ปรับแต่ง Amazon รู้สึกตื่นเต้นที่จะประกาศใหม่ ได้รับความนิยมในขณะนี้ สูตรที่จะช่วยคุณแนะนำรายการที่ได้รับความนิยมอย่างรวดเร็วในหมู่ผู้ใช้ของคุณ
Amazon Personalize คือบริการแมชชีนเลิร์นนิง (ML) ที่มีการจัดการเต็มรูปแบบ ซึ่งช่วยให้นักพัฒนาสามารถมอบประสบการณ์ที่ปรับให้เป็นส่วนตัวแก่ผู้ใช้ได้อย่างง่ายดาย ช่วยให้คุณสามารถปรับปรุงการมีส่วนร่วมของลูกค้าโดยขับเคลื่อนคำแนะนำผลิตภัณฑ์และเนื้อหาส่วนบุคคลในเว็บไซต์ แอปพลิเคชัน และแคมเปญการตลาดที่ตรงเป้าหมาย คุณสามารถเริ่มต้นได้โดยไม่ต้องมีประสบการณ์ ML มาก่อน โดยใช้ API เพื่อสร้างความสามารถในการปรับแต่งส่วนบุคคลที่ซับซ้อนได้อย่างง่ายดายด้วยการคลิกเพียงไม่กี่ครั้ง ข้อมูลทั้งหมดของคุณได้รับการเข้ารหัสให้เป็นส่วนตัวและปลอดภัย และใช้เพื่อสร้างคำแนะนำสำหรับผู้ใช้ของคุณเท่านั้น
ความสนใจของผู้ใช้อาจเปลี่ยนแปลงได้ตามปัจจัยต่างๆ เช่น เหตุการณ์ภายนอกหรือความสนใจของผู้ใช้รายอื่น เว็บไซต์และแอปจำเป็นต้องปรับแต่งคำแนะนำให้เหมาะกับความสนใจที่เปลี่ยนแปลงเหล่านี้เพื่อปรับปรุงการมีส่วนร่วมของผู้ใช้ ด้วย Trending-Now คุณสามารถแสดงรายการจากแคตตาล็อกของคุณที่กำลังได้รับความนิยมด้วยความเร็วที่สูงกว่ารายการอื่นๆ เช่น ข่าวที่กำลังมาแรง เนื้อหาโซเชียลยอดนิยม หรือภาพยนตร์ที่เพิ่งออกใหม่ Amazon Personalize มองหารายการที่ได้รับความนิยมเพิ่มขึ้นในอัตราที่เร็วกว่ารายการแคตตาล็อกอื่นๆ เพื่อช่วยให้ผู้ใช้ค้นพบรายการที่ดึงดูดใจเพื่อนร่วมงาน Amazon Personalize ยังให้คุณกำหนดระยะเวลาที่จะคำนวณแนวโน้มตามบริบททางธุรกิจที่ไม่ซ้ำกัน โดยมีตัวเลือกสำหรับทุกๆ 30 นาที 1 ชั่วโมง 3 ชั่วโมง หรือ 1 วัน ตามข้อมูลการโต้ตอบล่าสุดจากผู้ใช้
ในโพสต์นี้ เราจะแสดงวิธีใช้สูตรอาหารใหม่นี้เพื่อแนะนำสินค้ายอดนิยมแก่ผู้ใช้ของคุณ
ภาพรวมโซลูชัน
Trending-Now ระบุรายการที่มีแนวโน้มสูงสุดโดยการคำนวณการเพิ่มขึ้นของการโต้ตอบที่แต่ละรายการมีในช่วงเวลาที่กำหนดได้ รายการที่มีอัตราการเพิ่มสูงสุดถือเป็นรายการที่ได้รับความนิยม เวลาขึ้นอยู่กับข้อมูลการประทับเวลาในชุดข้อมูลการโต้ตอบของคุณ คุณสามารถระบุช่วงเวลาโดยระบุความถี่ในการค้นหาเทรนด์เมื่อคุณสร้างโซลูชันของคุณ
