การทำความเข้าใจแนวโน้มธุรกิจ พฤติกรรมของลูกค้า รายได้จากการขาย ความต้องการที่เพิ่มขึ้น และแนวโน้มของผู้ซื้อ ล้วนเริ่มต้นด้วยข้อมูล การสำรวจ วิเคราะห์ ตีความ และค้นหาแนวโน้มของข้อมูลเป็นสิ่งจำเป็นสำหรับธุรกิจในการบรรลุผลลัพธ์ที่ประสบความสำเร็จ
นักวิเคราะห์ธุรกิจมีบทบาทสำคัญในการอำนวยความสะดวกในการตัดสินใจทางธุรกิจที่ขับเคลื่อนด้วยข้อมูลผ่านกิจกรรมต่างๆ เช่น การแสดงภาพของเมตริกทางธุรกิจและการทำนายเหตุการณ์ในอนาคต การทำซ้ำอย่างรวดเร็วและเวลาต่อมูลค่าที่เร็วขึ้นสามารถทำได้โดยการจัดเตรียมเครื่องมือ Visual Business Intelligence (BI) สำหรับการวิเคราะห์อย่างง่าย ซึ่งสนับสนุนโดยเทคโนโลยีเช่นการเรียนรู้ของเครื่อง (ML) แก่นักวิเคราะห์เหล่านี้
อเมซอน QuickSight เป็นบริการ BI แบบเนทีฟบนคลาวด์ที่มีการจัดการเต็มรูปแบบซึ่งทำให้ง่ายต่อการเชื่อมต่อกับข้อมูลของคุณ สร้างแดชบอร์ดและรายงานแบบโต้ตอบ และแบ่งปันสิ่งเหล่านี้กับผู้ใช้หลายหมื่นคน ไม่ว่าจะภายใน QuickSight หรือฝังอยู่ในแอปพลิเคชันหรือเว็บไซต์ของคุณ ผืนผ้าใบ Amazon SageMaker เป็นอินเทอร์เฟซแบบภาพที่ช่วยให้นักวิเคราะห์ธุรกิจสร้างการคาดการณ์ ML ที่แม่นยำได้ด้วยตนเอง โดยไม่ต้องมีประสบการณ์ ML หรือต้องเขียนโค้ดแม้แต่บรรทัดเดียว
ในโพสต์นี้ เราจะแสดงวิธีที่คุณสามารถเผยแพร่แดชบอร์ดการคาดการณ์ใน QuickSight โดยใช้การคาดคะเนบน ML จาก Canvas โดยไม่ต้องดาวน์โหลดการคาดคะเนและนำเข้าสู่ QuickSight อย่างชัดเจน โซลูชันนี้จะช่วยคุณส่งการคาดคะเนจาก Canvas ไปยัง QuickSight ทำให้คุณตัดสินใจได้อย่างรวดเร็วโดยใช้ ML เพื่อให้ได้ผลลัพธ์ทางธุรกิจที่มีประสิทธิภาพ
ภาพรวมโซลูชัน
ในส่วนต่อไปนี้ เราจะพูดถึงขั้นตอนต่างๆ ที่จะช่วยให้ผู้ดูแลระบบกำหนดค่าการอนุญาตที่ถูกต้องเพื่อเปลี่ยนเส้นทางผู้ใช้จาก Canvas ไปยัง QuickSight ได้อย่างราบรื่น จากนั้นเราจะลงรายละเอียดวิธีสร้างแบบจำลองและเรียกใช้การคาดการณ์ และแสดงประสบการณ์ของนักวิเคราะห์ธุรกิจ
เบื้องต้น
จำเป็นต้องมีข้อกำหนดเบื้องต้นต่อไปนี้เพื่อใช้โซลูชันนี้:
ตรวจสอบให้แน่ใจว่าใช้ QuickSight Region เดียวกันกับ Canvas คุณสามารถเปลี่ยนภูมิภาคได้โดยการนำทางจากไอคอนโปรไฟล์บนคอนโซล QuickSight
การตั้งค่าผู้ดูแลระบบ
ในส่วนนี้ เราจะให้รายละเอียดขั้นตอนการตั้งค่าทรัพยากร IAM เตรียมข้อมูล ฝึกข้อมูลด้วยชุดข้อมูลฝึก และอนุมานชุดข้อมูลการตรวจสอบ หลังจากนั้น เราจะส่งข้อมูลไปยัง QuickSight เพื่อการวิเคราะห์เพิ่มเติม
สร้างนโยบาย IAM ใหม่สำหรับการเข้าถึง QuickSight
หากต้องการสร้างนโยบาย IAM ให้ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล IAM ให้เลือก นโยบาย ในบานหน้าต่างนำทาง
- Choose สร้างนโยบาย.
