ระดับกลาง (200) - Plato Data Intelligence

Implementing Amazon Forecast in the retail industry: A journey from POC to production Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

การใช้ Amazon Forecast ในอุตสาหกรรมค้าปลีก: การเดินทางจาก POC สู่การผลิต

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1760498

ประทับเวลา: พฤศจิกายน 22, 2022

Real-time analysis of customer sentiment using AWS Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

การวิเคราะห์ความรู้สึกของลูกค้าตามเวลาจริงโดยใช้ AWS

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1762149

ประทับเวลา: พฤศจิกายน 22, 2022

Easy and accurate forecasting with AutoGluon-TimeSeries Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

การคาดการณ์ที่ง่ายและแม่นยำด้วย AutoGluon-TimeSeries

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1757850

ประทับเวลา: พฤศจิกายน 18, 2022

Build high performing image classification models using Amazon SageMaker JumpStart Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

สร้างโมเดลการจัดหมวดหมู่ภาพที่มีประสิทธิภาพสูงโดยใช้ Amazon SageMaker JumpStart

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1759135

ประทับเวลา: พฤศจิกายน 17, 2022

Malware detection and classification with Amazon Rekognition Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

การตรวจจับและจำแนกมัลแวร์ด้วย Amazon Rekognition

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1758638

ประทับเวลา: พฤศจิกายน 16, 2022

Get more control of your Amazon SageMaker Data Wrangler workloads with parameterized datasets and scheduled jobs Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

ควบคุมปริมาณงาน Amazon SageMaker Data Wrangler ได้มากขึ้นด้วยชุดข้อมูลที่กำหนดพารามิเตอร์และงานตามกำหนดเวลา

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1756083

ประทับเวลา: พฤศจิกายน 15, 2022

Refit trained parameters on large datasets using Amazon SageMaker Data Wrangler Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

ปรับแต่งพารามิเตอร์ที่ผ่านการฝึกอบรมในชุดข้อมูลขนาดใหญ่โดยใช้ Amazon SageMaker Data Wrangler

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1755503

ประทับเวลา: พฤศจิกายน 14, 2022

Amazon SageMaker Studio Lab ยังคงทำให้ ML เป็นประชาธิปไตยด้วยขนาดและฟังก์ชันที่มากขึ้น

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1753951

ประทับเวลา: พฤศจิกายน 11, 2022

Identifying and avoiding common data issues while building no code ML models with Amazon SageMaker Canvas Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

การระบุและหลีกเลี่ยงปัญหาข้อมูลทั่วไปในขณะที่ไม่มีการสร้างโมเดล ML แบบใช้โค้ดด้วย Amazon SageMaker Canvas

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1753344

ประทับเวลา: พฤศจิกายน 10, 2022

Intelligent document processing with AWS AI services in the insurance industry: Part 1 Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

การประมวลผลเอกสารอัจฉริยะด้วยบริการ AWS AI ในอุตสาหกรรมประกันภัย: ตอนที่ 1

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1734953

ประทับเวลา: พฤศจิกายน 3, 2022

Reduce food waste to improve sustainability and financial results in retail with Amazon Forecast Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

ลดขยะอาหารเพื่อปรับปรุงความยั่งยืนและผลลัพธ์ทางการเงินในการค้าปลีกด้วย Amazon Forecast

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1730783

ประทับเวลา: ตุลาคม 27, 2022

Detect patterns in text data with Amazon SageMaker Data Wrangler Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

ตรวจจับรูปแบบในข้อมูลข้อความด้วย Amazon SageMaker Data Wrangler

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1728809

ประทับเวลา: ตุลาคม 24, 2022

Detect fraudulent transactions using machine learning with Amazon SageMaker Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

ตรวจจับธุรกรรมที่ฉ้อโกงโดยใช้แมชชีนเลิร์นนิงกับ Amazon SageMaker

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1726178

ประทับเวลา: ตุลาคม 19, 2022

Train a time series forecasting model faster with Amazon SageMaker Canvas Quick build Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

ฝึกโมเดลการคาดการณ์อนุกรมเวลาได้เร็วขึ้นด้วย Amazon SageMaker Canvas Quick build

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1725548

ประทับเวลา: ตุลาคม 18, 2022

Automate classification of IT service requests with an Amazon Comprehend custom classifier Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

จำแนกประเภทคำขอบริการ IT โดยอัตโนมัติด้วยตัวแยกประเภทแบบกำหนดเองของ Amazon Comprehend

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1721769

ประทับเวลา: ตุลาคม 11, 2022

Redact sensitive data from streaming data in near-real time using Amazon Comprehend and Amazon Kinesis Data Firehose Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