สูตร Trending-Now ต้องใช้ชุดข้อมูลการโต้ตอบ ซึ่งมีบันทึกของผู้ใช้แต่ละรายและเหตุการณ์ของสินค้า (เช่น การคลิก การรับชม หรือการซื้อ) บนเว็บไซต์หรือแอปของคุณพร้อมกับการประทับเวลาของเหตุการณ์ คุณสามารถใช้พารามิเตอร์ ความถี่ในการค้นพบเทรนด์ เพื่อกำหนดช่วงเวลาที่มีการคำนวณและรีเฟรชแนวโน้ม ตัวอย่างเช่น หากคุณมีเว็บไซต์ที่มีการเข้าชมสูงและมีแนวโน้มที่เปลี่ยนแปลงอย่างรวดเร็ว คุณสามารถระบุ 30 นาทีเป็นความถี่ในการค้นหาเทรนด์ได้ ทุกๆ 30 นาที Amazon Personalize จะพิจารณาการโต้ตอบที่นำเข้าสำเร็จและรีเฟรชรายการที่ได้รับความนิยม สูตรนี้ยังช่วยให้คุณสามารถจับภาพและแสดงเนื้อหาใหม่ ๆ ที่ได้รับการแนะนำในช่วง 30 นาทีที่ผ่านมา และได้รับความสนใจจากฐานผู้ใช้ของคุณในระดับที่สูงกว่ารายการแคตตาล็อกใด ๆ ที่มีอยู่ก่อนหน้านี้ สำหรับค่าพารามิเตอร์ใดๆ ที่มากกว่า 2 ชั่วโมง Amazon Personalize จะรีเฟรชคำแนะนำรายการที่มีแนวโน้มโดยอัตโนมัติทุกๆ 2 ชั่วโมงเพื่อพิจารณาการโต้ตอบใหม่และรายการใหม่
ชุดข้อมูลที่มีการเข้าชมต่ำแต่ใช้ค่า 30 นาทีอาจเห็นความแม่นยำของคำแนะนำต่ำ เนื่องจากข้อมูลการโต้ตอบกระจัดกระจายหรือขาดหายไป สูตร Trending-Now กำหนดให้คุณระบุข้อมูลการโต้ตอบสำหรับช่วงเวลาที่ผ่านมาอย่างน้อยสองช่วงเวลา (ช่วงเวลานี้คือความถี่ในการค้นพบเทรนด์ที่คุณต้องการ) หากไม่มีข้อมูลการโต้ตอบใน 2 ช่วงเวลาที่ผ่านมา Amazon Personalize จะแทนที่รายการที่ได้รับความนิยมด้วยรายการยอดนิยมจนกว่าจะมีข้อมูลขั้นต่ำที่จำเป็น
สูตรที่กำลังมาแรงตอนนี้พร้อมใช้งานสำหรับทั้งกลุ่มชุดข้อมูลที่กำหนดเองและกลุ่มชุดข้อมูลโดเมนวิดีโอตามความต้องการ ในโพสต์นี้ เราจะสาธิตวิธีปรับแต่งคำแนะนำของคุณสำหรับแนวโน้มที่เปลี่ยนแปลงอย่างรวดเร็วในความสนใจของผู้ใช้ด้วยฟีเจอร์ Trending-Now ใหม่นี้สำหรับกรณีการใช้สื่อที่มีกลุ่มชุดข้อมูลที่กำหนดเอง ไดอะแกรมต่อไปนี้แสดงเวิร์กโฟลว์โซลูชัน
ตัวอย่างเช่น ในแอปพลิเคชันวิดีโอออนดีมานด์ คุณสามารถใช้คุณสมบัตินี้เพื่อแสดงว่าภาพยนตร์ใดกำลังเป็นกระแสในช่วง 1 ชั่วโมงที่ผ่านมา โดยระบุ 1 ชั่วโมงสำหรับความถี่ในการค้นหาเทรนด์ของคุณ สำหรับข้อมูลทุกๆ 1 ชั่วโมง Amazon Personalize จะระบุรายการที่มีอัตราการโต้ตอบเพิ่มขึ้นมากที่สุดนับตั้งแต่การประเมินครั้งล่าสุด ความถี่ที่ใช้ได้ ได้แก่ 30 นาที 1 ชั่วโมง 3 ชั่วโมง และ 1 วัน
เบื้องต้น
หากต้องการใช้สูตร Trending-Now คุณต้องตั้งค่าทรัพยากร Amazon Personalize บนคอนโซล Amazon Personalize ก่อน สร้างกลุ่มชุดข้อมูล นำเข้าข้อมูล ฝึกเวอร์ชันโซลูชัน และปรับใช้แคมเปญ สำหรับคำแนะนำทั้งหมด โปรดดูที่ หากคุณยังไม่ได้เปิดบัญชี IQ Option คลิ๊กที่นี่ กรอกรายละเอียดของคุณและมันจะนำไปยังหน้าเพจที่คล้ายด้านล่างนี้ .