- เกี่ยวกับ JSON แท็บ ป้อนนโยบายการอนุญาตต่อไปนี้ในโปรแกรมแก้ไข:
โปรดดูรายละเอียดเกี่ยวกับนโยบาย IAM การอ้างอิงนโยบาย IAM JSON.
- Choose ถัดไป: แท็ก.
- คุณสามารถเพิ่มข้อมูลเมตาลงในนโยบายได้โดยการแนบแท็กเป็นคู่คีย์-ค่า จากนั้นเลือก ถัดไป: รีวิว.
สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการใช้แท็กใน IAM โปรดดู การแท็กทรัพยากร IAM.
- เกี่ยวกับ นโยบายการตรวจทาน หน้า ป้อนชื่อ (เช่น
canvas-quicksight-access-policy
) และคำอธิบายที่ไม่บังคับของนโยบาย - ตรวจสอบ สรุป เพื่อดูสิทธิ์ที่ได้รับจากนโยบายของคุณ
- Choose สร้างนโยบาย เพื่อบันทึกงานของคุณ
หลังจากที่คุณสร้างนโยบาย คุณสามารถแนบนโยบายกับบทบาทการดำเนินการของคุณ ซึ่งให้สิทธิ์ที่จำเป็นแก่ผู้ใช้ของคุณในการส่งการคาดคะเนเป็นชุดให้กับผู้ใช้ใน QuickSight
แนบนโยบายกับบทบาทการดำเนินการของ Studio
หากต้องการแนบนโยบายกับบทบาทการดำเนินการของ Studio ให้ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล SageMaker ให้เลือก โดเมน ในบานหน้าต่างนำทาง
- เลือกโดเมนของคุณ
- Choose การตั้งค่าโดเมน.
- คัดลอกชื่อบทบาทภายใต้ บทบาทการดำเนินการ.
- บนคอนโซล IAM ให้เลือก บทบาท ในบานหน้าต่างนำทาง
- ในแถบค้นหา ป้อนบทบาทการดำเนินการที่คุณคัดลอก จากนั้นเลือกบทบาท
- ในหน้าสำหรับบทบาทของผู้ใช้ ให้ไปที่ นโยบายการอนุญาต มาตรา.
- เกี่ยวกับ เพิ่มสิทธิ์ เมนูให้เลือก แนบนโยบาย.
- ค้นหานโยบายที่สร้างไว้ก่อนหน้านี้ (
canvas-quicksight-access-policy
) เลือก แล้วเลือก เพิ่มสิทธิ์.
ตอนนี้ คุณมีนโยบาย IAM ที่แนบมากับบทบาทการดำเนินการของคุณ ซึ่งให้สิทธิ์ที่จำเป็นแก่ผู้ใช้ของคุณในการส่งการคาดคะเนเป็นชุดให้กับผู้ใช้ใน QuickSight
ดาวน์โหลดชุดข้อมูล
มาดาวน์โหลดชุดข้อมูลที่เราใช้ฝึกโมเดลและคาดการณ์กัน:
สร้างแบบจำลองและเรียกใช้การคาดการณ์
ในส่วนนี้ เราจะกล่าวถึงวิธีสร้างแบบจำลองและเรียกใช้การคาดการณ์ในชุดข้อมูลสินเชื่อ จากนั้นเราจะส่งข้อมูลไปยังแดชบอร์ด QuickSight เพื่อรับข้อมูลเชิงลึกทางธุรกิจ
เปิดตัวผ้าใบ
ในการเปิดใช้ Canvas ให้ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล SageMaker ให้เลือก โดเมน ในบานหน้าต่างนำทาง
- เลือกโดเมนของคุณ
- เกี่ยวกับ ยิง เมนูให้เลือก ผ้าใบ.
อัปโหลดชุดข้อมูลการฝึกอบรมและการตรวจสอบความถูกต้อง
ทำตามขั้นตอนต่อไปนี้เพื่ออัปโหลดชุดข้อมูลของคุณไปยัง Canvas:
- ในหน้าแรกของ Canvas ให้เลือก ชุดข้อมูล.
- Choose นำเข้าข้อมูลจากนั้นอัปโหลด
lending_club_loan_data_train.csv
และlending_club_loan_data_test.csv
. - Choose บันทึกและปิดแล้วเลือก นำเข้าข้อมูล.
