Bài đăng này được đồng tác giả bởi Daryl Martis, Giám đốc Sản phẩm, Salesforce Einstein AI.
Đây là bài đăng thứ ba trong loạt bài thảo luận về việc tích hợp Đám mây dữ liệu Salesforce và Amazon SageMaker.
In Phần 1 và Phần 2, chúng tôi trình bày cách tích hợp Salesforce Data Cloud và Einstein Studio với SageMaker cho phép các doanh nghiệp truy cập dữ liệu Salesforce của họ một cách an toàn bằng SageMaker và sử dụng các công cụ của SageMaker để xây dựng, đào tạo và triển khai mô hình cho các điểm cuối được lưu trữ trên SageMaker. Điểm cuối SageMaker có thể được đăng ký với Đám mây dữ liệu Salesforce để kích hoạt dự đoán trong Salesforce.
Trong bài đăng này, chúng tôi trình bày cách các nhà phân tích kinh doanh và nhà khoa học dữ liệu công dân có thể tạo ra các mô hình học máy (ML) mà không cần bất kỳ mã nào, trong Canvas SageMaker của Amazon và triển khai các mô hình đã được đào tạo để tích hợp với Salesforce Einstein Studio nhằm tạo ra các ứng dụng kinh doanh mạnh mẽ. SageMaker Canvas cung cấp trải nghiệm không cần mã để truy cập dữ liệu từ Đám mây dữ liệu Salesforce cũng như xây dựng, thử nghiệm và triển khai các mô hình chỉ bằng vài cú nhấp chuột. SageMaker Canvas cũng cho phép bạn hiểu dự đoán của mình bằng cách sử dụng tầm quan trọng của tính năng và giá trị SHAP, giúp bạn dễ dàng giải thích các dự đoán do mô hình ML đưa ra.
Canvas SageMaker
SageMaker Canvas cho phép các nhà phân tích kinh doanh và nhóm khoa học dữ liệu xây dựng và sử dụng ML và các mô hình AI tổng quát mà không cần phải viết một dòng mã nào. SageMaker Canvas cung cấp giao diện trỏ và nhấp trực quan để tạo dự đoán ML chính xác cho phân loại, hồi quy, dự báo, xử lý ngôn ngữ tự nhiên (NLP) và thị giác máy tính (CV). Ngoài ra, bạn có thể truy cập và đánh giá các mô hình nền tảng (FM) từ nền tảng Amazon hoặc FM công cộng từ Khởi động Amazon SageMaker để tạo nội dung, trích xuất văn bản và tóm tắt văn bản nhằm hỗ trợ các giải pháp AI tổng quát. SageMaker Canvas cho phép bạn mang các mô hình ML được xây dựng đến mọi nơi và tạo dự đoán trực tiếp trong SageMaker Canvas.
Đám mây dữ liệu Salesforce và Einstein Studio
Salesforce Data Cloud là nền tảng dữ liệu cung cấp cho doanh nghiệp các bản cập nhật theo thời gian thực về dữ liệu khách hàng của họ từ bất kỳ điểm tiếp xúc nào.
Einstein Studio là cổng vào các công cụ AI trên Đám mây dữ liệu Salesforce. Với Einstein Studio, quản trị viên và nhà khoa học dữ liệu có thể dễ dàng tạo mô hình chỉ bằng vài cú nhấp chuột hoặc sử dụng mã. Trải nghiệm mang mô hình của riêng bạn (BYOM) của Einstein Studio cung cấp khả năng kết nối các mô hình AI tùy chỉnh hoặc tổng quát từ các nền tảng bên ngoài như SageMaker với Đám mây dữ liệu Salesforce.
Tổng quan về giải pháp
Để minh họa cách bạn có thể xây dựng mô hình ML bằng cách sử dụng dữ liệu trong Đám mây dữ liệu Salesforce bằng SageMaker Canvas, chúng tôi tạo mô hình dự đoán để đề xuất một sản phẩm. Mô hình này sử dụng các tính năng được lưu trữ trong Đám mây dữ liệu Salesforce như thông tin nhân khẩu học của khách hàng, mức độ tương tác tiếp thị và lịch sử mua hàng. Mô hình đề xuất sản phẩm được xây dựng và triển khai bằng giao diện người dùng không có mã SageMaker Canvas sử dụng dữ liệu trong Đám mây dữ liệu Salesforce.