สำหรับโพสต์นี้ เราได้ปฏิบัติตามแนวทางคอนโซลเพื่อปรับใช้แคมเปญโดยใช้สูตรใหม่ที่กำลังมาแรงในขณะนี้ หรืออีกวิธีหนึ่ง คุณสามารถสร้างโซลูชันทั้งหมดโดยใช้แนวทาง SDK ที่มีให้ สมุดบันทึก. สำหรับทั้งสองแนวทาง เราใช้ ชุดข้อมูลสาธารณะของ MovieLens.
เตรียมชุดข้อมูล
ทำตามขั้นตอนต่อไปนี้เพื่อเตรียมชุดข้อมูลของคุณ:
- สร้างกลุ่มชุดข้อมูล.
- สร้างชุดข้อมูลการโต้ตอบโดยใช้สิ่งต่อไปนี้ คี:
- นำเข้าข้อมูลการโต้ตอบ ถึง Amazon ปรับแต่งจาก บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (อเมซอน เอส3).
สำหรับข้อมูลการโต้ตอบ เราใช้ประวัติการให้คะแนนจากชุดข้อมูลบทวิจารณ์ภาพยนตร์ MovieLens
โปรดใช้รหัสหลามด้านล่างเพื่อจัดการชุดข้อมูลการโต้ตอบจากชุดข้อมูลสาธารณะของ MovieLens
พื้นที่ MovieLens
ชุดข้อมูลประกอบด้วย user_id
, rating
, item_id
การโต้ตอบระหว่างผู้ใช้และรายการ และเวลาที่การโต้ตอบนี้เกิดขึ้น (การประทับเวลาซึ่งกำหนดเป็นเวลา UNIX epoch) ชุดข้อมูลยังมีข้อมูลชื่อภาพยนตร์เพื่อจับคู่รหัสภาพยนตร์กับชื่อเรื่องและประเภทจริง ตารางต่อไปนี้เป็นตัวอย่างของชุดข้อมูล
USER_ID | ITEM_ID | การประทับเวลา | TITLE | แนวเพลง |
116927 | 1101 | 1105210919 | ท็อปกัน (1986) | แอคชั่น|โรแมนติก |
158267 | 719 | 974847063 | หลายหลาก (1996) | ความขบขัน |
55098 | 186871 | 1526204585 | รักษา (2017) | สารคดี |
159290 | 59315 | 1485663555 | ไอรอนแมน (2008) | แอคชั่น|ผจญภัย|ไซไฟ |
108844 | 34319 | 1428229516 | เกาะ เดอะ (2005) | แอคชั่น|ไซไฟ|ทริลเลอร์ |
85390 | 2916 | 953264936 | รวมถึง (1990) | แอ็คชั่น | ผจญภัย | Sci-Fi | เขย่าขวัญ |
103930 | 18 | 839915700 | สี่ห้อง (1995) | ความขบขัน |
104176 | 1735 | 985295513 | ความคาดหวังที่ยิ่งใหญ่ (1998) | ดราม่า|โรแมนติก |
97523 | 1304 | 1158428003 | Butch Cassidy และ Sundance Kid (1969) | การกระทำ|ตะวันตก |
87619 | 6365 | 1066077797 | เมทริกซ์โหลดใหม่ The (2003) | แอ็คชั่น | ผจญภัย | Sci-Fi | ระทึกขวัญ | IMAX |
ชุดข้อมูลที่รวบรวมไว้ประกอบด้วย USER_ID
, ITEM_ID
(รหัสภาพยนตร์), และ TIMESTAMP
เพื่อฝึกโมเดล Amazon Personalize ช่องเหล่านี้เป็นช่องที่จำเป็นในการฝึกโมเดลด้วยสูตร Trending-Now ตารางต่อไปนี้เป็นตัวอย่างของชุดข้อมูลที่รวบรวมไว้
USER_ID | ITEM_ID | การประทับเวลา |
48953 | 529 | 841223587 |
23069 | 1748 | 1092352526 |
117521 | 26285 | 1231959564 |
18774 | 457 | 848840461 |
58018 | 179819 | 1515032190 |
9685 | 79132 | 1462582799 |
41304 | 6650 | 1516310539 |
152634 | 2560 | 1113843031 |
57332 | 3387 | 986506413 |
12857 | 6787 | 1356651687 |
ฝึกนางแบบ
หลังจากงานนำเข้าชุดข้อมูลเสร็จสิ้น คุณก็พร้อมที่จะฝึกโมเดลของคุณ
- เกี่ยวกับ โซลูชัน เลือกแท็บ สร้างโซลูชัน.
