この投稿は、Salesforce Einstein AI の製品ディレクターである Daryl Martis の共著者です。
これは、Salesforce Data Cloud と Salesforce Data Cloud の統合について説明するシリーズの XNUMX 番目の投稿です。 アマゾンセージメーカー.
In 第1部 および 第2部では、Salesforce Data Cloud および Einstein Studio と SageMaker の統合により、企業が SageMaker を使用して Salesforce データに安全にアクセスし、そのツールを使用してモデルを構築、トレーニングし、SageMaker でホストされているエンドポイントにデプロイできるようにする方法を示します。 SageMaker エンドポイントを Salesforce Data Cloud に登録して、Salesforce で予測を有効にすることができます。
この投稿では、ビジネス アナリストとシチズン データ サイエンティストがコードを使用せずに機械学習 (ML) モデルを作成する方法を示します。 Amazon SageMaker キャンバス さらに、Salesforce Einstein Studio と統合するためのトレーニング済みモデルをデプロイして、強力なビジネス アプリケーションを作成します。 SageMaker Canvas は、数回クリックするだけで Salesforce Data Cloud のデータにアクセスし、モデルを構築、テスト、デプロイするためのコードなしのエクスペリエンスを提供します。 SageMaker Canvas を使用すると、特徴の重要性と SHAP 値を使用して予測を理解することもできるため、ML モデルによって行われた予測を簡単に説明できます。
SageMaker キャンバス
SageMaker Canvas を使用すると、ビジネス アナリストやデータ サイエンス チームは、コードを XNUMX 行も記述することなく、ML および生成 AI モデルを構築して使用できます。 SageMaker Canvas は、分類、回帰、予測、自然言語処理 (NLP)、およびコンピューター ビジョン (CV) のための正確な ML 予測を生成するための視覚的なポイント アンド クリック インターフェイスを提供します。 さらに、次から基盤モデル (FM) にアクセスして評価できます。 アマゾンの岩盤 またはからの公共FM Amazon SageMaker ジャンプスタート 生成 AI ソリューションをサポートするためのコンテンツ生成、テキスト抽出、およびテキスト要約用。 SageMaker Canvas を使用すると、次のことが可能になります。 構築された ML モデルをどこにでも持ち込むことができます SageMaker Canvas で直接予測を生成します。
Salesforce データクラウドと Einstein Studio
Salesforce Data Cloud は、あらゆるタッチポイントから企業に顧客データのリアルタイム更新を提供するデータ プラットフォームです。
Einstein Studio は、Salesforce Data Cloud 上の AI ツールへのゲートウェイです。 Einstein Studio を使用すると、管理者やデータサイエンティストは、数回クリックするかコードを使用するだけでモデルを簡単に作成できます。 Einstein Studio の Bring Your Own Model (BYOM) エクスペリエンスは、SageMaker などの外部プラットフォームからカスタム AI モデルまたは生成 AI モデルを Salesforce Data Cloud に接続する機能を提供します。
ソリューションの概要
SageMaker Canvas を使用して Salesforce Data Cloud のデータを使用して ML モデルを構築する方法を示すために、製品を推奨する予測モデルを作成します。 このモデルは、顧客属性、マーケティング活動、購入履歴など、Salesforce Data Cloud に保存されている機能を使用します。 製品推奨モデルは、Salesforce Data Cloud のデータを使用する SageMaker Canvas のノーコード ユーザー インターフェイスを使用して構築およびデプロイされます。
以下を使用します サンプルデータセット に保管 Amazon シンプル ストレージ サービス (アマゾンS3)。 このデータセットを Salesforce Data Cloud で使用するには、以下を参照してください。 データクラウドでAmazon S3データストリームを作成する。 モデルを作成するには次の属性が必要です。
- クラブ会員 – お客様がクラブ会員の場合
- キャンペーン – 顧客が参加しているキャンペーン
- 都道府県 – 顧客が居住する州または県
- 月 – 購入した月
- ケース数 – 顧客から提起されたケースの数