Chúng tôi sử dụng những thứ sau tập dữ liệu mẫu được lưu trữ trong Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3). Để sử dụng tập dữ liệu này trong Đám mây dữ liệu Salesforce, hãy tham khảo Tạo luồng dữ liệu Amazon S3 trong đám mây dữ liệu. Các thuộc tính sau đây là cần thiết để tạo mô hình:
- Thành viên câu lạc bộ – Nếu khách hàng là thành viên câu lạc bộ
- Chiến dịch – Chiến dịch mà khách hàng tham gia
- Tiểu bang – Tỉnh, thành phố nơi khách hàng cư trú
- tháng – Tháng mua hàng
- Số trường hợp – Số trường hợp khách hàng đưa ra
- Loại trường hợp Trả lại – Liệu khách hàng có trả lại bất kỳ sản phẩm nào trong năm qua hay không
- Loại trường hợp Lô hàng bị hư hỏng – Liệu khách hàng có lô hàng nào bị hư hỏng trong năm qua hay không
- Điểm số tham gia – Mức độ tương tác của khách hàng (phản hồi các chiến dịch gửi thư, đăng nhập vào cửa hàng trực tuyến, v.v.)
- Nhiệm kỳ – Thời hạn của mối quan hệ khách hàng với công ty
- Nhấp chuột – Số lần nhấp trung bình mà khách hàng thực hiện trong vòng một tuần trước khi mua hàng
- Các trang đã truy cập – Số trang trung bình khách hàng truy cập trong vòng một tuần trước khi mua hàng
- Sản phẩm đã mua – Sản phẩm thực tế đã mua
Các bước sau đây cung cấp thông tin tổng quan về cách sử dụng trình kết nối Đám mây dữ liệu Salesforce được khởi chạy trong SageMaker Canvas để truy cập dữ liệu doanh nghiệp của bạn và xây dựng mô hình dự đoán:
- Định cấu hình ứng dụng được kết nối với Salesforce để đăng ký miền SageMaker Canvas.
- Thiết lập OAuth cho Đám mây dữ liệu Salesforce trong SageMaker Canvas.
- Kết nối với dữ liệu Đám mây dữ liệu Salesforce bằng trình kết nối Đám mây dữ liệu SageMaker Canvas tích hợp sẵn và nhập tập dữ liệu.
- Xây dựng và đào tạo mô hình trong SageMaker Canvas.
- Triển khai mô hình trong SageMaker Canvas và đưa ra dự đoán.
- Triển khai một Cổng API Amazon điểm cuối làm kết nối ngoại vi với điểm cuối suy luận SageMaker.
- Đăng ký điểm cuối API Gateway trong Einstein Studio. Để biết hướng dẫn, hãy tham khảo Đưa các mô hình AI của riêng bạn lên đám mây dữ liệu.
Sơ đồ sau minh họa kiến trúc giải pháp.
Điều kiện tiên quyết
Trước khi bạn bắt đầu, hãy hoàn thành các bước tiên quyết sau để tạo miền SageMaker và bật SageMaker Canvas:
- tạo một Xưởng sản xuất Amazon SageMaker lãnh địa. Để biết hướng dẫn, hãy tham khảo Tích hợp vào Miền Amazon SageMaker.
- Ghi lại ID miền và vai trò thực thi được tạo và sẽ được hồ sơ người dùng của bạn sử dụng. Bạn thêm quyền cho vai trò này trong các bước tiếp theo.
Ảnh chụp màn hình sau đây hiển thị tên miền chúng tôi đã tạo cho bài đăng này.
- Tiếp theo, đi đến hồ sơ người dùng và chọn Chỉnh sửa.
- Điều hướng đến Cài đặt Canvas của Amazon SageMaker phần và chọn Bật quyền cơ sở Canvas.
- Chọn Cho phép triển khai trực tiếp các mô hình Canvas và Kích hoạt quyền đăng ký mô hình cho tất cả người dùng.
Điều này cho phép SageMaker Canvas triển khai mô hình tới các điểm cuối trên bảng điều khiển SageMaker. Các cài đặt này có thể được định cấu hình ở cấp độ tên miền hoặc hồ sơ người dùng. Cài đặt hồ sơ người dùng được ưu tiên hơn cài đặt miền.