- เลือก
new aws-trending-now
สูตรอาหาร. - ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร การกำหนดค่าขั้นสูง ส่วนชุด ความถี่ในการค้นพบเทรนด์ ถึง 30 นาที
- Choose สร้างโซลูชัน เพื่อเริ่มการฝึก
สร้างแคมเปญ
ใน Amazon Personalize คุณใช้แคมเปญเพื่อให้คำแนะนำแก่ผู้ใช้ของคุณ ในขั้นตอนนี้ คุณจะสร้างแคมเปญโดยใช้โซลูชันที่คุณสร้างในขั้นตอนก่อนหน้า และรับคำแนะนำที่กำลังมาแรง:
- เกี่ยวกับ แคมเปญ เลือกแท็บ สร้างแคมเปญ.
- สำหรับ ชื่อแคมเปญ, ป้อนชื่อ
- สำหรับ Solutionให้เลือกวิธีแก้ปัญหา
trending-now-solution
. - สำหรับ ID เวอร์ชันโซลูชัน, เลือกเวอร์ชันโซลูชันที่ใช้
aws-trending-now
สูตรอาหาร. - สำหรับ การทำธุรกรรมขั้นต่ำต่อวินาทีปล่อยให้เป็นค่าเริ่มต้น
- Choose สร้างแคมเปญ เพื่อเริ่มสร้างแคมเปญของคุณ
รับคำแนะนำ
หลังจากที่คุณสร้างหรืออัปเดตแคมเปญของคุณแล้ว คุณจะได้รับรายการแนะนำของสินค้าที่กำลังมาแรง โดยเรียงลำดับจากสูงสุดไปต่ำสุด ในแคมเปญ (trending-now-campaign
) API ส่วนบุคคล เลือกแท็บ รับคำแนะนำ.
ภาพหน้าจอต่อไปนี้แสดงหน้ารายละเอียดแคมเปญพร้อมผลลัพธ์จากa GetRecommendations
การโทรที่มีรายการที่แนะนำและ ID คำแนะนำ
ผลลัพธ์จาก GetRecommendations
การโทรรวมถึง ID ของรายการที่แนะนำ ตารางต่อไปนี้เป็นตัวอย่างหลังจากแมป ID กับชื่อภาพยนตร์จริงเพื่อให้อ่านง่าย รหัสเพื่อทำการแมปมีอยู่ในสมุดบันทึกที่แนบมาด้วย
ITEM_ID | TITLE |
356 | Forrest Gump (1994) |
318 | การไถ่ถอน Shawshank, The (1994) |
58559 | อัศวินรัตติกาล (2008) |
33794 | แบทแมนเริ่มต้น (2005) |
44191 | V สำหรับ Vendetta (2006) |
48516 | จากไป, The (2006) |
195159 | Spider-Man: สู่ Spider-Verse (2018) |
122914 | เวนเจอร์ส: Infinity War – ตอนที่ II (2019) |
91974 | อันเดอร์เวิลด์: การตื่นขึ้น (2012) |
204698 | โจ๊กเกอร์ (2019) |
รับคำแนะนำที่ได้รับความนิยม
หลังจากที่คุณสร้างเวอร์ชันโซลูชันโดยใช้ aws-trending-now
ตามสูตร Amazon Personalize จะระบุรายการที่มีแนวโน้มสูงสุดโดยการคำนวณการเพิ่มขึ้นของการโต้ตอบที่แต่ละรายการมีในช่วงเวลาที่กำหนดได้ รายการที่มีอัตราการเพิ่มสูงสุดถือเป็นรายการที่ได้รับความนิยม เวลาขึ้นอยู่กับข้อมูลการประทับเวลาในชุดข้อมูลการโต้ตอบของคุณ
ตอนนี้ เรามาจัดเตรียมการโต้ตอบล่าสุดกับ Amazon Personalize เพื่อคำนวณรายการที่มีแนวโน้ม เราสามารถให้การโต้ตอบล่าสุดโดยใช้การส่งผ่านแบบเรียลไทม์โดยการสร้าง ตัวติดตามเหตุการณ์ หรือผ่านการอัปโหลดข้อมูลจำนวนมากด้วยงานนำเข้าชุดข้อมูลในโหมดส่วนเพิ่ม ในสมุดบันทึก เราได้เตรียมโค้ดตัวอย่างเพื่อนำเข้าข้อมูลการโต้ตอบแบบเรียลไทม์ล่าสุดทีละรายการไปยัง Amazon Personalize โดยใช้ตัวติดตามเหตุการณ์