- ケースタイプの返品 – 顧客が過去 XNUMX 年以内に製品を返品したかどうか
- ケースの種類 出荷時の破損 – 過去 XNUMX 年間に顧客の荷物が破損したかどうか
- エンゲージメントスコア – 顧客のエンゲージメントのレベル (メール配信キャンペーンへの反応、オンライン ストアへのログインなど)
- 任期 – 会社と顧客関係の存続期間
- クリック – 購入前の XNUMX 週間以内に顧客が行った平均クリック数
- 訪問したページ – 購入前 XNUMX 週間以内に顧客が訪問した平均ページ数
- 購入した製品 – 実際に購入した製品
次の手順では、SageMaker Canvas で起動された Salesforce Data Cloud コネクタを使用してエンタープライズ データにアクセスし、予測モデルを構築する方法の概要を示します。
- SageMaker Canvas ドメインを登録するように Salesforce 接続アプリケーションを設定します。
- SageMaker Canvas で Salesforce Data Cloud の OAuth をセットアップします。
- 組み込みの SageMaker Canvas Salesforce Data Cloud コネクタを使用して Salesforce Data Cloud データに接続し、データセットをインポートします。
- SageMaker Canvas でモデルを構築してトレーニングします。
- SageMaker Canvas にモデルをデプロイし、予測を行います。
- を展開する アマゾンAPIゲートウェイ エンドポイントを SageMaker 推論エンドポイントへのフロントエンド接続として使用します。
- API Gateway エンドポイントを Einstein Studio に登録します。 手順については、を参照してください。 独自の AI モデルをデータクラウドに持ち込む.
次の図は、ソリューションのアーキテクチャを示しています。
前提条件
始める前に、次の前提条件手順を完了して SageMaker ドメインを作成し、SageMaker Canvas を有効にしてください。
- 作る Amazon SageMakerスタジオ ドメイン。 手順については、を参照してください。 AmazonSageMakerドメインにオンボード.
- 作成され、ユーザー プロファイルで使用されるドメイン ID と実行ロールをメモします。 後続の手順で、このロールに権限を追加します。
次のスクリーンショットは、この投稿用に作成したドメインを示しています。
- 次に、ユーザープロファイルに移動し、選択します 編集.
- に移動します Amazon SageMaker Canvas の設定 セクションと選択 Canvas の基本権限を有効にする.
- 選択 Canvas モデルの直接デプロイメントを有効にする および すべてのユーザーに対してモデル レジストリの権限を有効にする.
これにより、SageMaker Canvas は SageMaker コンソール上のエンドポイントにモデルをデプロイできるようになります。 これらの設定は、ドメインまたはユーザー プロファイル レベルで構成できます。 ユーザー プロファイル設定はドメイン設定より優先されます。
Salesforce 接続アプリケーションを作成または更新する
次に、Salesforce 接続アプリケーションを作成して、SageMaker Canvas から Salesforce Data Cloud への OAuth フローを有効にします。 次の手順を実行します。
- Salesforce にログインし、次の場所に移動します。 .
- 検索する アプリマネージャ 新しい接続アプリを作成します。
- 次の入力を提供します。
- 接続されているアプリ名、名前を入力します。
- API名、デフォルトのままにしておきます (自動的に入力されます)。
- お問い合わせメール、連絡先メールアドレスを入力します。
- 選択 OAuth設定を有効にする.
- コールバックURL、 入る
https://<domain-id>.studio.<region>.sagemaker.aws/canvas/default/lab
、SageMaker ドメインのドメイン ID とリージョンを指定します。
- 接続されたアプリで次のスコープを構成します。
- API 経由でユーザー データを管理 (
api
). - リクエストはいつでも実行できます (
refresh_token
,offline_access
). - Salesforce Data Cloud データに対して ANSI SQL クエリを実行します (データ
Cloud_query_api
). - データクラウドプロファイルデータの管理 (
Data Cloud_profile_api
). - ID URL サービスにアクセスします (
id
,profile
,email
,address
,phone
). - 一意のユーザー識別子にアクセスします (
openid
).