Tạo hoặc cập nhật ứng dụng được kết nối với Salesforce
Tiếp theo, chúng tôi tạo một ứng dụng được kết nối với Salesforce để kích hoạt luồng OAuth từ SageMaker Canvas đến Đám mây dữ liệu Salesforce. Hoàn thành các bước sau:
- Đăng nhập vào Salesforce và điều hướng đến Thành lập.
- Tìm kiếm Ứng dụng quản lý và tạo một ứng dụng được kết nối mới.
- Cung cấp các đầu vào sau:
- Trong Tên ứng dụng được kết nối, nhập tên.
- Trong Tên API, hãy để mặc định (nó được tự động điền).
- Trong Email liên lạc, nhập địa chỉ email liên hệ của bạn.
- Chọn Bật cài đặt OAuth.
- Trong gọi lại URL, đi vào
https://<domain-id>.studio.<region>.sagemaker.aws/canvas/default/lab
, đồng thời cung cấp ID miền và Khu vực từ miền SageMaker của bạn.
- Định cấu hình các phạm vi sau trên ứng dụng được kết nối của bạn:
- Quản lý dữ liệu người dùng thông qua API (
api
). - Thực hiện yêu cầu bất cứ lúc nào (
refresh_token
,offline_access
). - Thực hiện các truy vấn ANSI SQL trên dữ liệu Đám mây dữ liệu Salesforce (Dữ liệu
Cloud_query_api
). - Quản lý dữ liệu hồ sơ Đám mây dữ liệu (
Data Cloud_profile_api
). - Truy cập dịch vụ URL nhận dạng (
id
,profile
,email
,address
,phone
). - Truy cập số nhận dạng người dùng duy nhất (
openid
).
- Quản lý dữ liệu người dùng thông qua API (
- Đặt ứng dụng được kết nối của bạn Thư giãn IP thiết lập để Nới lỏng các hạn chế về IP.
Định cấu hình cài đặt OAuth cho trình kết nối Đám mây dữ liệu Salesforce
Công dụng của SageMaker Canvas Quản lý bí mật AWS để lưu trữ an toàn thông tin kết nối từ ứng dụng được kết nối với Salesforce. SageMaker Canvas cho phép quản trị viên định cấu hình cài đặt OAuth cho hồ sơ người dùng cá nhân hoặc ở cấp miền. Lưu ý rằng bạn có thể thêm bí mật vào cả miền và hồ sơ người dùng, nhưng SageMaker Canvas trước tiên sẽ tìm kiếm bí mật trong hồ sơ người dùng.
Để định cấu hình cài đặt OAuth của bạn, hãy hoàn thành các bước sau:
- Điều hướng để chỉnh sửa Cài đặt tên miền hoặc hồ sơ người dùng trong Bảng điều khiển SageMaker.
- Chọn Cài đặt Canvas trong khung điều hướng.
- Theo Cài đặt OAuth, Cho Nguồn dữ liệu, chọn Đám mây dữ liệu Salesforce.
- Trong Thiết lập bí mật, bạn có thể tạo một bí mật mới hoặc sử dụng một bí mật hiện có. Trong ví dụ này, chúng tôi tạo một bí mật mới và nhập ID khách hàng cũng như bí mật khách hàng từ ứng dụng được kết nối với Salesforce.
Để biết thêm chi tiết về cách bật OAuth trong SageMaker Canvas, hãy tham khảo Thiết lập OAuth cho đám mây dữ liệu Salesforce.
Việc này hoàn tất quá trình thiết lập để cho phép truy cập dữ liệu từ Salesforce Data Cloud đến SageMaker Canvas nhằm xây dựng các mô hình AI và ML.
Nhập dữ liệu từ Đám mây dữ liệu Salesforce
Để nhập dữ liệu của bạn, hãy hoàn thành các bước sau:
- Từ hồ sơ người dùng bạn đã tạo bằng miền SageMaker, hãy chọn Khởi động và chọn Canvas.
Lần đầu tiên bạn truy cập ứng dụng Canvas, sẽ mất khoảng 10 phút để tạo.
- Chọn Trình sắp xếp dữ liệu trong khung điều hướng.
- trên Tạo menu, chọn Bảng để tạo một tập dữ liệu dạng bảng.
- Đặt tên cho tập dữ liệu và chọn Tạo.
- Trong Nguồn dữ liệu, chọn Đám mây dữ liệu Salesforce và Thêm kết nối để nhập đối tượng hồ dữ liệu.
Nếu trước đây bạn đã định cấu hình kết nối với Đám mây dữ liệu Salesforce, bạn sẽ thấy tùy chọn sử dụng kết nối đó thay vì tạo kết nối mới.
