור מפרץ סן פרנסיסקו. היא מתמקדת בסיוע ללקוחות המגזר המסחרי במסע הענן שלהם ומתלהבת מאבטחה בענן. מחוץ לעבודה, ויישנאווי נהנה לטייל, לטייל ולנסות מכשירי קפה שונים.
אג'אי סומיונתן הוא מנהל חשבונות II ב-AWS. הוא עורך דין עבור לקוחות המגזר המסחרי, מספק את המשאבים הפיננסיים, החדשנות העסקית והטכניים הנכונים בהתאם למטרות הלקוחות שלו. מחוץ לעבודה, Ajay מתלהב מסקי, דאבסטפ ומוזיקת דראם אנד בס וכדורסל.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoAiStream. Web3 Data Intelligence. הידע מוגבר. גישה כאן.
- הטבעת העתיד עם אדריאן אשלי. גישה כאן.
- קנה ומכירה של מניות בחברות PRE-IPO עם PREIPO®. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/how-ocx-cognition-reduced-ml-model-development-time-from-weeks-to-days-and-model-update-time-from-days-to-real-time-using-aws-step-functions-and-amazon-sagemaker/
- :יש ל
- :הוא
- :לֹא
- :איפה
- $ למעלה
- 100
- 20
- שנים 20
- 7
- a
- אודות
- מוּאָץ
- בהתאם
- חֶשְׁבּוֹן
- חשבונות
- לצבור
- רכישה
- לרוחב
- פעיל
- באופן פעיל
- מתקדם
- עו"ד
- לאחר
- AI
- פלטפורמת AI
- AI / ML
- אלגוריתמים
- תעשיות
- מאפשר
- גם
- אמזון בעברית
- אמזון SageMaker
- אמזון שירותי אינטרנט
- כמות
- an
- אנליטי
- ניתוח
- לנתח
- ו
- כל
- בקשה
- גישה
- מתאים
- כראוי
- ארכיטקטורה
- ARE
- AREA
- מגיע
- מלאכותי
- בינה מלאכותית
- AS
- At
- אוטומטי
- אוטומטי
- אוטומציה
- אוטומציה
- AWS
- פונקציות שלב AWS
- B2B
- מבוסס
- כדורסל
- בַּס
- מִפרָץ
- BE
- כי
- הטוב ביותר
- בריאן
- להביא
- לִבנוֹת
- בִּניָן
- נבנה
- מובנה
- עסקים
- אבל
- by
- נקרא
- מועמדים
- קיבולת
- מקרה
- לאתגר
- לבדוק
- ענן
- קוד
- קָפֶה
- שיתוף פעולה
- שילובים
- משולב
- משלב
- מסחרי
- לְהַשְׁווֹת
- לעומת
- להשלים
- לחשב
- מחשוב
- תְצוּרָה
- מכולה
- מכולות
- ממשיך
- רציף
- ברציפות
- הומר
- עלות
- יכול
- יצירה
- קריטי
- כיום
- מנהג
- לקוח
- חווית לקוח
- לקוחות
- CX
- מחזור
- מחזורי
- נתונים
- מדע נתונים
- תַאֲרִיך
- ימים
- עָשׂוֹר
- עמוק
- למסור
- לפרוס
- פריסה
- מעוצב
- לפתח
- מפותח
- מפתחים
- מתפתח
- צעצועי התפתחות
- אחר
- לדון
- מופץ
- מערכות מבוזרות
- סַוָר
- תחומים
- כפילה
- ראוי
- כל אחד
- סוף
- הנדסה
- מִפְעָל
- חברות
- סביבה
- כל
- מתפתח
- ניסיון
- חוויות
- ניסויים
- מומחיות
- נרחב
- ניסיון רב
- מאפיין
- תכונות
- שלח
- קבצים
- בסופו של דבר
- כספי
- מרוכז
- הבא
- בעד
- מייסד
- מסגרת
- מסגרות
- פרנסיסקו
- החל מ-
- לגמרי
- פונקציה
- פונקציות
- ליצור
- נוצר
- דור
- גנרטטיבית
- לקבל
- שערים
- לגדול
- יש
- he
- ראש
- כבד
- עזרה