สำหรับโพสต์นี้ เราจะให้การโต้ตอบล่าสุดเป็นการอัปโหลดข้อมูลจำนวนมากด้วยงานนำเข้าชุดข้อมูลในโหมดส่วนเพิ่ม โปรดใช้รหัสหลามด้านล่างเพื่อสร้างการโต้ตอบที่เพิ่มขึ้นจำลอง และอัปโหลดข้อมูลการโต้ตอบที่เพิ่มขึ้นโดยใช้งานนำเข้าชุดข้อมูล
เราได้สร้างการโต้ตอบเหล่านี้โดยการสุ่มเลือกค่าสองสามค่า USER_ID
และ ITEM_ID
และสร้างการโต้ตอบระหว่างผู้ใช้เหล่านั้นกับรายการที่มีการประทับเวลาล่าสุด ตารางต่อไปนี้มีการสุ่มเลือก ITEM_ID
ค่าที่ใช้สำหรับสร้างการโต้ตอบที่เพิ่มขึ้น
ITEM_ID | TITLE |
153 | แบทแมนตลอดกาล (1995) |
260 | Star Wars: Episode IV - ความหวังใหม่ (1977) |
1792 | จอมพลสหรัฐ (1998) |
2363 | ก็อดซิลล่า (โกจิระ) (1954) |
2407 | โคคูน (1985) |
2459 | การสังหารหมู่ที่ Texas Chainsaw, The (1974) |
3948 | พบกับผู้ปกครอง (2000) |
6539 | ไพเรทส์ออฟเดอะแคริบเบียน: คำสาปแห่งบลา… |
8961 | Incredibles, (2004) |
61248 | การแข่งขันแห่งความตาย (2008) |
อัปโหลดข้อมูลการโต้ตอบที่เพิ่มขึ้น โดยการเลือก ผนวกเข้ากับชุดข้อมูลปัจจุบัน (หรือใช้โหมดส่วนเพิ่มหากใช้ API) ดังที่แสดงในภาพรวมต่อไปนี้
หลังจากงานนำเข้าของชุดข้อมูลการโต้ตอบที่เพิ่มขึ้นเสร็จสมบูรณ์ ให้รอระยะเวลาความถี่ของการค้นพบแนวโน้มที่คุณกำหนดค่าเพื่อให้คำแนะนำใหม่มีผล
Choose รับคำแนะนำ ในหน้า API ของแคมเปญเพื่อรับรายการแนะนำล่าสุดของรายการที่กำลังได้รับความนิยม
ตอนนี้เราเห็นรายการแนะนำล่าสุด ตารางต่อไปนี้ประกอบด้วยข้อมูลหลังจากแมป ID กับชื่อภาพยนตร์จริงเพื่อให้สามารถอ่านได้ รหัสเพื่อทำการแมปมีอยู่ในสมุดบันทึกที่แนบมาด้วย
ITEM_ID | TITLE |
260 | Star Wars: Episode IV - ความหวังใหม่ (1977) |
6539 | ไพเรทส์ออฟเดอะแคริบเบียน: คำสาปแห่งบลา… |
153 | แบทแมนตลอดกาล (1995) |
3948 | พบกับผู้ปกครอง (2000) |
1792 | จอมพลสหรัฐ (1998) |
2459 | การสังหารหมู่ที่ Texas Chainsaw, The (1974) |
2363 | ก็อดซิลล่า (โกจิระ) (1954) |
61248 | การแข่งขันแห่งความตาย (2008) |
8961 | Incredibles, (2004) |
2407 | โคคูน (1985) |
ก่อนหน้านี้ GetRecommendations
การโทรรวมถึง ID ของรายการที่แนะนำ ตอนนี้เราเห็น ITEM_ID
ค่าที่แนะนำมาจากชุดข้อมูลการโต้ตอบที่เพิ่มขึ้นซึ่งเราได้จัดเตรียมให้กับโมเดล Amazon Personalize ไม่น่าแปลกใจเพราะสิ่งเหล่านี้เป็นรายการเดียวที่ได้รับการโต้ตอบในช่วง 30 นาทีล่าสุดจากชุดข้อมูลสังเคราะห์ของเรา