- API 経由でユーザー データを管理 (
- 接続アプリを設定する IP緩和 に設定 IP制限を緩和します。
Salesforce Data Cloud コネクタの OAuth 設定を構成する
SageMaker Canvas の使用方法 AWSシークレットマネージャー Salesforce 接続アプリケーションからの接続情報を安全に保存します。 SageMaker Canvas を使用すると、管理者は個々のユーザー プロファイルまたはドメイン レベルで OAuth 設定を構成できます。 ドメインとユーザー プロファイルの両方にシークレットを追加できますが、SageMaker Canvas は最初にユーザー プロファイルでシークレットを検索することに注意してください。
OAuth 設定を構成するには、次の手順を実行します。
- SageMaker コンソールでドメインまたはユーザー プロファイル設定を編集するために移動します。
- 選択する キャンバス設定 ナビゲーションペインに表示されます。
- OAuth設定、用 情報元、選択する Salesforce データクラウド.
- シークレット設定、新しいシークレットを作成することも、既存のシークレットを使用することもできます。 この例では、新しいシークレットを作成し、Salesforce 接続アプリケーションからクライアント ID とクライアント シークレットを入力します。
SageMaker Canvas で OAuth を有効にする方法の詳細については、以下を参照してください。 Salesforce データクラウドの OAuth を設定する.
これで、Salesforce Data Cloud から SageMaker Canvas へのデータアクセスを可能にして、AI および ML モデルを構築するためのセットアップが完了しました。
Salesforce Data Cloud からデータをインポートする
データをインポートするには、次の手順を実行します。
- SageMaker ドメインで作成したユーザー プロファイルから、 起動する をクリックして キャンバス.
初めてキャンバス アプリにアクセスする場合、作成には約 10 分かかります。
- 選択する データラングラー ナビゲーションペインに表示されます。
- ソフトウェア設定ページで、下図のように 創造する メニュー、選択 表形式 表形式のデータセットを作成します。
- データセットに名前を付けて選択します 創造する.
- 情報元、選択する Salesforce データクラウド および 接続を追加 データ レイク オブジェクトをインポートします。
以前に Salesforce Data Cloud への接続を設定したことがある場合は、新しい接続を作成する代わりにその接続を使用するオプションが表示されます。
- 新しい Salesforce Data Cloud 接続の名前を入力し、選択します 接続を追加.
完了するまでに数分かかります。
- あなたはあなたにリダイレクトされます Salesforce へのログイン 接続を許可するページ。
ログインが成功すると、リクエストは Data Lake オブジェクトのリストとともに SageMaker Canvas にリダイレクトされます。
- Amazon S3 経由でアップロードされたモデル トレーニング用の特徴を含むデータセットを選択します。
- ファイルをドラッグ アンド ドロップし、選択します SQLで編集.
Salesforce が追加したのは、 “__c
「すべてのデータ クラウド オブジェクト フィールドに。」 SageMaker Canvas の命名規則に従って、 ”__“
フィールド名には使用できません。
- SQL を編集して列の名前を変更し、モデルのトレーニングに関係のないメタデータを削除します。 テーブル名をオブジェクト名に置き換えます。
- 選択する SQLを実行する その後 データセットを作成する.
- データセットを選択して選択します モデルを作成する.
- 製品の推奨を予測するモデルを作成するには、モデル名を入力し、 予測分析 for 問題の種類、選択して 創造する.
モデルを構築してトレーニングする
モデルを構築してトレーニングするには、次の手順を実行します。
- モデルが起動されたら、ターゲット列を次のように設定します。
product_purchased
.
