Aduceți-vă propria IA folosind Amazon SageMaker cu Salesforce Data Cloud | Amazon Web Services

Această postare este în colaborare cu Daryl Martis, director de produs, Salesforce Einstein AI.

Suntem încântați să anunțăm Amazon SageMaker și integrarea Salesforce Data Cloud. Cu această capacitate, companiile își pot accesa datele Salesforce în siguranță, cu o abordare fără copiere folosind SageMaker și pot folosi instrumentele SageMaker pentru a construi, antrena și implementa modele AI. Punctele finale de inferență sunt conectate cu Data Cloud pentru a genera predicții în timp real. Drept urmare, companiile pot accelera timpul de lansare pe piață, menținând în același timp integritatea și securitatea datelor, și pot reduce sarcina operațională de mutare a datelor dintr-o locație în alta.

Vă prezentăm Einstein Studio pe Data Cloud

Data Cloud este o platformă de date care oferă companiilor actualizări în timp real ale datelor clienților lor din orice punct de contact. Cu Einstein Studio, o poartă către instrumentele AI de pe platforma de date, administratorii și oamenii de știință din date pot crea fără efort modele cu câteva clicuri sau folosind cod. Experiența Einstein Studio aduce propriul model (BYOM) oferă capacitatea de a conecta modele AI personalizate sau generative de la platforme externe, cum ar fi SageMaker, la Data Cloud. Modelele personalizate pot fi antrenate folosind date din Salesforce Data Cloud accesate prin intermediul Amazon SageMaker Data Wrangler conector. Companiile pot acționa pe baza predicțiilor lor integrând fără probleme modele personalizate în fluxurile de lucru Salesforce, ceea ce duce la îmbunătățirea eficienței, luarea deciziilor și experiențe personalizate.

Beneficiile integrării SageMaker și Data Cloud Einstein Studio

Iată cum poate ajuta companiile utilizarea SageMaker cu Einstein Studio în Salesforce Data Cloud:

• Oferă posibilitatea de a conecta modele AI personalizate și generative la Einstein Studio pentru diferite cazuri de utilizare, cum ar fi conversia clienților potențiali, clasificarea cazurilor și analiza sentimentelor.
• Elimină joburile ETL (extragere, transformare și încărcare) obositoare, costisitoare și predispuse la erori. Abordarea fără copiere a datelor reduce cheltuielile generale pentru gestionarea copiilor de date, reduce costurile de stocare și îmbunătățește eficiența.
• Oferă acces la date extrem de îngrijite, armonizate și în timp real în cadrul Customer 360. Acest lucru duce la modele experte care oferă predicții și perspective de afaceri mai inteligente.
• Simplifică consumul de rezultate din procesele de afaceri și generează valoare fără latență. De exemplu, puteți utiliza fluxuri de lucru automate care se pot adapta într-o clipă pe baza datelor noi.
• Facilitează operaționalizarea modelelor și inferențelor SageMaker în Salesforce.

Următorul este un exemplu de operaționalizare a unui model SageMaker folosind Salesforce Flow.

Integrarea SageMaker

SageMaker este un serviciu complet gestionat pentru a pregăti date și a construi, antrena și implementa modele de învățare automată (ML) pentru orice caz de utilizare cu infrastructură, instrumente și fluxuri de lucru complet gestionate.

Pentru a eficientiza integrarea SageMaker și Salesforce Data Cloud, introducem două noi capabilități în SageMaker:

• Conectorul SageMaker Data Wrangler Salesforce Data Cloud – Cu noul conector SageMaker Data Wrangler Salesforce Data Cloud, administratorii pot preconfigura conexiunile la Salesforce pentru a permite analiștilor de date și cercetătorilor de date să acceseze rapid datele Salesforce în timp real și să creeze funcții pentru ML. Acest lucru va permite utilizatorilor să acceseze în siguranță Salesforce Data Cloud folosind OAuth. Puteți vizualiza, analiza și transforma datele în mod interactiv folosind puterea Spark, fără a scrie niciun cod, folosind funcțiile de pregătire a datelor vizuale low-code ale Salesforce Data Wrangler. De asemenea, puteți scala pentru a procesa seturi mari de date cu joburi de procesare SageMaker, antrenați modurile ML în mod automat Pilot automat cu Amazon SageMakerși să se integreze cu o conductă de inferență SageMaker pentru a implementa același flux de date în producție cu punctul final de inferență pentru a procesa datele în timp real sau în lot pentru inferență.

• Șablonul SageMaker Projects pentru Salesforce – Am lansat un Proiecte SageMaker șablon pentru Salesforce pe care îl puteți utiliza pentru a implementa puncte finale pentru modele tradiționale și mari de limbaj (LLM) și pentru a expune automat punctele finale SageMaker ca API. SageMaker Projects oferă o modalitate simplă de a configura și standardiza mediul de dezvoltare pentru oamenii de știință de date și inginerii ML pentru a construi și implementa modele ML pe SageMaker.

