Współautorem tego postu jest Daryl Martis, dyrektor ds. produktu w Salesforce Einstein AI.
Jesteśmy podekscytowani, że możemy ogłosić Amazon Sage Maker i integrację Salesforce Data Cloud. Dzięki tej możliwości firmy mogą bezpiecznie uzyskiwać dostęp do swoich danych Salesforce bez kopiowania przy użyciu SageMaker i używać narzędzi SageMaker do tworzenia, trenowania i wdrażania modeli AI. Punkty końcowe wnioskowania są połączone z chmurą danych w celu generowania prognoz w czasie rzeczywistym. W rezultacie firmy mogą skrócić czas wprowadzenia produktu na rynek, zachowując jednocześnie integralność i bezpieczeństwo danych, a także zmniejszyć obciążenie operacyjne związane z przenoszeniem danych z jednej lokalizacji do drugiej.
Przedstawiamy Einstein Studio w chmurze danych
Data Cloud to platforma danych, która zapewnia firmom aktualizacje danych klientów w czasie rzeczywistym z dowolnego punktu kontaktu. Dzięki Einstein Studio, bramie do narzędzi AI na platformie danych, administratorzy i badacze danych mogą bez wysiłku tworzyć modele za pomocą kilku kliknięć lub przy użyciu kodu. Rozwiązanie Einstein Studio „przynieś własny model” (BYOM) zapewnia możliwość łączenia niestandardowych lub generatywnych modeli AI z platform zewnętrznych, takich jak SageMaker, z chmurą danych. Modele niestandardowe można trenować przy użyciu danych z Salesforce Data Cloud, do których można uzyskać dostęp za pośrednictwem Pogromca danych Amazon SageMaker złącze. Firmy mogą działać zgodnie ze swoimi przewidywaniami, płynnie integrując niestandardowe modele z przepływami pracy Salesforce, co prowadzi do poprawy wydajności, podejmowania decyzji i spersonalizowanych doświadczeń.
Korzyści z integracji SageMaker i Data Cloud Einstein Studio
Oto, jak użycie SageMaker z Einstein Studio w Salesforce Data Cloud może pomóc firmom:
- Zapewnia możliwość łączenia niestandardowych i generatywnych modeli AI z Einstein Studio dla różnych przypadków użycia, takich jak konwersja potencjalnych klientów, klasyfikacja przypadków i analiza nastrojów.
- Eliminuje żmudne, kosztowne i podatne na błędy zadania ETL (wyodrębnianie, przekształcanie i ładowanie). Podejście do danych polegające na zerowej kopii zmniejsza obciążenie związane z zarządzaniem kopiami danych, zmniejsza koszty przechowywania i poprawia wydajność.
- Zapewnia dostęp do wysoce wyselekcjonowanych, zharmonizowanych danych w czasie rzeczywistym w ramach Customer 360. Prowadzi to do modeli eksperckich, które dostarczają bardziej inteligentnych przewidywań i spostrzeżeń biznesowych.
- Upraszcza wykorzystanie wyników procesów biznesowych i generuje wartość bez opóźnień. Można na przykład użyć zautomatyzowanych przepływów pracy, które można błyskawicznie dostosować w oparciu o nowe dane.
- Ułatwia operacjonalizację modeli i wniosków SageMaker w Salesforce.
Poniżej znajduje się przykład operacjonalizacji modelu SageMaker przy użyciu Przepływ Salesforce.
Integracja z SageMakerem
SageMaker to w pełni zarządzana usługa umożliwiająca przygotowywanie danych oraz budowanie, trenowanie i wdrażanie modeli uczenia maszynowego (ML) dla dowolnego przypadku użycia z w pełni zarządzaną infrastrukturą, narzędziami i przepływami pracy.