SageMaker Canvas は、主要な統計情報と各列とターゲット列の相関関係を表示します。 SageMaker Canvas には、構築を開始する前にモデルをプレビューしてデータを検証するためのツールが用意されています。
- モデルのプレビュー機能を使用してモデルの精度を確認し、データセットを検証してモデルの構築中に問題が発生しないようにします。
- データを確認し、データセットに変更を加えた後、ビルド タイプを選択します。 の クイックビルド このオプションの方が高速かもしれませんが、モデルの構築にデータのサブセットのみが使用されます。 この投稿の目的のために、私たちは 標準ビルド オプションを選択します。
標準的なビルドが完了するまでに 2 ~ 4 時間かかる場合があります。
SageMaker Canvas は、モデルの構築中にデータセット内の欠損値を自動的に処理します。 また、ML 用にデータを準備するために、他のデータ準備変換も適用されます。
- モデルの構築が開始されたら、ページから離れても構いません。
モデルが次のように表示される場合 レディ 私のモデル ページにアクセスすると、分析と予測の準備が整います。
- モデルが構築されたら、次の場所に移動します。 My モデル、選択する 詳しく見る をクリックして作成したモデルを表示し、最新バージョンを選択します。
- に行きます 解析 タブをクリックして、各機能が予測に与える影響を確認します。
- モデルの予測に関する追加情報については、次の場所に移動してください。 得点 タブには何も表示されないことに注意してください。
- 選択する 予測する 製品予測を開始します。
モデルをデプロイして予測を行う
モデルをデプロイして予測を開始するには、次の手順を完了します。
- バッチ予測または単一予測のいずれかを選択できます。 この投稿の目的として、私たちは以下を選択します 単一の予測.
選ぶとき 単一の予測, SageMaker Canvas には、入力を提供できる機能が表示されます。
- を選択して値を変更できます。 アップデイト リアルタイムの予測を表示します。
モデルの精度と、その特定の予測に対する各特徴の影響が表示されます。
- モデルをデプロイするには、デプロイ名を指定し、インスタンス タイプとインスタンス数を選択して、 配備します.
モデルのデプロイには数分かかります。
モデルのステータスは次のように更新されます サービスで デプロイが成功した後。
SageMaker Canvas には、デプロイメントをテストするオプションが用意されています。
- 選択する 詳細を見る.
詳細 タブには、モデルのエンドポイントの詳細が表示されます。 インスタンスのタイプ、数、入力形式、応答の内容、およびエンドポイントは、表示される主要な詳細の一部です。
- 選択する テスト展開 デプロイされたエンドポイントをテストします。
単一予測と同様に、ビューには入力特徴が表示され、エンドポイントをリアルタイムで更新およびテストするオプションが提供されます。
新しい予測は、エンドポイント呼び出し結果とともにユーザーに返されます。
SageMaker エンドポイントを公開する API を作成する
Salesforce でビジネス アプリケーションを強化する予測を生成するには、SageMaker Canvas デプロイメントによって作成された SageMaker 推論エンドポイントを API Gateway 経由で公開し、Salesforce Einstein に登録する必要があります。
リクエストとレスポンスの形式は、Salesforce Einstein と SageMaker 推論エンドポイント間で異なります。 API Gateway を使用して変換を実行するか、 AWSラムダ リクエストを変換し、レスポンスをマップします。 参照する Amazon API Gateway と AWS Lambda を使用して Amazon SageMaker モデルのエンドポイントを呼び出す Lambda と API Gateway 経由で SageMaker エンドポイントを公開します。
次のコードスニペットは、リクエストとレスポンスを変換する Lambda 関数です。
更新する endpoint
および prediction_label
設定に基づいた Lambda 関数の値。
- 環境変数を追加する
SAGEMAKER_ENDPOINT_NAME
SageMaker 推論エンドポイントをキャプチャします。 - Einstein Studio に登録されているモデル出力 JSON キーと一致するように予測ラベルを設定します。
Lambda 関数のデフォルトのタイムアウトは 3 秒です。 予測リクエストの入力サイズによっては、SageMaker リアルタイム推論 API の応答に 3 秒以上かかる場合があります。
- Lambda 関数のタイムアウトを増やしますが、それ以下に保ちます。 APIゲートウェイのデフォルト統合タイムアウト、29秒です。
Salesforce Einstein Studio にモデルを登録する
Einstein Studio で API Gateway エンドポイントを登録するには、を参照してください。 独自の AI モデルをデータクラウドに持ち込む.
