Dit bericht is mede geschreven door Daryl Martis, Director of Product, Salesforce Einstein AI.
Dit is het derde bericht in een serie waarin de integratie van Salesforce Data Cloud wordt besproken Amazon Sage Maker.
In Deel 1 en Deel 2laten we zien hoe de Salesforce Data Cloud- en Einstein Studio-integratie met SageMaker bedrijven in staat stelt veilig toegang te krijgen tot hun Salesforce-gegevens met behulp van SageMaker en de tools ervan te gebruiken om modellen te bouwen, trainen en implementeren op eindpunten die worden gehost op SageMaker. SageMaker-eindpunten kunnen worden geregistreerd bij de Salesforce Data Cloud om voorspellingen in Salesforce te activeren.
In dit bericht laten we zien hoe bedrijfsanalisten en burgerdatawetenschappers machine learning (ML)-modellen kunnen creรซren, zonder enige code, in Amazon SageMaker-canvas en implementeer getrainde modellen voor integratie met Salesforce Einstein Studio om krachtige bedrijfsapplicaties te creรซren. SageMaker Canvas biedt een ervaring zonder code om toegang te krijgen tot gegevens uit Salesforce Data Cloud en modellen te bouwen, testen en implementeren met slechts een paar klikken. Met SageMaker Canvas kunt u uw voorspellingen ook begrijpen met behulp van de belangrijkheid van functies en SHAP-waarden, waardoor u eenvoudig voorspellingen van ML-modellen kunt uitleggen.
SageMaker-canvas
Met SageMaker Canvas kunnen bedrijfsanalisten en datawetenschapsteams ML- en generatieve AI-modellen bouwen en gebruiken zonder ook maar รฉรฉn regel code te hoeven schrijven. SageMaker Canvas biedt een visuele point-and-click-interface om nauwkeurige ML-voorspellingen te genereren voor classificatie, regressie, prognoses, natuurlijke taalverwerking (NLP) en computer vision (CV). Bovendien kunt u funderingsmodellen (FM's) openen en evalueren Amazonebodem of openbare FM's van Amazon SageMaker JumpStart voor het genereren van inhoud, tekstextractie en tekstsamenvatting ter ondersteuning van generatieve AI-oplossingen. Met SageMaker Canvas kunt u dat doen breng ML-modellen die waar dan ook kunnen worden gebouwd en genereer voorspellingen rechtstreeks in SageMaker Canvas.
Salesforce Data Cloud en Einstein Studio
Salesforce Data Cloud is een dataplatform dat bedrijven vanaf elk contactpunt realtime updates van hun klantgegevens biedt.
Einstein Studio is een toegangspoort tot AI-tools op Salesforce Data Cloud. Met Einstein Studio kunnen beheerders en datawetenschappers moeiteloos modellen maken met een paar klikken of met behulp van code. De Bring Your Own Model (BYOM)-ervaring van Einstein Studio biedt de mogelijkheid om aangepaste of generatieve AI-modellen van externe platforms zoals SageMaker te verbinden met Salesforce Data Cloud.
Overzicht oplossingen
Om te demonstreren hoe u ML-modellen kunt bouwen met behulp van gegevens in Salesforce Data Cloud met behulp van SageMaker Canvas, maken we een voorspellend model om een โโproduct aan te bevelen. Dit model maakt gebruik van de functies die zijn opgeslagen in Salesforce Data Cloud, zoals demografische gegevens van klanten, marketingbetrokkenheid en aankoopgeschiedenis. Het productaanbevelingsmodel wordt gebouwd en geรฏmplementeerd met behulp van de SageMaker Canvas no-code gebruikersinterface met behulp van gegevens in Salesforce Data Cloud.