แก้ไขข้อมูลที่ละเอียดอ่อนจากการสตรีมข้อมูลในแบบเรียลไทม์โดยใช้ Amazon Comprehend และ Amazon Kinesis Data Firehose

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1717503

ประทับเวลา: ตุลาคม 4, 2022

Reduce the time taken to deploy your models to Amazon SageMaker for testing Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

ลดเวลาที่ใช้ในการปรับใช้โมเดลของคุณกับ Amazon SageMaker สำหรับการทดสอบ

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1697756

ประทับเวลา: กันยายน 27, 2022

Detect population variance of endangered species using Amazon Rekognition Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

ตรวจจับความแปรปรวนของประชากรของสัตว์ใกล้สูญพันธุ์โดยใช้ Amazon Rekognition

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1679577

ประทับเวลา: กันยายน 22, 2022

Amazon Comprehend Targeted Sentiment adds synchronous support Intermediate (200) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

Amazon Comprehend Targeted Sentiment เพิ่มการรองรับแบบซิงโครนัส

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1673101

ประทับเวลา: กันยายน 21, 2022

ใช้ RStudio บน Amazon SageMaker เพื่อสร้างการส่งข้อบังคับสำหรับอุตสาหกรรมชีววิทยาศาสตร์

คลัสเตอร์ต้นทาง:

AWS Machine Learning AWS

โหนดต้นทาง: 1673698

ประทับเวลา: กันยายน 20, 2022

การใช้ Amazon Forecast ในอุตสาหกรรมค้าปลีก: การเดินทางจาก POC สู่การผลิต

การวิเคราะห์ความรู้สึกของลูกค้าตามเวลาจริงโดยใช้ AWS

การคาดการณ์ที่ง่ายและแม่นยำด้วย AutoGluon-TimeSeries

สร้างโมเดลการจัดหมวดหมู่ภาพที่มีประสิทธิภาพสูงโดยใช้ Amazon SageMaker JumpStart

การตรวจจับและจำแนกมัลแวร์ด้วย Amazon Rekognition

ควบคุมปริมาณงาน Amazon SageMaker Data Wrangler ได้มากขึ้นด้วยชุดข้อมูลที่กำหนดพารามิเตอร์และงานตามกำหนดเวลา

ปรับแต่งพารามิเตอร์ที่ผ่านการฝึกอบรมในชุดข้อมูลขนาดใหญ่โดยใช้ Amazon SageMaker Data Wrangler

Amazon SageMaker Studio Lab ยังคงทำให้ ML เป็นประชาธิปไตยด้วยขนาดและฟังก์ชันที่มากขึ้น

การระบุและหลีกเลี่ยงปัญหาข้อมูลทั่วไปในขณะที่ไม่มีการสร้างโมเดล ML แบบใช้โค้ดด้วย Amazon SageMaker Canvas

การประมวลผลเอกสารอัจฉริยะด้วยบริการ AWS AI ในอุตสาหกรรมประกันภัย: ตอนที่ 1

ลดขยะอาหารเพื่อปรับปรุงความยั่งยืนและผลลัพธ์ทางการเงินในการค้าปลีกด้วย Amazon Forecast

ตรวจจับรูปแบบในข้อมูลข้อความด้วย Amazon SageMaker Data Wrangler

ตรวจจับธุรกรรมที่ฉ้อโกงโดยใช้แมชชีนเลิร์นนิงกับ Amazon SageMaker

ฝึกโมเดลการคาดการณ์อนุกรมเวลาได้เร็วขึ้นด้วย Amazon SageMaker Canvas Quick build

จำแนกประเภทคำขอบริการ IT โดยอัตโนมัติด้วยตัวแยกประเภทแบบกำหนดเองของ Amazon Comprehend

แก้ไขข้อมูลที่ละเอียดอ่อนจากการสตรีมข้อมูลในแบบเรียลไทม์โดยใช้ Amazon Comprehend และ Amazon Kinesis Data Firehose

ลดเวลาที่ใช้ในการปรับใช้โมเดลของคุณกับ Amazon SageMaker สำหรับการทดสอบ

ตรวจจับความแปรปรวนของประชากรของสัตว์ใกล้สูญพันธุ์โดยใช้ Amazon Rekognition

Amazon Comprehend Targeted Sentiment เพิ่มการรองรับแบบซิงโครนัส

ใช้ RStudio บน Amazon SageMaker เพื่อสร้างการส่งข้อบังคับสำหรับอุตสาหกรรมชีววิทยาศาสตร์

เกี่ยวกับเรา

การค้นหาแนวตั้ง & Ai

ระบบปฏิบัติการ

การติดต่อ

ลงชื่อเข้าใช้