Citat de partener

„Parteneriatul dintre Salesforce și AWS Sagemaker va oferi clienților puterea de a valorifica puterea AI (atât modelele generative, cât și negenerative) în sursele lor de date, fluxurile de lucru și aplicațiile Salesforce pentru a oferi experiențe personalizate și a genera noi conținuturi, rezumate și întrebări. -experiențe de tip răspuns. Combinând tot ce este mai bun din ambele lumi, creăm o nouă paradigmă pentru inovația bazată pe date și succesul clienților susținut de AI.”

-Kaushal Kurapati, Vicepreședinte Senior al Produsului, AI și Căutării Salesforce

Prezentare generală a soluțiilor

Soluția de integrare BYOM oferă clienților un conector nativ Salesforce Data Cloud în SageMaker Data Wrangler. Conectorul SageMaker Data Wrangler vă permite să accesați în siguranță obiectele Salesforce Data Cloud. Odată ce utilizatorii sunt autentificați, aceștia pot efectua explorarea datelor, pregătirea și sarcinile de inginerie a caracteristicilor necesare pentru dezvoltarea modelului și inferența prin interfața vizuală interactivă SageMaker Data Wrangler. Oamenii de știință de date pot lucra în interior Amazon SageMaker Studio notebook-uri pentru a dezvolta modele personalizate, care pot fi tradiționale sau LLM-uri și pentru a le pune la dispoziție pentru implementare prin înregistrarea modelului în SageMaker Model Registry. Când un model este aprobat pentru producție în registru, SageMaker Projects va automatiza implementarea unui API de invocare care poate fi configurat ca țintă în Salesforce Einstein Studio și integrat cu aplicațiile Salesforce Customer 360. Următoarea diagramă ilustrează această arhitectură

Concluzie

În această postare, am împărtășit integrarea SageMaker și Salesforce Einstein Studio BYOM, unde puteți utiliza datele din Salesforce Data Cloud pentru a construi și a instrui cursuri tradiționale și LLM în SageMaker. Puteți utiliza SageMaker Data Wrangler pentru a pregăti date din Salesforce Data Cloud fără copiere. De asemenea, am furnizat o soluție automată pentru a implementa punctele finale SageMaker ca API folosind un șablon SageMaker Projects pentru Salesforce.

AWS și Salesforce sunt încântați să colaboreze pentru a oferi această experiență clienților noștri comuni pentru a-i ajuta să conducă procesele de afaceri folosind puterea ML și a inteligenței artificiale.

Pentru a afla mai multe despre integrarea Salesforce BYOM, consultați Aduceți-vă propriile modele AI cu Einstein Studio. Pentru o implementare detaliată folosind recomandări de produs exemplu de caz de utilizare, consultați Utilizați integrarea Amazon SageMaker și Salesforce Data Cloud pentru a vă alimenta aplicațiile Salesforce cu AI/ML.

---

Despre Autori

Daryl Martis este director de produs pentru Einstein Studio la Salesforce Data Cloud. Are peste 10 ani de experiență în planificarea, construirea, lansarea și gestionarea soluțiilor de clasă mondială pentru clienții întreprinderilor, inclusiv soluții AI/ML și cloud. El a lucrat anterior în industria serviciilor financiare din New York City.

Rachna Chadha este arhitect principal de soluții AI/ML în conturi strategice la AWS. Rachna este o optimistă care crede că utilizarea etică și responsabilă a inteligenței artificiale poate îmbunătăți societatea în viitor și poate aduce prosperitate economică și socială. În timpul liber, Rachnei îi place să petreacă timpul cu familia ei, să facă drumeții și să asculte muzică.

Ife Stewart este arhitect principal de soluții în segmentul ISV strategic la AWS. Ea a fost implicată cu Salesforce Data Cloud în ultimii 2 ani pentru a ajuta la construirea de experiențe integrate pentru clienți în Salesforce și AWS. Ife are peste 10 ani de experiență în tehnologie. Ea este un avocat al diversității și incluziunii în domeniul tehnologiei.

Maninder (Mani) Kaur este liderul specialistului AI/ML pentru ISV-uri strategice la AWS. Prin abordarea ei centrată pe client, Mani îi ajută pe clienții strategici să își modeleze strategia AI/ML, să alimenteze inovația și să-și accelereze călătoria AI/ML. Mani crede ferm în IA etică și responsabilă și se străduiește să se asigure că soluțiile AI ale clienților săi se aliniază cu aceste principii.

• Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
• PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
• PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
• PlatoESG. Automobile/VE-uri, carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
• BlockOffsets. Modernizarea proprietății de compensare a mediului. Accesați Aici.
• Sursa: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/