Используйте собственный ИИ с помощью Amazon SageMaker и Salesforce Data Cloud | Веб-сервисы Амазонки

Этот пост написан в соавторстве с Дэрилом Мартисом, директором по продукту Salesforce Einstein AI.

Мы рады объявить Создатель мудреца Амазонки и интеграция Salesforce Data Cloud. Благодаря этой возможности предприятия могут безопасно получать доступ к своим данным Salesforce с помощью подхода без копирования с помощью SageMaker и использовать инструменты SageMaker для создания, обучения и развертывания моделей ИИ. Конечные точки логического вывода подключены к облаку данных для прогнозирования в режиме реального времени. В результате предприятия могут сократить время выхода на рынок, сохранив при этом целостность и безопасность данных, а также снизить операционную нагрузку, связанную с перемещением данных из одного места в другое.

Представляем Einstein Studio в облаке данных

Data Cloud — это платформа данных, которая предоставляет компаниям обновления данных своих клиентов в режиме реального времени из любой точки взаимодействия. С помощью Einstein Studio, шлюза к инструментам искусственного интеллекта на платформе данных, администраторы и специалисты по данным могут легко создавать модели несколькими щелчками мыши или с помощью кода. Возможность использования собственной модели Einstein Studio (BYOM) позволяет подключать пользовательские или генеративные модели ИИ с внешних платформ, таких как SageMaker, к Data Cloud. Пользовательские модели можно обучать с использованием данных из Salesforce Data Cloud, доступ к которым осуществляется через Обработчик данных Amazon SageMaker разъем. Компании могут действовать в соответствии со своими прогнозами, легко интегрируя пользовательские модели в рабочие процессы Salesforce, что приводит к повышению эффективности, принятию решений и персонализированному опыту.

Преимущества интеграции SageMaker и Data Cloud Einstein Studio

Вот как использование SageMaker с Einstein Studio в Salesforce Data Cloud может помочь компаниям:

• Он предоставляет возможность подключать пользовательские и генеративные модели ИИ к Einstein Studio для различных вариантов использования, таких как преобразование потенциальных клиентов, классификация случаев и анализ настроений.
• Это устраняет утомительные, дорогостоящие и подверженные ошибкам задания ETL (извлечение, преобразование и загрузка). Подход к данным с нулевым копированием снижает накладные расходы на управление копиями данных, снижает затраты на хранение и повышает эффективность.
• Он обеспечивает доступ к тщательно отобранным, согласованным данным в режиме реального времени в рамках Customer 360. Это приводит к экспертным моделям, которые обеспечивают более интеллектуальные прогнозы и бизнес-аналитику.
• Это упрощает использование результатов бизнес-процессов и повышает эффективность без задержек. Например, вы можете использовать автоматизированные рабочие процессы, которые могут мгновенно адаптироваться к новым данным.
• Это облегчает операционализацию моделей и выводов SageMaker в Salesforce.

Ниже приведен пример того, как операционализировать модель SageMaker с помощью Поток продаж.

Интеграция с SageMaker

SageMaker — это полностью управляемый сервис для подготовки данных, а также построения, обучения и развертывания моделей машинного обучения (ML) для любого варианта использования с полностью управляемой инфраструктурой, инструментами и рабочими процессами.

Чтобы упростить интеграцию SageMaker и Salesforce Data Cloud, мы представляем две новые возможности в SageMaker:

• Соединитель SageMaker Data Wrangler Salesforce Data Cloud – Благодаря недавно запущенному коннектору SageMaker Data Wrangler Salesforce Data Cloud администраторы могут предварительно настроить подключения к Salesforce, чтобы аналитики данных и специалисты по данным могли быстро получать доступ к данным Salesforce в режиме реального времени и создавать функции для машинного обучения. Это позволит пользователям безопасно получать доступ к Salesforce Data Cloud с помощью OAuth. Вы можете интерактивно визуализировать, анализировать и преобразовывать данные с помощью возможностей Spark без написания кода, используя функции подготовки визуальных данных с малым кодом в Salesforce Data Wrangler. Вы также можете выполнять масштабирование для обработки больших наборов данных с помощью заданий SageMaker Processing, автоматически обучать режимы машинного обучения с помощью Amazon SageMaker Автопилот, и интегрируйте с конвейером вывода SageMaker, чтобы развернуть тот же поток данных в рабочей среде с конечной точкой вывода для обработки данных в режиме реального времени или в пакетном режиме для вывода.

