นำ AI ของคุณเองมาใช้โดยใช้ Amazon SageMaker กับ Salesforce Data Cloud | บริการเว็บอเมซอน

โพสต์นี้ร่วมเขียนโดย Daryl Martis ผู้อำนวยการฝ่ายผลิตภัณฑ์ Salesforce Einstein AI

เรารู้สึกตื่นเต้นที่จะประกาศ อเมซอน SageMaker และการบูรณาการ Salesforce Data Cloud ด้วยความสามารถนี้ ธุรกิจต่างๆ สามารถเข้าถึงข้อมูล Salesforce ของตนได้อย่างปลอดภัยด้วยวิธี Zero Copy โดยใช้ SageMaker และใช้เครื่องมือ SageMaker เพื่อสร้าง ฝึกฝน และปรับใช้โมเดล AI จุดสิ้นสุดการอนุมานเชื่อมต่อกับ Data Cloud เพื่อขับเคลื่อนการคาดการณ์แบบเรียลไทม์ เป็นผลให้ธุรกิจสามารถเร่งเวลาออกสู่ตลาดในขณะที่รักษาความสมบูรณ์และความปลอดภัยของข้อมูล และลดภาระในการดำเนินงานในการย้ายข้อมูลจากที่หนึ่งไปยังอีกที่หนึ่ง

ขอแนะนำ Einstein Studio บน Data Cloud

Data Cloud เป็นแพลตฟอร์มข้อมูลที่ช่วยให้ธุรกิจต่างๆ ได้รับการอัปเดตข้อมูลลูกค้าแบบเรียลไทม์จากทุกจุดสัมผัส ด้วย Einstein Studio ประตูสู่เครื่องมือ AI บนแพลตฟอร์มข้อมูล ผู้ดูแลระบบและนักวิทยาศาสตร์ข้อมูลสามารถสร้างแบบจำลองได้อย่างง่ายดายด้วยการคลิกเพียงไม่กี่ครั้งหรือใช้โค้ด ประสบการณ์การนำโมเดลของคุณเอง (BYOM) ของ Einstein Studio มอบความสามารถในการเชื่อมต่อโมเดล AI แบบกำหนดเองหรือแบบสร้างจากแพลตฟอร์มภายนอก เช่น SageMaker ไปยัง Data Cloud โมเดลแบบกำหนดเองสามารถฝึกได้โดยใช้ข้อมูลจาก Salesforce Data Cloud ที่เข้าถึงได้ผ่านทาง Amazon SageMaker ข้อมูล Wrangler ขั้วต่อ ธุรกิจสามารถดำเนินการตามการคาดการณ์ของตนได้โดยการผสานรวมโมเดลที่กำหนดเองเข้ากับเวิร์กโฟลว์ของ Salesforce ได้อย่างราบรื่น ซึ่งนำไปสู่การปรับปรุงประสิทธิภาพ การตัดสินใจ และประสบการณ์ส่วนบุคคล

ประโยชน์ของการรวม SageMaker และ Data Cloud Einstein Studio

ต่อไปนี้คือวิธีที่การใช้ SageMaker กับ Einstein Studio ใน Salesforce Data Cloud สามารถช่วยเหลือธุรกิจต่างๆ ได้:

• โดยให้ความสามารถในการเชื่อมต่อโมเดล AI แบบกำหนดเองและแบบสร้างกับ Einstein Studio สำหรับกรณีการใช้งานต่างๆ เช่น การแปลงลีด การจำแนกประเภทเคส และการวิเคราะห์ความรู้สึก
• ช่วยขจัดงาน ETL (แยก แปลง และโหลด) ที่น่าเบื่อ มีค่าใช้จ่ายสูงและเกิดข้อผิดพลาดได้ง่าย วิธีการคัดลอกข้อมูลเป็นศูนย์จะช่วยลดค่าใช้จ่ายในการจัดการสำเนาข้อมูล ลดต้นทุนการจัดเก็บ และปรับปรุงประสิทธิภาพ
• ช่วยให้สามารถเข้าถึงข้อมูลแบบเรียลไทม์ที่ได้รับการดูแลจัดการอย่างสอดคล้องกันทั่วทั้ง Customer 360 ซึ่งนำไปสู่โมเดลผู้เชี่ยวชาญที่ให้การคาดการณ์ที่ชาญฉลาดและข้อมูลเชิงลึกทางธุรกิจมากขึ้น
• ช่วยลดความยุ่งยากในการใช้ผลลัพธ์จากกระบวนการทางธุรกิจและขับเคลื่อนมูลค่าโดยไม่ต้องมีเวลาแฝง ตัวอย่างเช่น คุณสามารถใช้เวิร์กโฟลว์อัตโนมัติที่สามารถปรับเปลี่ยนได้ในทันทีตามข้อมูลใหม่
• ช่วยอำนวยความสะดวกในการดำเนินงานโมเดล SageMaker และการอนุมานใน Salesforce

ต่อไปนี้คือตัวอย่างวิธีดำเนินการโมเดล SageMaker โดยใช้ การไหลของ Salesforce.

การบูรณาการ SageMaker

SageMaker เป็นบริการที่มีการจัดการเต็มรูปแบบเพื่อจัดเตรียมข้อมูลและสร้าง ฝึกอบรม และปรับใช้โมเดลการเรียนรู้ของเครื่อง (ML) สำหรับกรณีการใช้งานใดๆ ด้วยโครงสร้างพื้นฐาน เครื่องมือ และเวิร์กโฟลว์ที่มีการจัดการเต็มรูปแบบ

เพื่อปรับปรุงการบูรณาการ SageMaker และ Salesforce Data Cloud เราขอแนะนำความสามารถใหม่สองประการใน SageMaker:

• ตัวเชื่อมต่อ SageMaker Data Wrangler Salesforce Data Cloud – ด้วยตัวเชื่อมต่อ SageMaker Data Wrangler Salesforce Data Cloud ที่เพิ่งเปิดตัว ผู้ดูแลระบบสามารถกำหนดค่าการเชื่อมต่อกับ Salesforce ล่วงหน้า เพื่อให้นักวิเคราะห์ข้อมูลและนักวิทยาศาสตร์ข้อมูลสามารถเข้าถึงข้อมูล Salesforce ได้อย่างรวดเร็วแบบเรียลไทม์ และสร้างฟีเจอร์สำหรับ ML ซึ่งจะช่วยให้ผู้ใช้สามารถเข้าถึง Salesforce Data Cloud ได้อย่างปลอดภัยโดยใช้ OAuth คุณสามารถแสดงภาพ วิเคราะห์ และแปลงข้อมูลเชิงโต้ตอบโดยใช้พลังของ Spark โดยไม่ต้องเขียนโค้ดใดๆ โดยใช้คุณสมบัติการเตรียมข้อมูลภาพแบบ low-code ของ Salesforce Data Wrangler คุณยังสามารถปรับขนาดเพื่อประมวลผลชุดข้อมูลขนาดใหญ่ด้วยงานการประมวลผลของ SageMaker ฝึกโหมด ML โดยอัตโนมัติโดยใช้ ระบบนำร่องอัตโนมัติของ Amazon SageMakerและผสานรวมกับไปป์ไลน์การอนุมานของ SageMaker เพื่อปรับใช้โฟลว์ข้อมูลเดียวกันกับการผลิตด้วยจุดสิ้นสุดการอนุมานเพื่อประมวลผลข้อมูลแบบเรียลไทม์หรือเป็นกลุ่มสำหรับการอนุมาน