Wij gebruiken het volgende voorbeeldgegevensset opgeslagen in Amazon eenvoudige opslagservice (Amazone S3). Om deze dataset in Salesforce Data Cloud te gebruiken, raadpleegt u Creรซer Amazon S3-datastream in Data Cloud. De volgende attributen zijn nodig om het model te maken:
- Clublid โ Als de klant clublid is
- Campagne โ De campagne waar de klant deel van uitmaakt
- Land โ De staat of provincie waarin de klant woont
- Maand โ De maand van aankoop
- Aantal gevallen โ Het aantal door de klant ingediende cases
- Zaaktype retour โ Of de klant het afgelopen jaar een product heeft geretourneerd
- Type doos Verzending beschadigd โ Of de klant het afgelopen jaar zendingen heeft beschadigd
- Betrokkenheidsscore โ De mate van betrokkenheid van de klant (reactie op mailingcampagnes, logins in de online winkel, enzovoort)
- Ambtsperiode โ De duur van de klantrelatie met het bedrijf
- Clicks โ Het gemiddelde aantal klikken dat de klant heeft gemaakt binnen een week voorafgaand aan de aankoop
- Bezochte pagina's โ Het gemiddelde aantal pagina's dat de klant heeft bezocht binnen een week voorafgaand aan de aankoop
- Product gekocht โ Het daadwerkelijk gekochte product
De volgende stappen geven een overzicht van hoe u de Salesforce Data Cloud-connector die in SageMaker Canvas is gelanceerd, kunt gebruiken om toegang te krijgen tot uw bedrijfsgegevens en een voorspellend model te bouwen:
- Configureer de met Salesforce verbonden app om het SageMaker Canvas-domein te registreren.
- Stel OAuth in voor Salesforce Data Cloud in SageMaker Canvas.
- Maak verbinding met Salesforce Data Cloud-gegevens met behulp van de ingebouwde SageMaker Canvas Salesforce Data Cloud-connector en importeer de dataset.
- Bouw en train modellen in SageMaker Canvas.
- Implementeer het model in SageMaker Canvas en maak voorspellingen.
- Implementeer een Amazon API-gateway eindpunt als een front-end-verbinding met het SageMaker-inferentie-eindpunt.
- Registreer het API Gateway-eindpunt in Einstein Studio. Voor instructies, zie Breng uw eigen AI-modellen naar de Data Cloud.
Het volgende diagram illustreert de oplossingsarchitectuur.
Voorwaarden
Voordat u aan de slag gaat, voert u de volgende vereiste stappen uit om een โโSageMaker-domein te maken en SageMaker Canvas in te schakelen:
- Maak een Amazon SageMaker Studio domein. Voor instructies, zie Aan boord van Amazon SageMaker Domain.
- Noteer de domein-ID en de uitvoeringsrol die zijn gemaakt en die door uw gebruikersprofiel zullen worden gebruikt. In de volgende stappen voegt u machtigingen toe aan deze rol.
De volgende schermafbeelding toont het domein dat we voor dit bericht hebben gemaakt.
- Ga vervolgens naar het gebruikersprofiel en kies Edit.
- Navigeer naar de Amazon SageMaker Canvas-instellingen sectie en selecteer Schakel Canvas-basismachtigingen in.
- kies Maak directe implementaties van Canvas-modellen mogelijk en Schakel modelregistermachtigingen in voor alle gebruikers.
Hierdoor kan SageMaker Canvas modellen implementeren op eindpunten op de SageMaker-console. Deze instellingen kunnen worden geconfigureerd op domein- of gebruikersprofielniveau. Gebruikersprofielinstellingen hebben voorrang op domeininstellingen.
Maak of update de met Salesforce verbonden app
Vervolgens maken we een met Salesforce verbonden app om de OAuth-stroom van SageMaker Canvas naar Salesforce Data Cloud mogelijk te maken. Voer de volgende stappen uit:
- Log in bij Salesforce en navigeer naar Setup.
- Zoek naar App Manager en maak een nieuwe verbonden app.
- Geef de volgende invoer op:
- Voor Naam van verbonden app, voer een naam in.
- Voor API-naam, laat de standaardwaarde staan โโ(deze wordt automatisch ingevuld).
- Voor Contact E-mail, voer uw e-mailadres voor contact in.
- kies Schakel OAuth-instellingen in.
- Voor Terugbel-URL, ga naar binnen
https://<domain-id>.studio.<region>.sagemaker.aws/canvas/default/lab
en geef de domein-ID en regio van uw SageMaker-domein op.