ตอนนี้เรามาสร้างโมเดลใหม่กัน
- Choose โมเดลของฉัน ในบานหน้าต่างนำทาง
- Choose รุ่นใหม่.
- ป้อนชื่อโมเดลของคุณ (
Loan_Prediction
) และเลือก สร้างบัญชีตัวแทน.
หากนี่เป็นครั้งแรกที่สร้างโมเดล Canvas ระบบจะต้อนรับคุณด้วยป๊อปอัปที่ให้ข้อมูลเกี่ยวกับวิธีสร้างโมเดลแรกของคุณในสี่ขั้นตอนง่ายๆ คุณสามารถอ่านสิ่งนี้ได้ จากนั้นกลับมาที่คู่มือนี้
- ในมุมมองแบบจำลอง บน เลือก แท็บเลือก
lending_club_loan_data_train
ชุดข้อมูล
ชุดข้อมูลนี้มี 18 คอลัมน์และ 32,000 แถว
- Choose เลือกชุดข้อมูล
- เกี่ยวกับ สร้าง แท็บ เลือกคอลัมน์เป้าหมายในกรณีของเรา
loan_status
.
Canvas จะตรวจพบโดยอัตโนมัติว่านี่คือ การทำนายหมวดหมู่ 3+ ปัญหา (เรียกอีกอย่างว่า การจำแนกหลายชั้น).
- หากตรวจพบประเภทรุ่นอื่น ให้เปลี่ยนด้วยตนเองโดยเลือก เปลี่ยนประเภท.
- Choose สร้างด่วนและเลือก เริ่มสร้างอย่างรวดเร็ว จากป๊อปอัป
คุณยังสามารถเลือก โครงสร้างมาตรฐานซึ่งจะผ่านวงจร AutoML ที่สมบูรณ์ โดยสร้างโมเดลหลายโมเดลก่อนที่จะแนะนำโมเดลที่ดีที่สุด
ตอนนี้แบบจำลองของคุณกำลังถูกสร้างขึ้น การสร้างด่วนมักใช้เวลา 2-15 นาที
หลังจากสร้างแบบจำลองแล้ว คุณสามารถดูสถานะแบบจำลองได้ที่ วิเคราะห์ แถบ
ทำการคาดการณ์ด้วยแบบจำลอง
หลังจากที่เราสร้างและฝึกโมเดลแล้ว เราสามารถสร้างการคาดคะเนบนโมเดลนี้ได้
- Choose ทำนาย บน วิเคราะห์ แท็บหรือเลือก ทำนาย แถบ
- เรียกใช้การทำนายเดียวโดยเลือก คำทำนายเดียว และจัดให้มีรายการ
คุณจะเห็นการทำนายสถานะเงินกู้ทางด้านขวาของหน้า คุณสามารถคัดลอกการทำนายได้โดยเลือก คัดลอกหรือดาวน์โหลดโดยเลือก ดาวน์โหลดคำทำนาย. วิธีนี้เหมาะสำหรับการสร้างสถานการณ์แบบ what-if และทดสอบว่าคอลัมน์ต่างๆ ส่งผลต่อการคาดคะเนของโมเดลของเราอย่างไร
- หากต้องการเรียกใช้การคาดการณ์แบบกลุ่ม ให้เลือก การทำนายแบทช์.
วิธีนี้จะดีที่สุดเมื่อคุณต้องการคาดคะเนชุดข้อมูลทั้งหมด คุณควรทำการคาดการณ์ด้วยชุดข้อมูลที่ตรงกับชุดข้อมูลที่คุณป้อน
สำหรับการคาดคะเนหรือชุดการคาดคะเนแต่ละรายการ Canvas จะส่งคืนค่าที่คาดการณ์ไว้และความน่าจะเป็นที่ค่าที่คาดการณ์ไว้จะถูกต้อง
มาทำการคาดการณ์จากโมเดลที่ผ่านการฝึกอบรมโดยใช้ชุดข้อมูลการตรวจสอบความถูกต้อง
- Choose เลือกชุดข้อมูล.
- เลือก
lending_club_loan_data_test
และเลือก สร้างคำทำนาย.