- Cung cấp tên cho kết nối Đám mây dữ liệu Salesforce mới và chọn Thêm kết nối.
Nó sẽ mất một vài phút để hoàn thành.
- Bạn sẽ được chuyển hướng đến Đăng nhập lực lượng bán hàng trang để cho phép kết nối.
Sau khi đăng nhập thành công, yêu cầu sẽ được chuyển hướng trở lại SageMaker Canvas với danh sách đối tượng data Lake.
- Chọn tập dữ liệu chứa các tính năng đào tạo mô hình đã được tải lên qua Amazon S3.
- Kéo thả file rồi chọn Chỉnh sửa trong SQL.
Salesforce thêm một “__c
“ tới tất cả các trường đối tượng của Đám mây Dữ liệu. Theo quy ước đặt tên SageMaker Canvas, ”__“
không được phép trong tên trường.
- Chỉnh sửa SQL để đổi tên các cột và loại bỏ siêu dữ liệu không liên quan đến việc đào tạo mô hình. Thay thế tên bảng bằng tên đối tượng của bạn.
- Chọn Chạy SQL và sau đó Tạo tập dữ liệu.
- Chọn tập dữ liệu và chọn Tạo một mô hình.
- Để tạo mô hình nhằm dự đoán đề xuất sản phẩm, hãy cung cấp tên mẫu, chọn Phân tích tiên đoán cho Loại vấn đề, và lựa chọn Tạo.
Xây dựng và đào tạo mô hình
Hoàn thành các bước sau để xây dựng và huấn luyện mô hình của bạn:
- Sau khi mô hình được khởi chạy, hãy đặt cột mục tiêu thành
product_purchased
.
SageMaker Canvas hiển thị số liệu thống kê chính và mối tương quan của từng cột với cột mục tiêu. SageMaker Canvas cung cấp cho bạn các công cụ để xem trước mô hình của bạn và xác thực dữ liệu trước khi bắt đầu xây dựng.
- Sử dụng tính năng xem trước mô hình để xem độ chính xác của mô hình và xác thực tập dữ liệu của bạn nhằm ngăn ngừa sự cố khi xây dựng mô hình.
- Sau khi xem xét dữ liệu của bạn và thực hiện bất kỳ thay đổi nào đối với tập dữ liệu của bạn, hãy chọn loại bản dựng của bạn. Các Xây dựng nhanh chóng tùy chọn có thể nhanh hơn nhưng nó sẽ chỉ sử dụng một tập hợp con dữ liệu của bạn để xây dựng mô hình. Với mục đích của bài đăng này, chúng tôi đã chọn Xây dựng tiêu chuẩn tùy chọn.
Quá trình xây dựng tiêu chuẩn có thể mất 2-4 giờ để hoàn thành.
SageMaker Canvas tự động xử lý các giá trị còn thiếu trong tập dữ liệu của bạn trong khi xây dựng mô hình. Nó cũng sẽ áp dụng các phép biến đổi chuẩn bị dữ liệu khác để bạn có được dữ liệu sẵn sàng cho ML.
- Sau khi mô hình của bạn bắt đầu xây dựng, bạn có thể rời khỏi trang.
Khi mô hình hiển thị như Sẵn sàng trên Mô hình của tôi trang, nó đã sẵn sàng để phân tích và dự đoán.
- Sau khi mô hình được xây dựng, hãy điều hướng đến My mô hình, chọn Xem để xem mô hình bạn đã tạo và chọn phiên bản mới nhất.
- Tới Phân tích tab để xem tác động của từng tính năng đối với dự đoán.
- Để biết thêm thông tin về dự đoán của mô hình, hãy điều hướng đến Ghi điểm tab.
- Chọn Dự đoán để bắt đầu dự đoán sản phẩm.
Triển khai mô hình và đưa ra dự đoán
Hoàn thành các bước sau để triển khai mô hình của bạn và bắt đầu đưa ra dự đoán:
- Bạn có thể chọn thực hiện dự đoán hàng loạt hoặc đơn lẻ. Với mục đích của bài viết này, chúng tôi chọn Dự đoán duy nhất.
Khi bạn chọn Dự đoán duy nhất, SageMaker Canvas hiển thị các tính năng mà bạn có thể cung cấp đầu vào.