ตอนนี้คุณได้ฝึกโมเดล Trending-Now เรียบร้อยแล้วเพื่อสร้างคำแนะนำรายการที่กำลังเป็นที่นิยมในหมู่ผู้ใช้ของคุณ และปรับแต่งคำแนะนำตามความสนใจของผู้ใช้ จากนี้ไป คุณสามารถปรับโค้ดนี้เพื่อสร้างผู้แนะนำอื่นๆ ได้
คุณยังสามารถใช้ ฟิลเตอร์ พร้อมด้วยสูตร Trending-Now เพื่อแยกเทรนด์ระหว่างเนื้อหาประเภทต่างๆ เช่น วิดีโอขนาดยาวกับวิดีโอสั้น หรือนำไปใช้ ตัวกรองส่งเสริมการขาย เพื่อแนะนำรายการเฉพาะอย่างชัดเจนตามกฎที่สอดคล้องกับเป้าหมายธุรกิจของคุณ
ทำความสะอาด
ตรวจสอบให้แน่ใจว่าคุณได้ล้างทรัพยากรที่ไม่ได้ใช้ที่คุณสร้างขึ้นในบัญชีของคุณในขณะที่ทำตามขั้นตอนที่อธิบายไว้ในโพสต์นี้ คุณสามารถลบตัวกรอง ผู้แนะนำ ชุดข้อมูล และกลุ่มชุดข้อมูลผ่านทาง คอนโซลการจัดการ AWS หรือใช้ Python SDK
สรุป
ใหม่ aws-trending-now
สูตรอาหารจาก Amazon Personalize ช่วยให้คุณระบุรายการที่กำลังเป็นที่นิยมอย่างรวดเร็วในหมู่ผู้ใช้ของคุณ และปรับแต่งคำแนะนำของคุณสำหรับแนวโน้มที่เปลี่ยนแปลงอย่างรวดเร็วในความสนใจของผู้ใช้
สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ Amazon Personalize โปรดดูที่ คู่มือ Amazon Personalize Developer.
เกี่ยวกับผู้แต่ง
วัมชี กฤษณะ เอนาโบธาลา เป็น Sr. Applied AI Specialist Architect ที่ AWS เขาทำงานร่วมกับลูกค้าจากภาคส่วนต่างๆ เพื่อเร่งความเร็วของข้อมูลที่มีผลกระทบสูง การวิเคราะห์ และการเรียนรู้ของเครื่อง เขาหลงใหลเกี่ยวกับระบบคำแนะนำ, NLP และด้านคอมพิวเตอร์วิทัศน์ใน AI และ ML นอกเวลางาน Vamshi เป็นผู้ที่ชื่นชอบ RC สร้างอุปกรณ์ RC (เครื่องบิน รถยนต์ และโดรน) และยังชอบทำสวนอีกด้วย
อัญชิต คุปตะ เป็นผู้จัดการผลิตภัณฑ์อาวุโสของ Amazon Personalize เธอมุ่งเน้นที่การนำเสนอผลิตภัณฑ์ที่ช่วยให้สร้างโซลูชันแมชชีนเลิร์นนิงได้ง่ายขึ้น ในเวลาว่าง เธอชอบทำอาหาร เล่นบอร์ด/การ์ดเกม และอ่านหนังสือ
อภิสิทธิ์ มังกัล เป็นวิศวกรซอฟต์แวร์สำหรับ Amazon Personalize และทำงานเกี่ยวกับการออกแบบระบบซอฟต์แวร์เพื่อให้บริการลูกค้าในวงกว้าง ในเวลาว่าง เขาชอบดูอนิเมะและเชื่อว่า 'วันพีซ' คือผลงานการเล่าเรื่องที่ยิ่งใหญ่ที่สุดในประวัติศาสตร์ที่ผ่านมา
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/recommend-top-trending-items-to-your-users-using-the-new-amazon-personalize-recipe/
- :เป็น
- $ ขึ้น
- 1
- 10
- 100
- 1985
- 1994
- 1996
- 1998
- 2012
- 2017
- 2018
- 2019
- 7
- a
- เกี่ยวกับเรา
- เร่งความเร็ว