เมื่อการคาดการณ์ของคุณพร้อม คุณจะพบได้ใน ชุด ส่วน. คุณสามารถดูตัวอย่างการคาดคะเน ดาวน์โหลดลงในเครื่องท้องถิ่น ลบทิ้ง หรือส่งไปยัง QuickSight
ส่งการคาดการณ์ไปที่ QuickSight
ตอนนี้คุณสามารถแบ่งปันการคาดการณ์จากโมเดล ML เหล่านี้เป็นชุดข้อมูล QuickSight ซึ่งจะทำหน้าที่เป็นแหล่งข้อมูลใหม่สำหรับแดชบอร์ดทั่วทั้งองค์กร คุณสามารถวิเคราะห์แนวโน้ม ความเสี่ยง และโอกาสทางธุรกิจ ด้วยความสามารถนี้ ทีมธุรกิจสามารถเข้าถึง ML ได้มากขึ้น เพื่อให้พวกเขาสามารถเร่งการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล การแชร์ข้อมูลกับผู้ใช้ QuickSight ให้สิทธิ์แก่เจ้าของชุดข้อมูล สามารถส่งชุดข้อมูลที่อนุมานได้หลายชุดพร้อมกันไปยัง QuickSight
โปรดทราบว่าคุณสามารถส่งการคาดคะเนให้กับผู้ใช้ในเนมสเปซเริ่มต้นของบัญชี QuickSight เท่านั้น และผู้ใช้ต้องมีบทบาทผู้เขียนหรือผู้ดูแลระบบใน QuickSight การคาดคะเนที่ส่งไปยัง QuickSight จะพร้อมใช้งานในภูมิภาคเดียวกับ Canvas
- เลือกชุดข้อมูลแบทช์ที่สรุปแล้วเลือก ส่งไปที่ Amazon QuickSight.
- ป้อนชื่อผู้ใช้ QuickSight หนึ่งชื่อหรือหลายชื่อเพื่อแชร์ชุดข้อมูลและกด เข้าสู่.
- Choose ส่ง เพื่อแบ่งปันข้อมูล
หลังจากที่คุณส่งการคาดการณ์แบบกลุ่มของคุณแล้ว QuickSight ฟิลด์สำหรับชุดข้อมูลที่คุณส่งจะแสดงเป็นส่งแล้ว
- ในช่องยืนยัน คุณสามารถเลือกได้ เปิด Amazon QuickSight เพื่อเปิดแอปพลิเคชัน QuickSight ของคุณ
- หากคุณใช้ Canvas เสร็จแล้ว ออกจากระบบ ของแอปพลิเคชัน Canvas
คุณสามารถส่งการคาดการณ์เป็นชุดไปยัง QuickSight สำหรับแบบจำลองการคาดการณ์ที่เป็นตัวเลข การทำนายตามหมวดหมู่ และอนุกรมเวลา คุณยังสามารถส่งการคาดคะเนที่สร้างด้วย นำแบบจำลองของคุณเอง (BYOM) วิธี ไม่รวมโมเดลการคาดคะเนรูปภาพป้ายกำกับเดียวและโมเดลการคาดคะเนข้อความหลายหมวดหมู่
ผู้ใช้ QuickSight ที่คุณส่งชุดข้อมูลให้สามารถเปิดคอนโซล QuickSight และดูชุดข้อมูล Canvas ที่แชร์กับพวกเขาได้ จากนั้นพวกเขาจะสร้างแดชบอร์ดเชิงคาดการณ์ด้วยข้อมูลได้ สำหรับข้อมูลเพิ่มเติม โปรดดูที่ เริ่มต้นใช้งานการวิเคราะห์ข้อมูลของ Amazon QuickSight.
ตามค่าเริ่มต้น ผู้ใช้ทั้งหมดที่คุณส่งการคาดคะเนให้จะมีสิทธิ์ระดับเจ้าของสำหรับชุดข้อมูลใน QuickSight เจ้าของสามารถสร้างการวิเคราะห์ รีเฟรช แก้ไข ลบ และแชร์ชุดข้อมูลต่อได้ การเปลี่ยนแปลงที่เจ้าของทำกับชุดข้อมูลจะเปลี่ยนชุดข้อมูลสำหรับผู้ใช้ทั้งหมดที่มีสิทธิ์เข้าถึง หากต้องการเปลี่ยนสิทธิ์ ให้ไปที่ชุดข้อมูลใน QuickSight และจัดการสิทธิ์ สำหรับข้อมูลเพิ่มเติม โปรดดูที่ การดูและแก้ไขผู้ใช้สิทธิ์ที่แชร์ชุดข้อมูลด้วย.