- כאן
- ברמה גבוהה
- מאוד
- שֶׁלוֹ
- אירח
- איך
- איך
- HTML
- http
- HTTPS
- מאות
- כוונון היפר-פרמטר
- לזהות
- זיהוי
- ii
- תמונה
- תמונות
- פְּגִיעָה
- משופר
- השבחה
- in
- עצמאי
- בנפרד
- תעשייה
- תשתית
- בתחילה
- בהתחלה
- חדשנות
- קלט
- תשומות
- תובנה
- משולב
- השתלבות
- מוֹדִיעִין
- אינטרנט
- אינטרנט של דברים
- אל תוך
- מעורב
- IOT
- IT
- מקומות תעסוקה
- מסע
- jpg
- שמור
- גָדוֹל
- עוֹפֶרֶת
- מנהיג
- מוביל
- מוביל
- למד
- למידה
- ספריות
- מעגל החיים
- כמו
- מחובר
- מכונה
- למידת מכונה
- עשוי
- הצליח
- מנהל
- מדריך ל
- מַפָּה
- בינוני
- לִפְגוֹשׁ
- מטרי
- מדדים
- מיקרו
- ML
- MLOps
- מודל
- מודלים
- מודולים
- יותר
- מספר
- כלי נגינה
- צורך
- נחוץ
- צרכי
- חדש
- פיתרון חדש
- לא
- מספר
- of
- כבוי
- מוצע
- הצעה
- on
- Onboarding
- פעם
- רק
- מופעל
- מבצעי
- תזמור
- ארגונים
- הַחוּצָה
- תוצאות
- תפוקה
- בחוץ
- יותר
- מקיף
- שֶׁלוֹ
- שלום
- מקביל
- חלק
- שותף
- מעברי
- לוהט
- ביצועים
- ביצוע
- צילום
- צינור
- מקום
- פלטפורמה
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- הודעה
- פוטנציאל
- נבואה
- מוּכָן
- בעיה
- תהליך
- תהליכים
- תהליך
- לייצר
- מיוצר
- המוצר
- הפקה
- מוצרים
- prototyping
- הוכיח
- מספק
- מתן
- פרסום
- דחוף
- דחף
- פיתון
- R & D
- רכס
- ממשי
- זמן אמת
- מוּמלָץ
- להפחית
- מופחת
- מפחית
- רישום
- חוזר על עצמו
- להחליף
- מאגר
- משאבים
- תוצאות
- תקין
- הפעלה
- ריצה
- SaaS
- בעל חכמים
- סן
- סן פרנסיסקו
- להרחבה
- סולם
- דרוג
- מדע
- צילומי מסך
- Sdk
- מְתוּבָּל
- אבטחה
- קטע
- נבחר
- לחצני מצוקה לפנסיונרים
- ללא שרת
- שרות
- שירותים
- סט
- כמה
- משותף
- היא
- לְהַצִיג
- הראה
- הופעות
- לפשט
- יחיד
- קטן
- SMB
- תוכנה
- תוכנה כשירות
- פיתוח תוכנה
- הנדסת תוכנה
- פִּתָרוֹן
- פתרונות
- ספֵּקטרוּם
- בילה
- התמחות
- החל
- סטארט - אפ
- מדינה
- שלב
- צעדים
- חנות
- מאוחסן
- סטודיו
- מוצלח
- תמיכה
- נתמך
- מערכות
- לקחת
- משימות
- נבחרת
- טכני
- טכנולוגיות
- טכנולוגיה
- עשרות
- מֵאֲשֶׁר
- זֶה
- השמיים
- המדינה
- שֶׁלָהֶם
- אותם
- אז
- אלה
- דברים
- זֶה
- אלפים
- דרך
- נִדבָּך
- זמן
- ל
- כלי
- כלים
- לעקוב
- מעקב
- רכבת
- הדרכה
- נסיעות
- נסיעה
- משולשת
- בְּסִיסִי
- ייחודי
- באופן ייחודי
- פותח
- עדכון
- עדכון
- להשתמש
- במקרה להשתמש
- מְשׁוּמָשׁ
- באמצעות
- מנוצל
- ניצול
- ערך
- שונים
- היה
- we
- אינטרנט
- שירותי אינטרנט
- המבוסס על האינטרנט
- שבועות
- מתי
- אשר
- רָחָב
- טווח רחב
- עם
- בתוך
- תיק עבודות
- עבד
- זרימות עבודה
- עובד
- היה
- יאמל
- שנים
- אתה
- זפירנט