- Configureer de volgende bereiken op uw verbonden app:
- Beheer gebruikersgegevens via API's (
api
). - Voer verzoeken op elk gewenst moment uit (
refresh_token
,offline_access
). - Voer ANSI SQL-query's uit op Salesforce Data Cloud-gegevens (Data
Cloud_query_api
). - Beheer Data Cloud-profielgegevens (
Data Cloud_profile_api
). - Toegang tot de identiteits-URL-service (
id
,profile
,email
,address
,phone
). - Toegang tot unieke gebruikers-ID's (
openid
).
- Beheer gebruikersgegevens via API's (
- Stel uw verbonden app in IP-ontspanning instelling Versoepel IP-beperkingen.
Configureer OAuth-instellingen voor de Salesforce Data Cloud-connector
SageMaker Canvas gebruikt AWS-geheimenmanager om verbindingsinformatie van de met Salesforce verbonden app veilig op te slaan. Met SageMaker Canvas kunnen beheerders OAuth-instellingen configureren voor een individueel gebruikersprofiel of op domeinniveau. Houd er rekening mee dat u een geheim aan zowel een domein als een gebruikersprofiel kunt toevoegen, maar SageMaker Canvas zoekt eerst naar geheimen in het gebruikersprofiel.
Voer de volgende stappen uit om uw OAuth-instellingen te configureren:
- Navigeer naar de domein- of gebruikersprofielinstellingen in de SageMaker Console.
- Kies Canvas-instellingen in het navigatievenster.
- Onder OAuth-instellingenvoor Databron, kiezen Salesforce-gegevenscloud.
- Voor Geheime opstelling, kunt u een nieuw geheim maken of een bestaand geheim gebruiken. Voor dit voorbeeld maken we een nieuw geheim en voeren we de klant-ID en het klantgeheim in vanuit de verbonden Salesforce-app.
Voor meer details over het inschakelen van OAuth in SageMaker Canvas raadpleegt u OAuth instellen voor Salesforce Data Cloud.
Hiermee is de installatie voltooid om gegevenstoegang van Salesforce Data Cloud tot SageMaker Canvas mogelijk te maken om AI- en ML-modellen te bouwen.
Importeer gegevens uit Salesforce Data Cloud
Voer de volgende stappen uit om uw gegevens te importeren:
- Kies uit het gebruikersprofiel dat u met uw SageMaker-domein hebt gemaakt Lancering en selecteer Canvas print.
De eerste keer dat je je Canvas-app opent, duurt het ongeveer 10 minuten om deze te maken.
- Kies Gegevens Wrangler in het navigatievenster.
- Op de creรซren menu, kies tabellarisch om een โโtabelgegevensset te maken.
- Geef de gegevensset een naam en kies creรซren.
- Voor Databron, kiezen Salesforce-gegevenscloud en Verbinding toevoegen om het data lake-object te importeren.
Als u eerder een verbinding met Salesforce Data Cloud hebt geconfigureerd, ziet u een optie om die verbinding te gebruiken in plaats van een nieuwe te maken.
- Geef een naam op voor een nieuwe Salesforce Data Cloud-verbinding en kies Verbinding toevoegen.
Het duurt een paar minuten om te voltooien.
- U wordt doorgestuurd naar de Salesforce-login pagina om de verbinding te autoriseren.
Nadat het inloggen is gelukt, wordt het verzoek teruggestuurd naar SageMaker Canvas met de data Lake-objectlijst.
- Selecteer de dataset die de functies voor modeltraining bevat die is geรผpload via Amazon S3.
- Sleep het bestand en zet het neer, en kies vervolgens Bewerken in SQL.
Salesforce voegt een โ__c
โ naar alle Data Cloud-objectvelden. Volgens de naamgevingsconventie van SageMaker Canvas, โ__โ
is niet toegestaan โโin de veldnamen.
- Bewerk de SQL om de kolommen een andere naam te geven en metagegevens te verwijderen die niet relevant zijn voor modeltraining. Vervang de tabelnaam door uw objectnaam.
- Kies SQL uitvoeren en Maak een dataset.
- Selecteer de dataset en kies Maak een model.
- Als u een model wilt maken om een โโproductaanbeveling te voorspellen, geeft u een modelnaam op en kiest u Voorspellende analyse For Type probleemen kies creรซren.
Bouw en train het model
Voer de volgende stappen uit om uw model te bouwen en te trainen:
- Nadat het model is gelanceerd, stelt u de doelkolom in op
product_purchased
.