まとめ
この投稿では、コードを XNUMX 行も記述することなく、SageMaker Canvas を使用して Salesforce Data Cloud に接続し、自動化された ML 機能を通じて予測を生成する方法を説明しました。 完全なデータセットでモデルをトレーニングする標準ビルドを実行する前に、モデルのパフォーマンスの早期プレビューを実行する SageMaker Canvas モデル ビルド機能を実証しました。 また、SageMaker Canvas 内の単一の予測インターフェイスの使用や、特徴の重要度を使用した予測の理解など、モデル作成後のアクティビティも紹介しました。 次に、SageMaker Canvas で作成された SageMaker エンドポイントを使用し、API として利用できるようにしました。これにより、Salesforce Einstein Studio と統合して強力な Salesforce アプリケーションを作成できるようになりました。
今後の投稿では、SageMaker Canvas で Salesforce Data Cloud のデータを使用し、ビジュアル インターフェイスとシンプルな自然言語プロンプトを使用して、データの洞察と準備をさらに簡単にする方法を説明します。
SageMaker Canvas の使用を開始するには、以下を参照してください。 SageMaker Canvas のイマージョンデー そして参照してください Amazon SageMaker Canvas の使用を開始する.
著者について
ダリル・マーティス Salesforce Data Cloud の Einstein Studio の製品ディレクターです。 AI/ML やクラウド ソリューションなど、企業顧客向けの世界クラスのソリューションの計画、構築、立ち上げ、管理に 10 年以上の経験があります。 彼は以前、ニューヨーク市の金融サービス業界で働いていました。 彼をフォローしてください LinkedIn.
ラクナ チャダ は、AWS の戦略アカウントの AI/ML 担当プリンシパル ソリューション アーキテクトです。 Rachna は楽観主義者で、AI を倫理的かつ責任をもって使用することで将来の社会を改善し、経済的および社会的繁栄をもたらすことができると信じています。 余暇には、家族と一緒に時間を過ごしたり、ハイキングをしたり、音楽を聴いたりするのが好きです。
イフェ・スチュワート AWS の戦略的 ISV セグメントのプリンシパル ソリューション アーキテクトです。 過去 2 年間にわたり、彼女は Salesforce Data Cloud に携わり、Salesforce と AWS 全体で統合された顧客エクスペリエンスの構築を支援してきました。 Ife はテクノロジー分野で 10 年以上の経験があります。 彼女はテクノロジー分野におけるダイバーシティとインクルージョンの提唱者です。
ラビ・バティプロル AWS のシニア パートナー ソリューション アーキテクトです。 Ravi は、戦略的パートナーである Salesforce および Tableau と協力して、共通の顧客のビジネス目標の実現を支援する、革新的でよく設計された製品とソリューションを提供しています。
ミリアム・レボウィッツ AWS の戦略的 ISV セグメントのソリューションアーキテクトです。 彼女は、Salesforce Data Cloud を含む Salesforce 全体のチームと関わり、データ分析を専門としています。 仕事以外では、パン作り、旅行、友人や家族と充実した時間を過ごすことを楽しんでいます。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/democratize-ml-on-salesforce-data-cloud-with-no-code-amazon-sagemaker-canvas/
- :持っている
- :は
- :not
- $UP
- 1
- 10
- 100
- 29
- 7
- 8
- a
- 私たちについて
- アクセス
- アカウント
- 精度
- 正確な
- 越えて
- 活動
- 実際の
- 加えます
- 添加
- NEW
- 追加情報
- 住所
- 追加
- 管理者
- 支持者
- 後
- AI
- AIモデル
- AI / ML
- すべて
- 許可されて