- Bạn có thể thay đổi giá trị bằng cách chọn Cập nhật và xem dự đoán theo thời gian thực.
Độ chính xác của mô hình cũng như tác động của từng đặc điểm đối với dự đoán cụ thể đó sẽ được hiển thị.
- Để triển khai mô hình, hãy cung cấp tên triển khai, chọn loại phiên bản và số lượng phiên bản rồi chọn Triển khai.
Việc triển khai mô hình sẽ mất vài phút.
Trạng thái mô hình được cập nhật thành Phục vụ sau khi triển khai thành công.
SageMaker Canvas cung cấp tùy chọn để kiểm tra quá trình triển khai.
- Chọn Xem chi tiết.
Sản phẩm Chi tiết tab cung cấp chi tiết điểm cuối của mô hình. Loại phiên bản, số lượng, định dạng đầu vào, nội dung phản hồi và điểm cuối là một số chi tiết chính được hiển thị.
- Chọn Triển khai thử nghiệm để kiểm tra điểm cuối được triển khai.
Tương tự như dự đoán đơn lẻ, chế độ xem hiển thị các tính năng đầu vào và cung cấp tùy chọn cập nhật và kiểm tra điểm cuối trong thời gian thực.
Dự đoán mới cùng với kết quả gọi điểm cuối được trả về cho người dùng.
Tạo API để hiển thị Điểm cuối SageMaker
Để tạo dự đoán hỗ trợ các ứng dụng kinh doanh trong Salesforce, bạn cần hiển thị điểm cuối suy luận SageMaker được tạo bởi quá trình triển khai SageMaker Canvas thông qua API Gateway và đăng ký điểm cuối đó trong Salesforce Einstein.
Các định dạng yêu cầu và phản hồi khác nhau giữa điểm cuối suy luận Salesforce Einstein và SageMaker. Bạn có thể sử dụng API Gateway để thực hiện chuyển đổi hoặc sử dụng AWS Lambda để chuyển đổi yêu cầu và ánh xạ phản hồi. tham khảo Gọi điểm cuối của mô hình Amazon SageMaker bằng Amazon API Gateway và AWS Lambda để hiển thị điểm cuối SageMaker thông qua Lambda và API Gateway.
Đoạn mã sau đây là hàm Lambda để chuyển đổi yêu cầu và phản hồi
Cập nhật endpoint
và prediction_label
các giá trị trong hàm Lambda dựa trên cấu hình của bạn.
- Thêm một biến môi trường
SAGEMAKER_ENDPOINT_NAME
để nắm bắt điểm cuối suy luận SageMaker. - Đặt nhãn dự đoán để khớp với khóa JSON đầu ra của mô hình đã được đăng ký trong Einstein Studio.
Thời gian chờ mặc định cho hàm Lambda là 3 giây. Tùy thuộc vào kích thước đầu vào của yêu cầu dự đoán, API suy luận thời gian thực của SageMaker có thể mất hơn 3 giây để phản hồi.
- Tăng thời gian chờ của hàm Lambda nhưng giữ ở mức dưới mức Hết thời gian tích hợp mặc định của API Gateway, tức là 29 giây.
Đăng ký mô hình trong Salesforce Einstein Studio
Để đăng ký điểm cuối API Gateway trong Einstein Studio, hãy tham khảo Đưa các mô hình AI của riêng bạn lên đám mây dữ liệu.
Kết luận
Trong bài đăng này, chúng tôi đã giải thích cách bạn có thể sử dụng SageMaker Canvas để kết nối với Đám mây dữ liệu Salesforce và tạo dự đoán thông qua các tính năng ML tự động mà không cần viết một dòng mã nào. Chúng tôi đã chứng minh khả năng xây dựng mô hình SageMaker Canvas để tiến hành xem trước sớm hiệu suất mô hình của bạn trước khi chạy bản dựng tiêu chuẩn đào tạo mô hình với tập dữ liệu đầy đủ. Chúng tôi cũng giới thiệu các hoạt động tạo hậu mô hình như sử dụng giao diện dự đoán duy nhất trong SageMaker Canvas và hiểu dự đoán của bạn bằng cách sử dụng tầm quan trọng của tính năng. Tiếp theo, chúng tôi sử dụng điểm cuối SageMaker được tạo trong SageMaker Canvas và cung cấp điểm cuối này dưới dạng API để bạn có thể tích hợp nó với Salesforce Einstein Studio và tạo các ứng dụng Salesforce mạnh mẽ.