ประสบการณ์นักวิเคราะห์ธุรกิจ
ด้วย QuickSight คุณสามารถแสดงภาพข้อมูลของคุณเพื่อให้เข้าใจได้ดีขึ้น เราเริ่มต้นด้วยการรับข้อมูลระดับสูง
- บนคอนโซล QuickSight ให้เลือก ชุดข้อมูล ในบานหน้าต่างนำทาง
- สร้างการวิเคราะห์ชุดข้อมูลการคาดการณ์แบบกลุ่มที่แชร์จาก Canvas โดยเลือก สร้างการวิเคราะห์ ในเมนูตัวเลือกแบบเลื่อนลง (จุดแนวตั้งสามจุด)
- ในหน้าการวิเคราะห์ เลือกชื่อชีตและเปลี่ยนชื่อเป็น Loan Data Analysis
มาสร้างภาพแสดงการนับตามสถานะสินเชื่อกันเถอะ
- สำหรับ ประเภทภาพเลือก แผนภูมิโดนัท.
- ใช้
loan_status
สนามสำหรับ กลุ่ม/สี.
เราจะเห็นว่า 99% ชำระเต็มจำนวน 1% เป็นปัจจุบัน และ 0% ถูกหัก
ตอนนี้เราได้เพิ่มภาพที่สองเพื่อแสดงจำนวนเงินกู้ตามสถานะ
- ที่มุมซ้ายบน ให้เลือกเครื่องหมายบวกแล้วเลือก เพิ่มภาพ.
- สำหรับ ประเภทภาพเลือก แผนภูมิน้ำตก.
- ใช้
loan_status
สนามสำหรับ หมวดหมู่. - ใช้
loan_amount
สนามสำหรับ ความคุ้มค่า.
เราจะเห็นว่าจำนวนเงินกู้ทั้งหมดอยู่ที่ประมาณ 88 ล้านดอลลาร์ โดยหักเงินไปประมาณ 221,000 ดอลลาร์
มาลองตรวจหาตัวขับเคลื่อนความเสี่ยงสำหรับการผิดนัดชำระหนี้
- เลือกเครื่องหมายบวกแล้วเลือก เพิ่มภาพ.
- สำหรับ ประเภทภาพเลือก แผนภูมิแท่งแนวนอน.
- ใช้ฟิลด์ loan_status สำหรับ แกน Y.
- ใช้ฟิลด์ loan_amount สำหรับ ความคุ้มค่า.
- ปรับเปลี่ยน ความคุ้มค่า รวมภาคสนามจาก รวม ไปยัง กลาง.
เราจะเห็นว่าโดยเฉลี่ยแล้ว จำนวนเงินกู้ต่ำกว่าประมาณ 3,500 ดอลลาร์สำหรับเงินกู้ที่ชำระเต็มจำนวนเมื่อเทียบกับเงินกู้ปัจจุบัน และต่ำกว่าประมาณ 3,500 ดอลลาร์สำหรับเงินกู้ที่ชำระเต็มจำนวนเมื่อเทียบกับเงินกู้ยืมที่เรียกเก็บ ดูเหมือนจะมีความสัมพันธ์ระหว่างจำนวนเงินกู้และความเสี่ยงด้านเครดิต
- หากต้องการทำซ้ำภาพ เลือกเมนูตัวเลือก (สามจุด) เลือก ทำซ้ำวิชวลไปที่และเลือก แผ่นงานนี้.
- เลือกวิชวลที่ซ้ำกันเพื่อปรับเปลี่ยนการกำหนดค่า
- สำหรับ ประเภทภาพเลือก แผนภูมิแท่งแนวนอน.
- ใช้ฟิลด์ loan_status สำหรับ แกน Y.
- ใช้ฟิลด์ loan_amount สำหรับ ความคุ้มค่า.
- ปรับเปลี่ยน ความคุ้มค่า รวมภาคสนามจาก รวม ไปยัง กลาง.
คุณสามารถสร้างภาพเพิ่มเติมเพื่อตรวจสอบไดรเวอร์ความเสี่ยงเพิ่มเติม ตัวอย่างเช่น:
- เงื่อนไขสินเชื่อ
- เปิดวงเงินสินเชื่อ
- อัตราการใช้สายหมุนเวียน
- วงเงินรวม
- หลังจากที่คุณเพิ่มวิชวลแล้ว ให้เผยแพร่แดชบอร์ดโดยใช้ Share ตัวเลือกในหน้าการวิเคราะห์และแบ่งปันแดชบอร์ดกับผู้มีส่วนได้ส่วนเสียทางธุรกิจ
ทำความสะอาด
เพื่อหลีกเลี่ยงค่าใช้จ่ายในอนาคต ให้ลบหรือปิดทรัพยากรที่คุณสร้างขึ้นในขณะที่ติดตามโพสต์นี้ อ้างถึง ออกจากระบบ Amazon SageMaker Canvas .