- ตาม
- ลงชื่อเข้าใช้
- ความถูกต้อง
- ปรับ
- หลังจาก
- AI
- ทั้งหมด
- ช่วยให้
- อเมซอน
- ปรับแต่ง Amazon
- ในหมู่
- การวิเคราะห์
- และ
- อะนิเมะ
- ประกาศ
- API
- APIs
- app
- การใช้งาน
- ประยุกต์
- AI ประยุกต์
- ใช้
- เข้าใกล้
- วิธีการ
- ปพลิเคชัน
- เป็น
- พื้นที่
- AS
- At
- อัตโนมัติ
- ใช้ได้
- AWS
- ฐาน
- ตาม
- BE
- เพราะ
- สมควร
- เชื่อ
- ด้านล่าง
- ระหว่าง
- สร้าง
- การก่อสร้าง
- ธุรกิจ
- by
- คำนวณ
- คำนวณ
- การคํานวณ
- โทรศัพท์
- รณรงค์
- แคมเปญ
- CAN
- สามารถรับ
- ความสามารถในการ
- จับ
- แคริบเบียน
- รถยนต์
- กรณี
- แค็ตตาล็อก
- เปลี่ยนแปลง
- เปลี่ยนแปลง
- Choose
- รหัส
- คอลัมน์
- COM
- สมบูรณ์
- คอมพิวเตอร์
- วิสัยทัศน์คอมพิวเตอร์
- ถือว่า
- ปลอบใจ
- มี
- เนื้อหา
- สิ่งแวดล้อม
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- วิกฤติ
- curated
- ปัจจุบัน
- คำสาป
- ประเพณี
- ลูกค้า
- การมีส่วนร่วมของลูกค้า
- ลูกค้า
- ข้อมูล
- ชุดข้อมูล
- วันเวลา
- วัน
- ค่าเริ่มต้น
- องศา
- ส่งมอบ
- การส่งมอบ
- สาธิต
- ทั้งนี้ขึ้นอยู่กับ
- ปรับใช้
- ที่ต้องการ
- รายละเอียด
- ผู้พัฒนา
- นักพัฒนา
- ต่าง
- แยก
- ค้นพบ
- การค้นพบ
- ไม่
- โดเมน
- โดรน
- แต่ละ
- ง่ายดาย
- อย่างง่ายดาย
- ช่วยให้
- ที่มีการเข้ารหัส
- มีส่วนร่วม
- น่าสนใจ
- วิศวกร
- เข้าสู่
- คนที่กระตือรือร้น
- ทั้งหมด
- ยุค
- อุปกรณ์
- การประเมินผล
- เหตุการณ์
- เหตุการณ์
- ทุกๆ
- ตัวอย่าง
- ตื่นเต้น
- ความคาดหวัง
- ประสบการณ์
- ประสบการณ์
- ภายนอก
- ปัจจัย
- เร็วขึ้น
- ที่เร็วที่สุด
- ลักษณะ
- สองสาม
- สาขา
- ฟิลเตอร์
- ชื่อจริง
- มุ่งเน้นไปที่
- ตาม
- ดังต่อไปนี้
- สำหรับ
- ตลอดไป
- ข้างหน้า
- เวลา
- ราคาเริ่มต้นที่
- เต็ม
- อย่างเต็มที่
- ดึงดูด
- เกม
- สร้าง
- สร้าง
- การสร้าง
- ได้รับ
- กำหนด
- เป้าหมาย
- ไป
- มากขึ้น
- ใหญ่ที่สุด
- บัญชีกลุ่ม
- กลุ่ม
- มี
- ช่วย
- จะช่วยให้
- จุดสูง
- สูงกว่า
- ที่สูงที่สุด
- ประวัติ
- ความหวัง
- ชั่วโมง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- ที่ http
- HTTPS
- i
- ID
- ระบุ
- แยกแยะ
- นำเข้า
- ปรับปรุง
- in
- ประกอบด้วย
- รวมถึง
- เพิ่ม
- เป็นรายบุคคล
- เป็นรายบุคคล
- ความไม่มีที่สิ้นสุด
- ข้อมูล
- ความคิดริเริ่ม
- คำแนะนำการใช้
- ปฏิสัมพันธ์
- ปฏิสัมพันธ์
- อยากเรียนรู้
- ผลประโยชน์
- แนะนำ
- IT
- รายการ
- การสัมภาษณ์
- jpg
- เด็ก
- อัศวิน
- ชื่อสกุล
- ล่าสุด
- การเรียนรู้
- ทิ้ง
- ความยาว
- กดไลก์