Aby usprawnić integrację SageMaker i Salesforce Data Cloud, wprowadzamy dwie nowe możliwości w SageMaker:
- Złącze SageMaker Data Wrangler Salesforce Data Cloud – Dzięki nowo wprowadzonemu łącznikowi SageMaker Data Wrangler Salesforce Data Cloud administratorzy mogą wstępnie skonfigurować połączenia z Salesforce, aby umożliwić analitykom i badaczom danych szybki dostęp do danych Salesforce w czasie rzeczywistym i tworzenie funkcji dla ML. Umożliwi to użytkownikom bezpieczny dostęp do Salesforce Data Cloud przy użyciu protokołu OAuth. Możesz interaktywnie wizualizować, analizować i przekształcać dane, korzystając z możliwości platformy Spark bez pisania żadnego kodu, korzystając z funkcji wizualnego przygotowywania danych o niskim kodzie w Salesforce Data Wrangler. Można także skalować w celu przetwarzania dużych zbiorów danych za pomocą zadań SageMaker Processing i automatycznie trenować tryby uczenia maszynowego Autopilot Amazon SageMakeri zintegrować z potokiem wnioskowania SageMaker, aby wdrożyć ten sam przepływ danych do środowiska produkcyjnego z punktem końcowym wnioskowania w celu przetwarzania danych w czasie rzeczywistym lub wsadowo na potrzeby wnioskowania.
- Szablon projektów SageMaker dla Salesforce – Uruchomiliśmy tzw Projekty SageMakera szablon dla Salesforce, którego można używać do wdrażania punktów końcowych dla tradycyjnych i dużych modeli językowych (LLM) oraz automatycznego udostępniania punktów końcowych SageMaker jako interfejsu API. SageMaker Projects zapewnia prosty sposób konfigurowania i standaryzacji środowiska programistycznego dla analityków danych i inżynierów ML w celu tworzenia i wdrażania modeli ML w SageMaker.
Wycena partnera
„Partnerstwo pomiędzy Salesforce i AWS Sagemaker umożliwi klientom wykorzystanie mocy sztucznej inteligencji (zarówno modeli generatywnych, jak i niegeneratywnych) w źródłach danych, przepływach pracy i aplikacjach Salesforce w celu dostarczania spersonalizowanych doświadczeń oraz generowania nowych treści, podsumowań i zadawania pytań -odpowiedź typu doświadczenia. Łącząc to, co najlepsze z obu światów, tworzymy nowy paradygmat innowacji opartych na danych i sukcesu klientów wspieranego przez sztuczną inteligencję”.
– Kaushal Kurapati, starszy wiceprezes Salesforce ds. produktów, sztucznej inteligencji i wyszukiwania
Omówienie rozwiązania
Rozwiązanie integracyjne BYOM zapewnia klientom natywny łącznik Salesforce Data Cloud w SageMaker Data Wrangler. Złącze SageMaker Data Wrangler umożliwia bezpieczny dostęp do obiektów Salesforce Data Cloud. Po uwierzytelnieniu użytkownicy mogą wykonywać zadania związane z eksploracją danych, przygotowywaniem ich i inżynierią funkcji potrzebne do opracowania modelu i wnioskowania za pośrednictwem interaktywnego interfejsu wizualnego SageMaker Data Wrangler. Analitycy danych mogą pracować wewnątrz Studio Amazon SageMaker notebooki do opracowywania niestandardowych modeli, które mogą być tradycyjne lub LLM, i udostępniania ich do wdrożenia poprzez rejestrację modelu w rejestrze modeli SageMaker. Gdy model zostanie zatwierdzony do produkcji w rejestrze, SageMaker Projects zautomatyzuje wdrożenie interfejsu API wywołań, który można skonfigurować jako obiekt docelowy w Salesforce Einstein Studio i zintegrować z aplikacjami Salesforce Customer 360. Poniższy diagram ilustruje tę architekturę
Wnioski
W tym poście udostępniliśmy integrację SageMaker i Salesforce Einstein Studio BYOM, w której możesz wykorzystywać dane w Salesforce Data Cloud do tworzenia i szkolenia tradycyjnych i LLM w SageMaker. Możesz użyć SageMaker Data Wrangler, aby przygotować dane z Salesforce Data Cloud bez kopii zerowej. Udostępniliśmy także zautomatyzowane rozwiązanie do wdrażania punktów końcowych SageMaker jako interfejsu API przy użyciu szablonu projektów SageMaker dla Salesforce.
AWS i Salesforce są podekscytowani możliwością współpracy, aby zapewnić to doświadczenie naszym wspólnym klientom, aby pomóc im w prowadzeniu procesów biznesowych z wykorzystaniem mocy uczenia maszynowego i sztucznej inteligencji.