- ことができます
- 沿って
- また
- Amazon
- アマゾンAPIゲートウェイ
- アマゾンセージメーカー
- Amazon SageMaker キャンバス
- Amazon Webサービス
- an
- 分析
- アナリスト
- 分析論
- および
- どれか
- API
- API
- アプリ
- 申し込む
- 建築
- です
- AS
- At
- 属性
- 認める
- 自動化
- 自動的に
- 利用できます
- 平均
- AWS
- バック
- ベース
- ベース
- BE
- き
- 始まる
- と考えています
- 以下
- の間に
- ボディ
- 両言語で
- 持って来る
- ビルド
- 建物
- 構築します
- 内蔵
- 内蔵
- ビジネス
- ビジネスアプリケーション
- ビジネス
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- カリフォルニア州
- キャンペーン
- キャンペーン
- 缶
- キャンバス
- 機能
- キャプチャー
- 例
- 変化する
- 変更
- 選択する
- 選択する
- 市民
- 市町村
- 分類
- クライアント
- クラウド
- クラブ
- コード
- コラム
- コラム
- コンプリート
- 完了
- コンピュータ
- Computer Vision
- プロフェッショナルな方法で
- 設定された
- お問合せ
- 交流
- 接続
- 領事
- 接触
- 含まれています
- コンテンツ
- コンテンツ生成
- コンテキスト
- 大会
- 相関関係
- 可能性
- 作ります
- 作成した
- 作成
- 創造
- カスタム
- 顧客
- 顧客データ
- Customers
- データ
- データアクセス
- データ分析
- データレイク
- データサイエンス
- デフォルト
- 配信する
- 民主化する
- 人口動態
- 実証します
- 実証
- によっては
- 展開します
- 展開
- 展開
- 配備
- 細部
- 直接
- 直接に
- 取締役
- 議論
- 表示される
- ディスプレイ
- 多様性
- 多様性と包摂
- ドメイン
- ダウン
- Drop
- 各
- 早い
- 経済
- 楽
- アインシュタイン
- どちら
- enable
- 可能
- 有効にする
- エンドポイント
- 従事して
- 婚約
- 婚約
- 入力します
- Enterprise
- 環境
- 倫理的な
- 評価する
- さらに
- イベント
- 例
- 実行
- 既存の
- 体験
- エクスペリエンス
- 説明する
- 説明
- 外部
- 抽出
- 家族
- 速いです
- 特徴
- 特徴
- 少数の
- フィールド
- フィールズ
- File
- ファイナンシャル
- 金融業務
- 名
- 初回
- フロー
- フォロー中
- 形式でアーカイブしたプロジェクトを保存します.
- Foundation
- 友達
- から
- フル
- function
- 未来
- ゲートウェイ
- 生成する
- 世代
- 生々しい
- 生成AI
- 取得する
- 与える
- Go
- 持っていました
- ハンドル
- 持って
- he
- 助けます
- 彼女の
- 彼に
- history
- 主催
- HOURS
- 認定条件
- How To
- HTML
- HTTP
- HTTPS
- ID
- 識別子
- アイデンティティ
- if
- 説明する
- イマージョン
- 影響
- import
- 重要性
- 改善します
- in
- 含めて
- 包含
- 個人
- 産業を変えます
- 情報
- 開始する
- 革新的な
- 入力
- 洞察
- を取得する必要がある者
- 説明書
- 統合する
- 統合された
- 統合
- インタフェース
- IP
- 問題
- isv
- IT
- ITS
- ジョイント
- JPG
- JSON
- ただ
- キープ
- キー
- ラベル
- 湖
- 言語
- 姓
- 打ち上げ
- 発射
- 学習
- コメントを残す
- レベル
- ような
- 好き
- LINE
- 耳を傾ける
- リスト
- ログイン
- LOOKS
- 機械
- 機械学習
- 製
- 郵送
- make
- 作成
- 管理する
- 地図
- マーケティング
- 一致
- 五月..
- 分
- 行方不明
- ML
- モデル
- 月
- 他には?