• เทมเพลตโปรเจ็กต์ SageMaker สำหรับ Salesforce – เราเปิดตัวก โครงการ SageMaker เทมเพลตสำหรับ Salesforce ที่คุณสามารถใช้เพื่อปรับใช้ตำแหน่งข้อมูลสำหรับโมเดลภาษาดั้งเดิมและภาษาขนาดใหญ่ (LLM) และเปิดเผยตำแหน่งข้อมูล SageMaker เป็น API โดยอัตโนมัติ SageMaker Projects มอบวิธีที่ตรงไปตรงมาในการตั้งค่าและสร้างมาตรฐานสภาพแวดล้อมการพัฒนาสำหรับนักวิทยาศาสตร์ข้อมูลและวิศวกร ML เพื่อสร้างและปรับใช้โมเดล ML บน SageMaker

ใบเสนอราคาของพันธมิตร

“ความร่วมมือระหว่าง Salesforce และ AWS Sagemaker จะช่วยให้ลูกค้าใช้ประโยชน์จากพลังของ AI (ทั้งแบบจำลองที่สร้างและไม่ใช่การสร้าง) ผ่านแหล่งข้อมูล Salesforce เวิร์กโฟลว์และแอปพลิเคชันเพื่อมอบประสบการณ์ที่เป็นส่วนตัวและขับเคลื่อนการสร้างเนื้อหา การสรุป และคำถามใหม่ - ตอบประสบการณ์ประเภท ด้วยการรวมสิ่งที่ดีที่สุดของทั้งสองโลกเข้าด้วยกัน เรากำลังสร้างกระบวนทัศน์ใหม่สำหรับนวัตกรรมที่ขับเคลื่อนด้วยข้อมูลและความสำเร็จของลูกค้าที่ได้รับการสนับสนุนจาก AI”

- Kaushal Kurapati รองประธานอาวุโสฝ่ายผลิตภัณฑ์ AI และการค้นหาของ Salesforce

ภาพรวมโซลูชัน

โซลูชันการรวม BYOM ช่วยให้ลูกค้ามีตัวเชื่อมต่อ Salesforce Data Cloud ดั้งเดิมใน SageMaker Data Wrangler ตัวเชื่อมต่อ SageMaker Data Wrangler ช่วยให้คุณเข้าถึงออบเจ็กต์ Salesforce Data Cloud ได้อย่างปลอดภัย เมื่อผู้ใช้ได้รับการตรวจสอบสิทธิ์แล้ว พวกเขาสามารถดำเนินการสำรวจข้อมูล จัดเตรียม และนำเสนองานวิศวกรรมที่จำเป็นสำหรับการพัฒนาโมเดลและการอนุมานผ่านอินเทอร์เฟซภาพเชิงโต้ตอบของ SageMaker Data Wrangler นักวิทยาศาสตร์ข้อมูลสามารถทำงานได้ภายใน สตูดิโอ Amazon SageMaker โน้ตบุ๊กเพื่อพัฒนาโมเดลที่กำหนดเอง ซึ่งอาจเป็นแบบดั้งเดิมหรือ LLM และทำให้พร้อมใช้งานโดยการลงทะเบียนโมเดลใน SageMaker Model Registry เมื่อโมเดลได้รับการอนุมัติสำหรับการผลิตในรีจิสทรี SageMaker Projects จะดำเนินการปรับใช้ API คำขอโดยอัตโนมัติ ซึ่งสามารถกำหนดค่าเป็นเป้าหมายใน Salesforce Einstein Studio และผสานรวมกับแอปพลิเคชัน Salesforce Customer 360 แผนภาพต่อไปนี้แสดงให้เห็นถึงสถาปัตยกรรมนี้

สรุป

ในโพสต์นี้ เราได้แชร์การผสานรวม SageMaker และ Salesforce Einstein Studio BYOM ซึ่งคุณสามารถใช้ข้อมูลใน Salesforce Data Cloud เพื่อสร้างและฝึกอบรม LLM แบบดั้งเดิมและ LLM ใน SageMaker คุณสามารถใช้ SageMaker Data Wrangler เพื่อเตรียมข้อมูลจาก Salesforce Data Cloud โดยไม่มีสำเนา นอกจากนี้เรายังจัดเตรียมโซลูชันอัตโนมัติเพื่อปรับใช้ตำแหน่งข้อมูล SageMaker เป็น API โดยใช้เทมเพลต SageMaker Projects สำหรับ Salesforce