Więcej informacji na temat integracji Salesforce BYOM znajdziesz w artykule Przynieś własne modele sztucznej inteligencji dzięki Einstein Studio. Aby zapoznać się ze szczegółową implementacją z wykorzystaniem przykładowego przypadku użycia rekomendacji produktów, zobacz Skorzystaj z integracji Amazon SageMaker i Salesforce Data Cloud, aby wzmocnić swoje aplikacje Salesforce za pomocą AI/ML.
O autorach
Daryla Martisa jest dyrektorem ds. produktu w Einstein Studio w Salesforce Data Cloud. Posiada ponad 10-letnie doświadczenie w planowaniu, budowaniu, uruchamianiu i zarządzaniu światowej klasy rozwiązaniami dla klientów korporacyjnych, w tym rozwiązaniami AI/ML i chmurowymi. Wcześniej pracował w branży usług finansowych w Nowym Jorku.
Rachna Czadha jest głównym architektem rozwiązań AI/ML w dziale Strategic Accounts w AWS. Rachna jest optymistą, który wierzy, że etyczne i odpowiedzialne korzystanie z AI może w przyszłości poprawić społeczeństwo i przynieść dobrobyt gospodarczy i społeczny. W wolnym czasie Rachna lubi spędzać czas z rodziną, spacerować i słuchać muzyki.
Ife Stewart jest głównym architektem rozwiązań w segmencie strategicznych niezależnych dostawców oprogramowania w AWS. Przez ostatnie 2 lata współpracowała z Salesforce Data Cloud, aby pomóc w budowaniu zintegrowanych doświadczeń klientów w Salesforce i AWS. Ife ma ponad 10-letnie doświadczenie w technologii. Jest zwolenniczką różnorodności i włączenia w obszarze technologii.
Maninder (Mani) Kaur jest głównym specjalistą AI/ML dla strategicznych niezależnych dostawców oprogramowania w AWS. Dzięki podejściu skupiającemu się na kliencie Mani pomaga klientom strategicznym kształtować ich strategię AI/ML, napędzać innowacje i przyspieszać ich podróż w zakresie AI/ML. Mani mocno wierzy w etyczną i odpowiedzialną sztuczną inteligencję i stara się zapewnić, że rozwiązania AI jej klientów są zgodne z tymi zasadami.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
- PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
- PlatonESG. Motoryzacja / pojazdy elektryczne, Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Przesunięcia bloków. Modernizacja własności offsetu środowiskowego. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/
- :ma
- :Jest
- :Gdzie
- $W GÓRĘ
- 10
- 100
- 160
- 17
- 420
- 7
- 98
- a
- zdolność
- O nas
- przyśpieszyć
- dostęp
- dostęp
- Konta
- w poprzek
- działać
- przystosować
- rzecznik
- AI
- Modele AI
- AI / ML
- wyrównać
- pozwala
- również
- Amazonka
- Amazon Sage Maker
- Amazon Web Services
- an
- analiza
- analitycy
- w czasie rzeczywistym sprawiają,
- i
- Ogłosić
- Inne
- każdy
- api
- aplikacje
- podejście
- zatwierdzony
- mobilne i webowe
- SĄ
- sztuczny
- sztuczna inteligencja
- AS
- At
- uwierzytelniony
- zautomatyzować
- zautomatyzowane
- automatycznie
- dostępny
- AWS
- na podstawie
- BE
- być
- wierny
- uważa,
- BEST
- pomiędzy
- obie
- przynieść
- budować
- Budowanie
- ciężar
- biznes
- biznes
- by
- CAN
- możliwości
- zdolność
- walizka
- Etui
- Miasto
- klasyfikacja
- Chmura
- kod
- łączenie
- skonfigurowany
- Skontaktuj się
- połączony
- połączenia
- konsumpcja
- zawartość
- Generowanie treści
- Konwersja
- kosztowny
- Koszty:
- Stwórz
- Tworzenie
- kurator
- zwyczaj
- klient
- dane klienta
- Sukces klienta
- Klientów
- dane
- Platforma danych