Trong bài đăng sắp tới, chúng tôi sẽ hướng dẫn bạn cách sử dụng dữ liệu từ Đám mây dữ liệu Salesforce trong SageMaker Canvas để hiểu rõ hơn và chuẩn bị dữ liệu thậm chí còn đơn giản hơn bằng cách sử dụng giao diện trực quan và lời nhắc ngôn ngữ tự nhiên đơn giản.
Để bắt đầu với SageMaker Canvas, hãy xem Ngày trải nghiệm SageMaker Canvas và tham khảo Bắt đầu với Amazon SageMaker Canvas.
Giới thiệu về tác giả
Daryl Martis là Giám đốc Sản phẩm của Einstein Studio tại Salesforce Data Cloud. Ông có hơn 10 năm kinh nghiệm trong việc lập kế hoạch, xây dựng, triển khai và quản lý các giải pháp đẳng cấp thế giới cho khách hàng doanh nghiệp, bao gồm các giải pháp AI/ML và đám mây. Trước đây ông đã từng làm việc trong ngành dịch vụ tài chính ở Thành phố New York. Theo dõi anh ấy Linkedin.
rachna chadha là Kiến trúc sư giải pháp chính AI/ML trong lĩnh vực Tài khoản chiến lược tại AWS. Rachna là một người lạc quan, tin rằng việc sử dụng AI có đạo đức và có trách nhiệm có thể cải thiện xã hội trong tương lai và mang lại sự thịnh vượng về kinh tế và xã hội. Khi rảnh rỗi, Rachna thích dành thời gian cho gia đình, đi bộ đường dài và nghe nhạc.
Ife Stewart là Kiến trúc sư giải pháp chính trong phân khúc ISV chiến lược tại AWS. Cô đã hợp tác với Salesforce Data Cloud trong 2 năm qua để giúp xây dựng trải nghiệm khách hàng tích hợp trên Salesforce và AWS. Ife có hơn 10 năm kinh nghiệm trong lĩnh vực công nghệ. Cô là người ủng hộ sự đa dạng và hòa nhập trong lĩnh vực công nghệ.
Ravi Bhattiprolu là Kiến trúc sư giải pháp đối tác cấp cao tại AWS. Ravi hợp tác với các đối tác chiến lược, Salesforce và Tableau, để cung cấp các sản phẩm và giải pháp sáng tạo và có kiến trúc tốt giúp các khách hàng chung hiện thực hóa các mục tiêu kinh doanh của họ.
Miriam Lebowitz là Kiến trúc sư giải pháp trong phân khúc ISV chiến lược tại AWS. Cô ấy tương tác với các nhóm trên khắp Salesforce, bao gồm cả Salesforce Data Cloud và chuyên về phân tích dữ liệu. Ngoài công việc, cô thích làm bánh, đi du lịch và dành thời gian vui vẻ cho bạn bè và gia đình.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/democratize-ml-on-salesforce-data-cloud-with-no-code-amazon-sagemaker-canvas/
- : có
- :là
- :không phải
- $ LÊN
- 1
- 10
- 100
- 29
- 7
- 8
- a
- Giới thiệu
- truy cập
- Trợ Lý Giám Đốc
- chính xác
- chính xác
- ngang qua
- hoạt động
- thực tế
- thêm vào
- Ngoài ra
- thêm vào
- thông tin bổ sung
- địa chỉ
- Thêm
- quản trị
- biện hộ
- Sau
- AI
- Mô hình AI
- AI / ML
- Tất cả
- cho phép
- cho phép
- dọc theo
- Ngoài ra
- đàn bà gan dạ
- Cổng API Amazon
- Amazon SageMaker
- Canvas SageMaker của Amazon
- Amazon Web Services
- an
- phân tích
- Các nhà phân tích
- phân tích
- và
- bất kì
- api
- API
- ứng dụng
- các ứng dụng
- Đăng Nhập
- kiến trúc
- LÀ
- AS
- At
- thuộc tính
- ủy quyền
- Tự động
- tự động
- có sẵn