SageMaker Canvas toont belangrijke statistieken en correlaties van elke kolom met de doelkolom. SageMaker Canvas biedt u tools waarmee u een voorbeeld van uw model kunt bekijken en gegevens kunt valideren voordat u begint met bouwen.
- Gebruik de preview-modelfunctie om de nauwkeurigheid van uw model te bekijken en uw gegevensset te valideren om problemen tijdens het bouwen van het model te voorkomen.
- Nadat u uw gegevens heeft gecontroleerd en eventuele wijzigingen in uw dataset heeft aangebracht, kiest u uw buildtype. De Snel gebouwd optie is misschien sneller, maar gebruikt alleen een subset van uw gegevens om een โโmodel te bouwen. Voor dit bericht hebben we de Standaard gebouwd optie.
Het kan 2 tot 4 uur duren om een โโstandaardbuild te voltooien.
SageMaker Canvas verwerkt automatisch ontbrekende waarden in uw dataset terwijl het model wordt gebouwd. Er worden ook andere gegevensvoorbereidingstransformaties toegepast om de gegevens gereed te maken voor ML.
- Nadat uw model is begonnen met bouwen, kunt u de pagina verlaten.
Wanneer het model wordt weergegeven als Klaar op de Mijn modellen pagina, het is klaar voor analyse en voorspellingen.
- Nadat het model is gebouwd, navigeert u naar My modellen, kiezen Bekijk om het door u gemaakte model te bekijken en de meest recente versie te kiezen.
- Ga naar uw Analyseren tabblad om de impact van elke functie op de voorspelling te zien.
- Voor meer informatie over de voorspellingen van het model navigeert u naar de Scoren Tab.
- Kies Voorspellen om een โโproductvoorspelling te initiรซren.
Implementeer het model en maak voorspellingen
Voer de volgende stappen uit om uw model te implementeren en voorspellingen te doen:
- U kunt ervoor kiezen om batch- of afzonderlijke voorspellingen te doen. Voor het doel van dit bericht kiezen we Enkele voorspelling.
Wanneer je kiest Enkele voorspelling, geeft SageMaker Canvas de functies weer waarvoor u invoer kunt opgeven.
- U kunt de waarden wijzigen door te kiezen bijwerken en bekijk de realtime voorspelling.
De nauwkeurigheid van het model en de impact van elk kenmerk voor die specifieke voorspelling worden weergegeven.
- Om het model te implementeren, geeft u een implementatienaam op, selecteert u een exemplaartype en aantal exemplaren en kiest u Implementeren.
De implementatie van het model duurt enkele minuten.
Modelstatus wordt bijgewerkt naar In dienst nadat de implementatie is gelukt.
SageMaker Canvas biedt een optie om de implementatie te testen.
- Kies Bekijk details.
De Details tabblad biedt de details van het modeleindpunt. Instantietype, aantal, invoerformaat, antwoordinhoud en eindpunt zijn enkele van de belangrijkste weergegeven details.
- Kies Implementatie testen om het geรฏmplementeerde eindpunt te testen.
Net als bij een enkele voorspelling geeft de weergave de invoerfuncties weer en biedt deze een optie om het eindpunt in realtime bij te werken en te testen.
De nieuwe voorspelling wordt samen met het resultaat van de eindpuntaanroep teruggestuurd naar de gebruiker.
Maak een API om SageMaker Endpoint bloot te leggen
Om voorspellingen te genereren die bedrijfsapplicaties in Salesforce aandrijven, moet u het SageMaker-inferentie-eindpunt dat door uw SageMaker Canvas-implementatie is gemaakt, via API Gateway beschikbaar stellen en registreren in Salesforce Einstein.
De aanvraag- en antwoordformaten variรซren tussen het inferentie-eindpunt van Salesforce Einstein en SageMaker. U kunt API Gateway gebruiken om de transformatie uit te voeren of te gebruiken AWS Lambda om het verzoek te transformeren en het antwoord in kaart te brengen. Verwijzen naar Een Amazon SageMaker-modeleindpunt aanroepen met Amazon API Gateway en AWS Lambda om een โโSageMaker-eindpunt beschikbaar te stellen via Lambda en API Gateway.
Het volgende codefragment is een Lambda-functie om het verzoek en het antwoord te transformeren
Werk het endpoint
en prediction_label
waarden in de Lambda-functie op basis van uw configuratie.