สรุป
ในโพสต์นี้ เราได้ฝึกโมเดล ML โดยใช้ Canvas โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว ด้วยอินเทอร์เฟซที่ใช้งานง่ายและการแสดงภาพที่ชัดเจน จากนั้นเราสร้างการคาดการณ์แบบเดี่ยวและแบบกลุ่มสำหรับโมเดลนี้ใน Canvas เพื่อประเมินแนวโน้ม ความเสี่ยง และโอกาสทางธุรกิจทั่วทั้งองค์กร เราได้ส่งการคาดการณ์ของโมเดล ML นี้ไปยัง QuickSight ในฐานะนักวิเคราะห์ธุรกิจ เราได้สร้างการแสดงภาพที่หลากหลายเพื่อประเมินแนวโน้มใน QuickSight
ความสามารถนี้พร้อมใช้งานในทุกภูมิภาคที่รองรับ Canvas แล้ว คุณสามารถเรียนรู้เพิ่มเติมบน Canvas หน้าสินค้า และ เอกสาร.
เกี่ยวกับผู้เขียน
อาจารย์โกวินทราม เป็นสถาปนิกโซลูชันอาวุโสที่ AWS เขาทำงานร่วมกับลูกค้าเชิงกลยุทธ์ที่ใช้ AI/ML เพื่อแก้ปัญหาทางธุรกิจที่ซับซ้อน ประสบการณ์ของเขาอยู่ที่การให้คำแนะนำด้านเทคนิคตลอดจนความช่วยเหลือด้านการออกแบบสำหรับการปรับใช้แอปพลิเคชัน AI/ML ระดับปานกลางถึงขนาดใหญ่ ความรู้ของเขามีตั้งแต่สถาปัตยกรรมแอปพลิเคชันไปจนถึงข้อมูลขนาดใหญ่ การวิเคราะห์ และการเรียนรู้ของเครื่อง เขาชอบฟังเพลงขณะพักผ่อน สัมผัสประสบการณ์กลางแจ้ง และใช้เวลากับคนที่เขารัก
วรุณ เมห์ตา เป็นสถาปนิกโซลูชันที่ AWS เขามีความกระตือรือร้นในการช่วยลูกค้าสร้างโซลูชันที่มีสถาปัตยกรรมที่ดีในระดับองค์กรบน AWS Cloud เขาทำงานร่วมกับลูกค้าเชิงกลยุทธ์ที่ใช้ AI/ML เพื่อแก้ปัญหาทางธุรกิจที่ซับซ้อน
สยาม ศรีนิวาสัน เป็นผู้จัดการผลิตภัณฑ์หลักในทีม AWS AI/ML ซึ่งเป็นผู้นำด้านการจัดการผลิตภัณฑ์สำหรับ Amazon SageMaker Canvas Shyam ใส่ใจในการทำให้โลกนี้เป็นสถานที่ที่ดีกว่าผ่านเทคโนโลยี และหลงใหลในการที่ AI และ ML สามารถเป็นตัวเร่งปฏิกิริยาในการเดินทางครั้งนี้
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตไอสตรีม. ข้อมูลอัจฉริยะ Web3 ขยายความรู้ เข้าถึงได้ที่นี่.
- การสร้างอนาคตโดย Adryenn Ashley เข้าถึงได้ที่นี่.