- Przygotowywanie danych
- sterowane danymi
- zbiory danych
- Podejmowanie decyzji
- dostarczyć
- rozwijać
- Wdrożenie
- szczegółowe
- rozwijać
- oprogramowania
- Dyrektor
- Różnorodność
- Różnorodność i integracja
- napęd
- dyski
- Gospodarczy
- efektywność
- efektywność
- bez wysiłku
- Einstein
- eliminuje
- upoważniać
- umożliwiać
- Punkt końcowy
- zaangażowany
- Inżynieria
- Inżynierowie
- zapewnić
- Enterprise
- Środowisko
- etyczny
- przykład
- podniecony
- doświadczenie
- Doświadczenia
- ekspert
- eksploracja
- zewnętrzny
- wyciąg
- ułatwia
- członków Twojej rodziny
- Cecha
- Korzyści
- kilka
- pole
- budżetowy
- usługi finansowe
- Firma
- pływ
- następujący
- W razie zamówieenia projektu
- od
- Paliwo
- w pełni
- przyszłość
- Bramka
- generacja
- generatywny
- generatywna sztuczna inteligencja
- he
- pomoc
- pomaga
- jej
- wysoko
- W jaki sposób
- How To
- HTML
- HTTPS
- ilustruje
- realizacja
- podnieść
- ulepszony
- in
- Włącznie z
- włączenie
- przemysł
- Infrastruktura
- Innowacja
- spostrzeżenia
- natychmiastowy
- integrować
- zintegrowany
- Integracja
- integracja
- integralność
- Inteligencja
- Inteligentny
- interaktywne
- Interfejs
- najnowszych
- wprowadzenie
- Oferty pracy
- połączenie
- podróż
- język
- duży
- Nazwisko
- Utajenie
- uruchomiona
- wodowanie
- prowadzić
- prowadzący
- Wyprowadzenia
- UCZYĆ SIĘ
- nauka
- Dźwignia
- lubi
- Słuchanie
- załadować
- lokalizacja
- maszyna
- uczenie maszynowe
- Utrzymywanie
- robić
- zarządzanie
- zarządzane
- zarządzający
- rynek
- ML
- model
- modele
- Tryby
- jeszcze
- przeniesienie
- Muzyka
- rodzimy
- potrzebne
- Nowości
- I Love New York
- nowy jork
- nowo
- przysięgać
- obiekty
- of
- on
- pewnego razu
- ONE
- operacyjny
- or
- ludzkiej,
- koniec
- własny
- paradygmat
- partnerem
- Współpraca
- wykonać
- Personalizowany
- rurociąg
- planowanie
- Platforma
- Platformy
- plato
- Analiza danych Platona
- PlatoDane
- punkt
- Post
- power
- Przewidywania
- przygotowanie
- Przygotować
- prezydent
- poprzednio
- Główny
- Zasady
- wygląda tak
- procesów
- przetwarzanie
- Produkt
- Produkcja
- projektowanie
- dobrobyt
- pod warunkiem,
- zapewnia
- szybko
- real
- w czasie rzeczywistym
- dane w czasie rzeczywistym
- zalecenia
- zmniejszyć
- zmniejsza
- rejestracji
- rejestr
- odpowiedzialny
- dalsze
- Efekt
- sagemaker
- Wnioskowanie SageMakera
- sprzedawca
- taki sam
- Skala
- Naukowcy
- płynnie
- bezpiecznie
- bezpieczeństwo
- segment
- senior
- sentyment
- usługa
- Usługi
- zestaw
- Shape
- shared
- ona
- Obserwuj Nas
- Społeczeństwo
- rozwiązanie
- Rozwiązania
- Źródła
- Iskra
- specjalista
- Spędzanie
- przechowywanie
- bezpośredni
- Strategiczny
- Strategia
- opływowy
- dąży
- studio
- sukces
- taki
- cel
- zadania
- Technologia
- szablon
- że
- Połączenia
- Przyszłość
- ich
- Im
- Te
- one
- to
- Przez
- czas
- do
- razem
- narzędzia
- Kontakt
- tradycyjny
- Pociąg
- przeszkolony
- Przekształcać
- drugiej
- rodzaj
- Podparte
- Nowości
- posługiwać się
- przypadek użycia
- Użytkownicy
- za pomocą
- wartość
- różnorodny
- wice
- Wiceprezes
- Droga..
- we
- sieć
- usługi internetowe
- jeśli chodzi o komunikację i motywację
- który
- Podczas
- KIM
- będzie
- w
- w ciągu
- bez
- Praca
- pracował
- przepływów pracy
- klasa światowa
- świat
- pisanie
- lat
- york
- You
- Twój
- zefirnet
- zero