• Шаблон проектов SageMaker для Salesforce – Мы запустили Проекты SageMaker Шаблон для Salesforce, который можно использовать для развертывания конечных точек для традиционных и больших языковых моделей (LLM) и автоматического предоставления конечных точек SageMaker в виде API. SageMaker Projects предоставляет простой способ настройки и стандартизации среды разработки для специалистов по данным и инженеров машинного обучения для создания и развертывания моделей машинного обучения в SageMaker.

Цитата партнера

«Партнерство между Salesforce и AWS Sagemaker позволит клиентам использовать возможности искусственного интеллекта (как генеративные, так и негенеративные модели) в своих источниках данных, рабочих процессах и приложениях Salesforce для обеспечения персонализированного взаимодействия и создания нового контента, его обобщения и ответов на вопросы. -опыт типа ответа. Объединив лучшее из обоих миров, мы создаем новую парадигму инноваций, основанных на данных, и успеха клиентов, основанного на искусственном интеллекте».

— Каушал Курапати, старший вице-президент Salesforce по продуктам, искусственному интеллекту и поиску.

Обзор решения

Решение для интеграции BYOM предоставляет клиентам собственный коннектор Salesforce Data Cloud в SageMaker Data Wrangler. Коннектор SageMaker Data Wrangler позволяет безопасно получать доступ к объектам Salesforce Data Cloud. После аутентификации пользователей они могут выполнять задачи по исследованию данных, подготовке и разработке функций, необходимые для разработки моделей и логических выводов, с помощью интерактивного визуального интерфейса SageMaker Data Wrangler. Специалисты по данным могут работать внутри Студия Amazon SageMaker ноутбуки для разработки пользовательских моделей, которые могут быть традиционными или LLM, и сделать их доступными для развертывания путем регистрации модели в реестре моделей SageMaker. Когда модель одобрена для производства в реестре, SageMaker Projects автоматизирует развертывание API вызова, который можно настроить в качестве цели в Salesforce Einstein Studio и интегрировать с приложениями Salesforce Customer 360. Следующая диаграмма иллюстрирует эту архитектуру

Заключение

В этом посте мы поделились интеграцией SageMaker и Salesforce Einstein Studio BYOM, где вы можете использовать данные в Salesforce Data Cloud для создания и обучения традиционных и LLM в SageMaker. Вы можете использовать SageMaker Data Wrangler для подготовки данных из Salesforce Data Cloud без копирования. Мы также предоставили автоматизированное решение для развертывания конечных точек SageMaker в качестве API с использованием шаблона SageMaker Projects для Salesforce.

AWS и Salesforce рады совместному сотрудничеству, чтобы предоставить этот опыт нашим общим клиентам, чтобы помочь им управлять бизнес-процессами, используя возможности машинного обучения и искусственного интеллекта.

Дополнительные сведения об интеграции Salesforce BYOM см. Создайте свои собственные модели ИИ с Einstein Studio. Подробную информацию о реализации с использованием примера использования рекомендаций по продукту см. Используйте интеграцию Amazon SageMaker и Salesforce Data Cloud, чтобы расширить возможности приложений Salesforce с помощью AI/ML..

---

Об авторах

Дэрил Мартис является директором по продукту Einstein Studio в Salesforce Data Cloud. Он имеет более чем 10-летний опыт планирования, создания, запуска и управления решениями мирового класса для корпоративных клиентов, включая AI/ML и облачные решения. Ранее он работал в сфере финансовых услуг в Нью-Йорке.

Рахна Чадха является главным архитектором решений AI/ML в области стратегических счетов в AWS. Рахна — оптимистка, считающая, что этичное и ответственное использование ИИ может улучшить общество в будущем и принести экономическое и социальное процветание. В свободное время Рахна любит проводить время со своей семьей, ходить в походы и слушать музыку.

Ифе Стюарт является главным архитектором решений в сегменте стратегических независимых поставщиков программного обеспечения в AWS. В течение последних 2 лет она работала с Salesforce Data Cloud, чтобы помочь создать интегрированный клиентский опыт в Salesforce и AWS. Ife имеет более чем 10-летний опыт работы в области технологий. Она выступает за разнообразие и инклюзивность в области технологий.

Маниндер (Мани) Каур является ведущим специалистом по искусственному интеллекту и машинному обучению для стратегических независимых поставщиков программного обеспечения в AWS. Благодаря своему подходу, ориентированному на клиента, Мани помогает стратегическим клиентам формировать свою стратегию в области ИИ/МО, стимулировать инновации и ускорять переход к ИИ/МО. Мани твердо верит в этический и ответственный ИИ и стремится к тому, чтобы ИИ-решения ее клиентов соответствовали этим принципам.

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Автомобили / электромобили, Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• Смещения блоков. Модернизация права собственности на экологические компенсации. Доступ здесь.
• Источник: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/