AWS และ Salesforce รู้สึกตื่นเต้นที่ได้เป็นพันธมิตรร่วมกันเพื่อมอบประสบการณ์นี้ให้กับลูกค้าร่วมของเรา เพื่อช่วยขับเคลื่อนกระบวนการทางธุรกิจโดยใช้พลังของ ML และปัญญาประดิษฐ์

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการบูรณาการ Salesforce BYOM โปรดดูที่ นำโมเดล AI ของคุณเองมาใช้กับ Einstein Studio. หากต้องการทราบการใช้งานโดยละเอียดโดยใช้คำแนะนำผลิตภัณฑ์ ตัวอย่างการใช้งาน โปรดดูที่ ใช้การผสานรวม Amazon SageMaker และ Salesforce Data Cloud เพื่อขับเคลื่อนแอป Salesforce ของคุณด้วย AI/ML.

---

เกี่ยวกับผู้เขียน

ดาริล มาร์ติส เป็นผู้อำนวยการฝ่ายผลิตภัณฑ์ของ Einstein Studio ที่ Salesforce Data Cloud เขามีประสบการณ์มากกว่า 10 ปีในการวางแผน สร้าง เปิดตัว และจัดการโซลูชันระดับโลกสำหรับลูกค้าองค์กร รวมถึงโซลูชัน AI/ML และคลาวด์ ก่อนหน้านี้เขาเคยทำงานในอุตสาหกรรมบริการทางการเงินในนิวยอร์กซิตี้

รจนาชาดา เป็น Principal Solutions Architect AI/ML ในบัญชีเชิงกลยุทธ์ที่ AWS Rachna เป็นคนมองโลกในแง่ดีที่เชื่อว่าการใช้ AI อย่างมีจริยธรรมและมีความรับผิดชอบสามารถพัฒนาสังคมในอนาคตและนำความเจริญทางเศรษฐกิจและสังคมมาให้ ในเวลาว่าง รัชนาชอบใช้เวลาอยู่กับครอบครัว เดินป่า และฟังเพลง

ไอเฟ สจ๊วต เป็น Principal Solutions Architect ในกลุ่ม ISV เชิงกลยุทธ์ที่ AWS เธอมีส่วนร่วมกับ Salesforce Data Cloud ในช่วง 2 ปีที่ผ่านมา เพื่อช่วยสร้างประสบการณ์ลูกค้าแบบบูรณาการทั่วทั้ง Salesforce และ AWS Ife มีประสบการณ์มากกว่า 10 ปีในด้านเทคโนโลยี เธอเป็นผู้สนับสนุนความหลากหลายและการรวมไว้ในสาขาเทคโนโลยี

มานีเดอร์ (มณี) การ์ เป็นหัวหน้าผู้เชี่ยวชาญ AI/ML สำหรับ ISV เชิงกลยุทธ์ที่ AWS ด้วยแนวทางที่ให้ความสำคัญกับลูกค้าเป็นอันดับแรก Mani ช่วยให้ลูกค้าเชิงกลยุทธ์กำหนดกลยุทธ์ AI/ML ขับเคลื่อนนวัตกรรม และเร่งการเดินทางของ AI/ML Mani เชื่อมั่นใน AI ที่มีจริยธรรมและมีความรับผิดชอบ และมุ่งมั่นที่จะให้แน่ใจว่าโซลูชัน AI ของลูกค้าของเธอสอดคล้องกับหลักการเหล่านี้

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
• ที่มา: https://aws.amazon.com/blogs/machine-learning/bring-your-own-ai-using-amazon-sagemaker-with-salesforce-data-cloud/