- Voeg een omgevingsvariabele toe
SAGEMAKER_ENDPOINT_NAME
om het SageMaker-inferentie-eindpunt vast te leggen. - Stel het voorspellingslabel zo in dat het overeenkomt met de JSON-sleutel voor modeluitvoer die is geregistreerd in Einstein Studio.
De standaardtime-out voor een Lambda-functie is 3 seconden. Afhankelijk van de invoergrootte van het voorspellingsverzoek kan het meer dan 3 seconden duren voordat de realtime inferentie-API van SageMaker reageert.
- Verhoog de time-out van de Lambda-functie, maar houd deze onder de Standaard time-out voor integratie van API Gateway, wat 29 seconden is.
Registreer het model in Salesforce Einstein Studio
Om het API Gateway-eindpunt in Einstein Studio te registreren, raadpleegt u Breng uw eigen AI-modellen naar de Data Cloud.
Conclusie
In dit bericht hebben we uitgelegd hoe u SageMaker Canvas kunt gebruiken om verbinding te maken met Salesforce Data Cloud en voorspellingen te genereren via geautomatiseerde ML-functies zonder ook maar รฉรฉn regel code te schrijven. We hebben de mogelijkheid voor het bouwen van SageMaker Canvas-modellen gedemonstreerd om een โโvroege preview van uw modelprestaties uit te voeren voordat u de standaardbuild uitvoert die het model traint met de volledige dataset. We hebben ook activiteiten voor het maken van post-modellen gedemonstreerd, zoals het gebruik van de interface voor enkele voorspellingen in SageMaker Canvas en het begrijpen van uw voorspellingen met behulp van de belangrijkheid van functies. Vervolgens hebben we het SageMaker-eindpunt dat is gemaakt in SageMaker Canvas gebruikt en beschikbaar gemaakt als API, zodat u het kunt integreren met Salesforce Einstein Studio en krachtige Salesforce-applicaties kunt maken.
In een komende post laten we u zien hoe u gegevens uit Salesforce Data Cloud in SageMaker Canvas kunt gebruiken om gegevensinzichten en -voorbereiding nog eenvoudiger te maken door een visuele interface en eenvoudige aanwijzingen in natuurlijke taal te gebruiken.
Om aan de slag te gaan met SageMaker Canvas, zie SageMaker Canvas-onderdompelingsdag en verwijzen naar Aan de slag met Amazon SageMaker Canvas.
Over de auteurs
Daryl Martis is productdirecteur voor Einstein Studio bij Salesforce Data Cloud. Hij heeft meer dan 10 jaar ervaring in het plannen, bouwen, lanceren en beheren van oplossingen van wereldklasse voor zakelijke klanten, waaronder AI/ML- en cloudoplossingen. Hij heeft eerder gewerkt in de financiรซle dienstverlening in New York City. Volg hem verder Linkedin.
Rachna Chadha is een Principal Solutions Architect AI/ML in Strategic Accounts bij AWS. Rachna is een optimist die gelooft dat ethisch en verantwoord gebruik van AI de samenleving in de toekomst kan verbeteren en economische en sociale welvaart kan brengen. In haar vrije tijd brengt Rachna graag tijd door met haar familie, wandelen en luisteren naar muziek.
Als Stewart is een Principal Solutions Architect in het Strategic ISV-segment bij AWS. Ze is de afgelopen 2 jaar betrokken geweest bij Salesforce Data Cloud om te helpen bij het bouwen van geรฏntegreerde klantervaringen in Salesforce en AWS. Ife heeft meer dan 10 jaar ervaring in technologie. Ze is een pleitbezorger voor diversiteit en inclusie op het gebied van technologie.
Ravi Bhattiprolu is een Sr. Partner Solutions Architect bij AWS. Ravi werkt samen met strategische partners, Salesforce en Tableau, om innovatieve en goed ontworpen producten en oplossingen te leveren die gezamenlijke klanten helpen hun zakelijke doelstellingen te realiseren.
Mirjam Lebowitz is een Solutions Architect in het Strategic ISV-segment bij AWS. Ze houdt zich bezig met teams binnen Salesforce, waaronder Salesforce Data Cloud, en is gespecialiseerd in data-analyse. Buiten haar werk houdt ze van bakken, reizen en quality time doorbrengen met vrienden en familie.
- Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
- PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
- PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
- PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
- Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
- Bron: https://aws.amazon.com/blogs/machine-learning/democratize-ml-on-salesforce-data-cloud-with-no-code-amazon-sagemaker-canvas/
- : heeft
- :is
- :niet
- $UP
- 1
- 10
- 100
- 29
- 7
- 8
- a
- Over
- toegang
- accounts
- nauwkeurigheid
- accuraat
- over
- activiteiten
- daadwerkelijk
- toevoegen
- toevoeging
- Extra
- Extra informatie
- adres
- Voegt
- beheerders
- advocaat
- Na
- AI
- AI-modellen
- AI / ML
- Alles
- toegestaan
- toestaat
- langs
- ook
- Amazone
- Amazon API-gateway
- Amazon Sage Maker
- Amazon SageMaker-canvas
- Amazon Web Services
- an
- analyse
- analisten
- analytics
- en
- elke
- api
- APIs
- gebruiken
- toepassingen
- Solliciteer
- architectuur
- ZIJN
- AS
- At
- attributen
- toestemming geven
- geautomatiseerde
- webmaster.
- Beschikbaar
- gemiddelde
- AWS
- terug
- baseren
- gebaseerde
- BE
- geweest
- vaardigheden
- beginnen
- gelooft
- onder
- tussen
- lichaam
- zowel
- brengen
- bouw
- Gebouw
- bouwt
- bebouwd
- ingebouwd
- bedrijfsdeskundigen
- Business Applications
- ondernemingen
- maar
- by
- Californiรซ
- Campagne
- Campagnes
- CAN
- canvas
- bekwaamheid
- vangen
- gevallen
- verandering
- Wijzigingen
- Kies
- het kiezen van
- burger
- Plaats
- classificatie
- klant
- Cloud
- club
- code
- Kolom
- columns
- compleet
- voltooit
- computer
- Computer visie
- Gedrag
- Configuratie
- geconfigureerd
- Verbinden
- gekoppeld blijven
- versterken
- troosten
- contact
- bevat
- content
- Inhoud genereren
- verband
- Conventie
- correlaties
- kon
- en je merk te creรซren
- aangemaakt
- Wij creรซren
- het aanmaken
- gewoonte
- klant
- klantgegevens
- Klanten
- gegevens
- toegang tot data
- gegevens Analytics
- Datameer
- Gegevensplatform
- data science
- Standaard
- leveren
- democratiseren
- Demografie
- tonen
- gedemonstreerd
- Afhankelijk
- implementeren
- ingezet
- inzet
- implementaties
- gegevens
- directe
- direct
- Director
- bespreken
- weergegeven
- displays
- Verscheidenheid
- Diversiteit en inclusie
- domein
- beneden
- Val
- elk
- Vroeg
- Economisch
- moeiteloos
- einstein
- beide
- in staat stellen
- maakt
- waardoor
- Endpoint
- bezig
- engagement
- opdrachten
- Enter
- Enterprise
- Milieu
- ethisch
- schatten
- Zelfs
- Event
- voorbeeld
- uitvoering
- bestaand
- ervaring
- Ervaringen
- Verklaren
- uitgelegd
- extern
- extractie
- familie
- sneller
- Kenmerk
- Voordelen
- weinig
- veld-
- Velden
- Dien in
- financieel
- financiรซle diensten
- Voornaam*
- eerste keer
- stroom
- volgen
- volgend
- Voor
- formaat
- Foundation
- vrienden
- oppompen van
- vol
- functie
- toekomst
- poort
- voortbrengen
- generatie
- generatief
- generatieve AI
- krijgen
- Geven
- Go
- HAD
- Handvaten
- met
- he
- hulp
- haar
- hem
- geschiedenis
- gehost
- HOURS
- Hoe
- How To
- HTML
- http
- HTTPS
- ID
- identifiers
- Identiteit
- if
- illustreert
- onderdompeling
- Impact
- importeren
- belang
- verbeteren
- in
- Inclusief
- inclusie
- individueel
- -industrie
- informatie
- beginnen
- innovatieve
- invoer
- ingangen
- inzichten
- instantie
- verkrijgen in plaats daarvan
- instructies
- integreren
- geรฏntegreerde
- integratie
- Interface
- IP
- problemen
- ISV
- IT
- HAAR
- gewricht
- jpg
- json
- voor slechts
- Houden
- sleutel
- label
- meer
- taal
- Achternaam*
- gelanceerd
- lancering
- leren
- Verlof
- Niveau
- als
- sympathieรซn
- Lijn
- Het luisteren
- vermelding
- Log in
- LOOKS
- machine
- machine learning
- gemaakt
- mailing
- maken
- maken
- beheren
- kaart
- Marketing
- Match
- Mei..