- ซื้อและขายหุ้นในบริษัท PRE-IPO ด้วย PREIPO® เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/publish-predictive-dashboards-in-amazon-quicksight-using-ml-predictions-from-amazon-sagemaker-canvas/
- :มี
- :เป็น
- :ที่ไหน
- $3
- $ ขึ้น
- 000
- 10
- 100
- 11
- 12
- 15%
- 20
- 500
- 7
- 8
- 9
- a
- สามารถ
- เกี่ยวกับเรา
- เร่งความเร็ว
- เร่ง
- เข้า
- สามารถเข้าถึงได้
- ลงชื่อเข้าใช้
- ถูกต้อง
- บรรลุ
- ประสบความสำเร็จ
- ข้าม
- การกระทำ
- กิจกรรม
- เพิ่ม
- เพิ่มเติม
- ผู้ดูแลระบบ
- ผู้ดูแลระบบ
- การรวมตัว
- AI
- AI / ML
- ทั้งหมด
- อนุญาต
- ด้วย
- อเมซอน
- อเมซอน QuickSight
- อเมซอน SageMaker
- ผืนผ้าใบ Amazon SageMaker
- Amazon Web Services
- จำนวน
- an
- การวิเคราะห์
- การวิเคราะห์
- นักวิเคราะห์
- นักวิเคราะห์
- การวิเคราะห์
- วิเคราะห์
- วิเคราะห์
- และ
- อื่น
- ใด
- การใช้งาน
- สถาปัตยกรรม
- เป็น
- รอบ
- AS
- ความช่วยเหลือ
- At
- แนบ
- ผู้เขียน
- อัตโนมัติ
- ออโต้เอ็มแอล
- ใช้ได้
- เฉลี่ย
- หลีกเลี่ยง
- AWS
- กลับ
- บาร์
- BE
- จะกลายเป็น
- รับ
- ก่อน
- กำลัง
- ที่ดีที่สุด
- ดีกว่า
- ระหว่าง
- ใหญ่
- ข้อมูลขนาดใหญ่
- กล่อง
- สร้าง
- สร้าง
- ธุรกิจ
- ระบบธุรกิจอัจฉริยะ
- ธุรกิจ
- by
- CAN
- ผ้าใบ
- กรณี
- ตัวเร่ง
- หมวดหมู่
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- การเรียกเก็บเงิน
- โหลด
- ตรวจสอบ
- Choose
- เลือก
- ชัดเจน
- เมฆ
- รหัส
- คอลัมน์
- คอลัมน์
- อย่างไร
- เมื่อเทียบกับ
- สมบูรณ์
- ซับซ้อน
- องค์ประกอบ
- การยืนยัน
- เชื่อมต่อ
- ปลอบใจ
- มุม
- แก้ไข
- ความสัมพันธ์
- หน้าปก
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- เครดิต
- ปัจจุบัน
- ลูกค้า
- พฤติกรรมของลูกค้า
- ลูกค้า
- วงจร
- หน้าปัด
- ข้อมูล
- การวิเคราะห์ข้อมูล
- ที่ขับเคลื่อนด้วยข้อมูล
- ชุดข้อมูล
- การตัดสินใจ
- การตัดสินใจ
- ค่าเริ่มต้น
- ความต้องการ
- สาธิต
- การใช้งาน
- ลักษณะ
- ออกแบบ
- รายละเอียด
- รายละเอียด
- ตรวจพบ
- ต่าง
- ทิศทาง
- สนทนา
- โดเมน
- ทำ
- ลง
- ดาวน์โหลด
- ไดรเวอร์
- แต่ละ
- ง่าย
- บรรณาธิการ
- ผล
- มีประสิทธิภาพ
- ทั้ง
- ที่ฝัง
- ช่วยให้
- การเปิดใช้งาน
- เข้าสู่
- Enterprise
- ทั้งหมด
- จำเป็น
- เหตุการณ์
- ตัวอย่าง
- การยกเว้น
- การปฏิบัติ
- ประสบการณ์
- ประสบ
- สำรวจ
- อำนวยความสะดวก
- เร็วขึ้น
- สนาม
- หา
- หา
- ชื่อจริง
- ครั้งแรก
- ดังต่อไปนี้
- สำหรับ
- สี่
- ราคาเริ่มต้นที่
- อย่างเต็มที่
- ต่อไป
- อนาคต
- สร้าง
- สร้าง
- การสร้าง
- ได้รับ
- ได้รับ
- Go
- ไป
- รับ
- ทุน
- ให้คำแนะนำ
- มี
- มี
- he
- ช่วย
- การช่วยเหลือ
- ระดับสูง
- ของเขา
- หน้าแรก
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- HTTPS
- ICON
- ID
- ในอุดมคติ
- ภาพ
- ส่งผลกระทบ
- การดำเนินการ
- การนำเข้า
- in
- เพิ่ม
- ข้อมูล
- ให้ข้อมูล
- อินพุต
- ข้อมูลเชิงลึก