- รายการ
- นาน
- LOOKS
- ต่ำ
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- ทำให้
- มนุษย์
- การจัดการ
- การจัดการ
- ผู้จัดการ
- จำเป็น
- แผนที่
- การทำแผนที่
- การตลาด
- ภาพบรรยากาศ
- ขั้นต่ำ
- นาที
- หายไป
- ML
- โหมด
- แบบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- หนัง
- Movies
- ชื่อ
- จำเป็นต้อง
- ใหม่
- ข่าว
- NLP
- สมุดบันทึก
- of
- on
- Options
- อื่นๆ
- ที่ระบุไว้
- ด้านนอก
- ก้าว
- หน้า
- หมีแพนด้า
- พารามิเตอร์
- พ่อแม่
- ส่วนหนึ่ง
- หลงใหล
- อดีต
- ดำเนินการ
- ระยะเวลา
- งวด
- ส่วนบุคคล
- ปรับแต่ง
- ส่วนบุคคล
- ชิ้น
- สถานที่
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- กรุณา
- น่าสงสาร
- ยอดนิยม
- ความนิยม
- โพสต์
- powering
- เตรียมการ
- ก่อน
- ก่อน
- ส่วนตัว
- ผลิตภัณฑ์
- ผู้จัดการผลิตภัณฑ์
- ผลิตภัณฑ์
- ให้
- ให้
- การให้
- สาธารณะ
- การซื้อสินค้า
- หลาม
- เชื่อชาติ
- สุ่ม
- อย่างรวดเร็ว
- คะแนน
- อันดับ
- การให้คะแนน
- การอ่าน
- พร้อม
- เรียลไทม์
- เมื่อเร็ว ๆ นี้
- สูตร
- แนะนำ
- แนะนำ
- แนะนำ
- แนะนำ
- ระเบียน
- การไถ่ถอน
- สะท้อนให้เห็นถึง
- การเผยแพร่
- แทนที่
- จำเป็นต้องใช้
- ต้อง
- แหล่งข้อมูล
- ผลสอบ
- ทบทวน
- ที่เพิ่มขึ้น
- ห้องพัก
- กฎระเบียบ
- s
- ขนาด
- SDK
- Section
- ภาค
- ปลอดภัย
- เลือก
- การเลือก
- ระดับอาวุโส
- ให้บริการ
- บริการ
- ชุด
- สั้น
- โชว์
- แสดง
- แสดงให้เห็นว่า
- ง่าย
- ตั้งแต่
- ภาพย่อ
- สังคม
- ซอฟต์แวร์
- วิศวกรซอฟต์แวร์
- ทางออก
- โซลูชัน
- บาง
- ซับซ้อน
- ผู้เชี่ยวชาญ
- โดยเฉพาะ
- เริ่มต้น
- ข้อความที่เริ่ม
- ขั้นตอน
- ขั้นตอน
- การเก็บรักษา
- เชือก
- ประสบความสำเร็จ
- อย่างเช่น
- พื้นผิว
- น่าแปลกใจ
- สังเคราะห์
- สังเคราะห์
- ระบบ
- ตาราง
- เป้าหมาย
- ที่
- พื้นที่
- ของพวกเขา
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- ตลอด
- เวลา
- การประทับเวลา
- ชื่อหนังสือ
- ชื่อ
- ไปยัง
- ด้านบน
- การจราจร
- รถไฟ
- ผ่านการฝึกอบรม
- การฝึกอบรม
- การทำธุรกรรม
- เทรนด์
- แนวโน้ม
- ข่าวมาแรง
- แนวโน้ม
- ชนิด
- เป็นเอกลักษณ์
- ยูนิกซ์
- ไม่ได้ใช้
- บันทึก
- ใช้
- ใช้กรณี
- ผู้ใช้งาน
- ผู้ใช้
- ความคุ้มค่า
- ความคุ้มค่า
- ความหลากหลาย
- ความเร็ว
- รุ่น
- ผ่านทาง
- วิดีโอ
- วิสัยทัศน์
- vs
- รอ
- สงคราม
- นาฬิกา
- นาฬิกา
- Website
- เว็บไซต์
- ดี
- อะไร
- ที่
- ในขณะที่
- จะ
- กับ
- ไม่มี
- งาน
- โรงงาน
- คุณ
- ของคุณ
- ลมทะเล
- รหัสไปรษณีย์