- 最も
- 音楽を聴く際のスピーカーとして
- 名
- 名
- 命名
- ナチュラル
- 自然言語処理
- ナビゲート
- ナビゲーション
- 必要
- 必要とされる
- 新作
- ニューヨーク
- ニューヨーク市
- 次の
- NLP
- 注意
- 数
- オース
- オブジェクト
- 目的
- of
- on
- ONE
- オンライン
- の
- オプション
- or
- OS
- その他
- 出力
- 外側
- が
- 概要
- 自分の
- ページ
- ページ
- ペイン
- 部
- パートナー
- パートナー
- 以下のために
- 実行する
- パフォーマンス
- パーミッション
- 計画
- プラットフォーム
- プラットフォーム
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- ポイント
- 人口
- ポスト
- 電力
- 強力な
- 予測する
- 予測
- 予測
- 準備
- 防ぐ
- プレビュー
- 前に
- 校長
- 事前の
- 処理
- プロダクト
- 製品
- プロフィール
- プロンプト
- 繁栄
- 提供します
- は、大阪で
- 公共
- 購入
- 目的
- 品質
- クエリ
- 隆起した
- 準備
- リアル
- への
- 実現する
- 最近
- 推奨する
- おすすめ
- 参照する
- 地域
- 登録
- 登録された
- レジストリ
- 関係
- 関連した
- replace
- 要求
- リクエスト
- 反応します
- 応答
- 責任
- 制限
- 結果
- return
- レビュー
- 職種
- ランニング
- ランタイム
- セージメーカー
- SageMaker の推論
- salesforce
- 科学
- 科学者たち
- 秒
- 秘密
- 秘密
- セクション
- しっかりと
- セグメント
- select
- 選択
- シリーズ
- サービス
- サービス
- セッションに
- 設定
- 設定
- 彼女
- 表示する
- ショーケース
- 作品
- 簡単な拡張で
- サイズ
- スニペット
- So
- 社会
- 社会
- 溶液
- ソリューション
- 一部
- 専門にする
- 特定の
- 支出
- 標準
- start
- 開始
- 都道府県
- 統計
- Status:
- ステップ
- スチュアート
- ストレージ利用料
- 店舗
- 保存され
- 簡単な
- 戦略的
- 戦略的パートナー
- 流れ
- 研究
- それに続きます
- 成功した
- そのような
- サポート
- テーブル
- タブロー
- 取る
- ターゲット
- チーム
- テクノロジー
- test
- 클라우드 기반 AI/ML및 고성능 컴퓨팅을 통한 디지털 트윈의 기초 – Edward Hsu, Rescale CPO 많은 엔지니어링 중심 기업에게 클라우드는 R&D디지털 전환의 첫 단계일 뿐입니다. 클라우드 자원을 활용해 엔지니어링 팀의 제약을 해결하는 단계를 넘어, 시뮬레이션 운영을 통합하고 최적화하며, 궁극적으로는 모델 기반의 협업과 의사 결정을 지원하여 신제품을 결정할 때 데이터 기반 엔지니어링을 적용하고자 합니다. Rescale은 이러한 혁신을 돕기 위해 컴퓨팅 추천 엔진, 통합 데이터 패브릭, 메타데이터 관리 등을 개발하고 있습니다. 이번 자리를 빌려 비즈니스 경쟁력 제고를 위한 디지털 트윈 및 디지털 스레드 전략 개발 방법에 대한 인사이트를 나누고자 합니다.
- より
- それ
- 未来
- ステート
- アプリ環境に合わせて
- その後
- ボーマン
- 三番
- この
- 介して
- 時間
- 〜へ
- 豊富なツール群
- touch
- トレーニング
- 訓練された
- トレーニング
- 列車
- 最適化の適用
- 変換
- 変換
- 旅行
- type
- わかる
- 理解する
- ユニーク
- 今後の
- アップデイト
- 更新しました
- 更新版
- アップロード
- URL
- つかいます
- 中古
- ユーザー
- ユーザーインターフェース
- 使用されます
- 検証
- 価値観
- 変数
- バージョン
- 、
- 詳しく見る
- ビジョン
- 訪問
- ビジュアル
- ました
- ワシントン
- we
- ウェブ
- Webサービス
- 週間
- WELL
- かどうか
- which
- while
- 誰
- 意志
- 以内
- 無し
- 仕事
- 働いていました
- 作品
- ワークショップ
- ワールドクラス
- 書きます
- 書き込み
- 年
- ヨーク
- You
- あなたの
- ゼファーネット