- Metadata
- minuten
- vermist
- ML
- model
- modellen
- Maand
- meer
- meest
- Muziek
- naam
- namen
- naamgeving
- Naturel
- Natural Language Processing
- OP DEZE WEBSITE VIND JE
- Navigatie
- Noodzaak
- nodig
- New
- New York
- new york city
- volgende
- nlp
- nota
- aantal
- OAuth
- object
- doelstellingen
- of
- on
- EEN
- online.
- Slechts
- Keuze
- or
- OS
- Overige
- uitgang
- buiten
- over
- overzicht
- het te bezitten.
- pagina
- paginas
- brood
- deel
- partner
- partners
- voor
- Uitvoeren
- prestatie
- permissies
- planning
- platform
- platforms
- Plato
- Plato gegevensintelligentie
- PlatoData
- punt
- bevolkte
- Post
- energie
- krachtige
- voorspellen
- voorspelling
- Voorspellingen
- voorbereiding
- voorkomen
- Voorbeschouwing
- die eerder
- Principal
- Voorafgaand
- verwerking
- Product
- Producten
- Profiel
- prompts
- welvaart
- zorgen voor
- biedt
- publiek
- inkomsten
- doel
- kwaliteit
- queries
- opgebracht
- klaar
- vast
- real-time
- realiseren
- recent
- adviseren
- Aanbeveling
- verwijzen
- regio
- registreren
- geregistreerd
- register
- verwantschap
- relevante
- vervangen
- te vragen
- verzoeken
- Reageren
- antwoord
- verantwoordelijk
- beperkingen
- resultaat
- terugkeer
- herzien
- Rol
- lopend
- runtime
- sagemaker
- SageMaker Inferentie
- verkoopsteam
- Wetenschap
- wetenschappers
- seconden
- Geheim
- geheimen
- sectie
- vast
- zien
- segment
- kiezen
- gekozen
- -Series
- service
- Diensten
- reeks
- het instellen van
- settings
- setup
- ze
- tonen
- tentoongesteld
- Shows
- Eenvoudig
- single
- Maat
- snipper
- So
- Social
- Maatschappij
- oplossing
- Oplossingen
- sommige
- specialiseert
- specifiek
- Uitgaven
- standaard
- begin
- gestart
- Land
- statistiek
- Status
- Stappen
- stewart
- mediaopslag
- shop
- opgeslagen
- eenvoudig
- strategisch
- strategische partners
- stream
- studio
- volgend
- geslaagd
- dergelijk
- ondersteuning
- tafel
- Tableau
- Nemen
- doelwit
- teams
- Technologie
- proef
- tekst
- neem contact
- dat
- De
- De toekomst
- De Staat
- hun
- harte
- Deze
- Derde
- dit
- Door
- niet de tijd of
- naar
- tools
- Trainen
- getraind
- Trainingen
- treinen
- Transformeren
- Transformatie
- transformaties
- Reizend
- type dan:
- begrijpen
- begrip
- unieke
- komende
- bijwerken
- bijgewerkt
- updates
- geรผpload
- URL
- .
- gebruikt
- Gebruiker
- User Interface
- toepassingen
- gebruik
- BEVESTIG
- Values
- variabele
- versie
- via
- Bekijk
- visie
- bezocht
- visuele
- was
- Washington
- we
- web
- webservices
- week
- GOED
- of
- welke
- en
- WIE
- wil
- Met
- binnen
- zonder
- Mijn werk
- werkte
- Bedrijven
- Workshops
- van het allerbeste niveau
- schrijven
- het schrijven van
- jaar
- york
- You
- Your
- zephyrnet