- Intelligence
- การโต้ตอบ
- อินเตอร์เฟซ
- อินเตอร์เฟซ
- เข้าไป
- IT
- การย้ำ
- ITS
- การเดินทาง
- jpg
- JSON
- ความรู้
- ที่รู้จักกัน
- ภาษา
- ขนาดใหญ่
- เปิดตัว
- ชั้นนำ
- เรียนรู้
- การเรียนรู้
- ตั้งอยู่
- กดไลก์
- Line
- การฟัง
- เงินกู้
- เงินให้กู้ยืม
- ในประเทศ
- รัก
- ลด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- ทำให้
- การทำ
- จัดการ
- การจัดการ
- การจัดการ
- ผู้จัดการ
- ด้วยมือ
- เมนู
- เมตาดาต้า
- วิธี
- ตัวชี้วัด
- ล้าน
- นาที
- ML
- แบบ
- โมเดล
- แก้ไข
- ข้อมูลเพิ่มเติม
- หลาย
- ดนตรี
- ต้อง
- ชื่อ
- ชื่อ
- นำทาง
- การนำทาง
- การเดินเรือ
- จำเป็น
- จำเป็น
- ใหม่
- ตอนนี้
- of
- ปิด
- on
- ครั้งเดียว
- ONE
- คน
- เพียง
- เปิด
- โอกาส
- Options
- or
- ของเรา
- ออก
- ผลลัพธ์
- กลางแจ้ง
- ของตนเอง
- เจ้าของ
- เจ้าของ
- หน้า
- ต้องจ่าย
- คู่
- บานหน้าต่าง
- หลงใหล
- สิทธิ์
- เป็นจุดสำคัญ
- สถานที่
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- บวก
- นโยบาย
- ป๊อปอัพ
- โพสต์
- ที่คาดการณ์
- คำทำนาย
- การคาดการณ์
- เตรียมการ
- ข้อกำหนดเบื้องต้น
- กด
- ดูตัวอย่าง
- ก่อนหน้านี้
- หลัก
- ปัญหา
- ปัญหาที่เกิดขึ้น
- ผลิตภัณฑ์
- การจัดการผลิตภัณฑ์
- ผู้จัดการผลิตภัณฑ์
- โปรไฟล์
- การให้
- ประกาศ
- รวดเร็ว
- อ่าน
- พร้อม
- แนะนำ
- เปลี่ยนเส้นทาง
- ภูมิภาค
- ภูมิภาค
- รายงาน
- ทรัพยากร
- แหล่งข้อมูล
- รับคืน
- รายได้
- ขวา
- ความเสี่ยง
- ความเสี่ยง
- บทบาท
- วิ่ง
- sagemaker
- ขาย
- เดียวกัน
- ลด
- สถานการณ์
- ได้อย่างลงตัว
- ค้นหา
- ที่สอง
- Section
- ส่วน
- เห็น
- ดูเหมือนว่า
- ส่ง
- ระดับอาวุโส
- ส่ง
- ชุด
- ให้บริการ
- บริการ
- บริการ
- ชุด
- Share
- ที่ใช้ร่วมกัน
- ใช้งานร่วมกัน
- แผ่น
- น่า
- โชว์
- แสดงให้เห็นว่า
- ปิดตัวลง
- ด้าน
- ลงชื่อ
- ง่าย
- เดียว
- So
- ทางออก
- โซลูชัน
- แก้
- บาง
- แหล่ง
- การใช้จ่าย
- ผู้มีส่วนได้เสีย
- เริ่มต้น
- ข้อความที่เริ่ม
- คำแถลง
- Status
- ขั้นตอน
- ยุทธศาสตร์
- สตูดิโอ
- ที่ประสบความสำเร็จ
- อย่างเช่น
- ที่สนับสนุน
- ใช้เวลา
- เป้า
- ทีม
- ทีม
- วิชาการ
- เทคโนโลยี
- เทคโนโลยี
- เมตริกซ์
- การทดสอบ
- ขอบคุณ
- ที่
- พื้นที่
- โลก
- ของพวกเขา
- พวกเขา
- แล้วก็
- ที่นั่น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- นี้
- พัน
- สาม
- ตลอด
- เวลา
- อนุกรมเวลา
- ไปยัง
- เครื่องมือ
- รวม
- รถไฟ
- ผ่านการฝึกอบรม
- การฝึกอบรม
- แนวโน้ม
- ลอง
- ชนิด
- ภายใต้
- เข้าใจ
- ใช้
- ผู้ใช้งาน
- ที่ใช้งานง่าย
- ผู้ใช้
- การใช้
- มักจะ
- การตรวจสอบ
- ความคุ้มค่า
- ความคุ้มค่า
- ต่างๆ
- รุ่น
- แนวตั้ง
- รายละเอียด
- การสร้างภาพ
- ภาพ
- คือ
- we
- เว็บ
- บริการเว็บ
- Website
- ยินดี
- ดี
- เมื่อ
- ที่
- ในขณะที่
- WHO
- จะ
- กับ
- ภายใน
- ไม่มี
- งาน
- โรงงาน
- โลก
- เขียน
- การเขียน
- คุณ
- ของคุณ
- ลมทะเล