- Trung bình cộng
- AWS
- trở lại
- cơ sở
- dựa
- BE
- được
- trước
- bắt đầu
- tin
- phía dưới
- giữa
- thân hình
- cả hai
- mang lại
- xây dựng
- Xây dựng
- xây dựng
- xây dựng
- được xây dựng trong
- kinh doanh
- Ứng dụng kinh doanh
- các doanh nghiệp
- nhưng
- by
- california
- Chiến dịch
- Chiến dịch
- CAN
- vải
- khả năng
- nắm bắt
- trường hợp
- thay đổi
- Những thay đổi
- Chọn
- lựa chọn
- công dân
- City
- phân loại
- khách hàng
- đám mây
- câu lạc bộ
- mã
- Cột
- Cột
- hoàn thành
- Hoàn thành
- máy tính
- Tầm nhìn máy tính
- Tiến hành
- Cấu hình
- cấu hình
- Kết nối
- kết nối
- liên quan
- An ủi
- liên lạc
- chứa
- nội dung
- Tạo nội dung
- bối cảnh
- Công ước
- tương quan
- có thể
- tạo
- tạo ra
- Tạo
- tạo
- khách hàng
- khách hàng
- dữ liệu khách hàng
- khách hàng
- dữ liệu
- truy cập dữ liệu
- Phân tích dữ liệu
- Hồ dữ liệu
- Nền tảng dữ liệu
- khoa học dữ liệu
- Mặc định
- cung cấp
- dân chủ hóa
- Nhân khẩu học
- chứng minh
- chứng minh
- Tùy
- triển khai
- triển khai
- triển khai
- triển khai
- chi tiết
- trực tiếp
- trực tiếp
- Giám đốc
- thảo luận
- hiển thị
- màn hình
- SỰ ĐA DẠNG
- Đa dạng và Hòa nhập
- miền
- xuống
- Rơi
- mỗi
- Đầu
- Kinh tế
- dễ dàng
- einstein
- hay
- cho phép
- cho phép
- cho phép
- Điểm cuối
- tham gia
- Tham gia
- cam kết
- đăng ký hạng mục thi
- Doanh nghiệp
- Môi trường
- đạo đức
- đánh giá
- Ngay cả
- Sự kiện
- ví dụ
- thực hiện
- hiện tại
- kinh nghiệm
- Kinh nghiệm
- Giải thích
- Giải thích
- ngoài
- khai thác
- gia đình
- nhanh hơn
- Đặc tính
- Tính năng
- vài
- lĩnh vực
- Lĩnh vực
- Tập tin
- tài chính
- dịch vụ tài chính
- Tên
- lần đầu tiên
- dòng chảy
- theo
- tiếp theo
- Trong
- định dạng
- Nền tảng
- bạn bè
- từ
- Full
- chức năng
- tương lai
- cửa ngõ
- tạo ra
- thế hệ
- thế hệ
- Trí tuệ nhân tạo
- được
- Cho
- Go
- có
- Xử lý
- có
- he
- giúp đỡ
- cô
- anh ta
- lịch sử
- tổ chức
- GIỜ LÀM VIỆC
- Độ đáng tin của
- Hướng dẫn
- HTML
- http
- HTTPS
- ID
- định danh
- Bản sắc
- if
- minh họa
- ngâm
- Va chạm
- nhập khẩu
- tầm quan trọng
- nâng cao
- in
- Bao gồm
- đưa vào
- hệ thống riêng biệt,
- ngành công nghiệp
- thông tin
- bắt đầu
- sáng tạo
- đầu vào
- đầu vào
- những hiểu biết
- ví dụ
- thay vì
- hướng dẫn
- tích hợp
- tích hợp
- hội nhập
- Giao thức
- IP
- các vấn đề
- isv
- IT
- ITS
- chung
- jpg
- json
- chỉ
- Giữ
- Key
- nhãn
- hồ
- Ngôn ngữ
- Họ
- phát động
- ra mắt
- học tập
- Rời bỏ
- Cấp
- Lượt thích
- Lượt thích
- Dòng
- Listening
- niêm yết
- đăng nhập
- NHÌN
- máy
- học máy
- thực hiện
- gửi thư
- làm cho
- Làm
- quản lý
- bản đồ
- Marketing
- Trận đấu
- Có thể..
- Siêu dữ liệu
- Phút
- mất tích
- ML
- kiểu mẫu
- mô hình
- tháng
- chi tiết
- hầu hết
- Âm nhạc
- tên
- tên
- đặt tên
- Tự nhiên
- Xử lý ngôn ngữ tự nhiên
- Điều hướng
- THÔNG TIN
- Cần
- cần thiết
- Mới
- Newyork
- thành phố new york
- tiếp theo
- nlp
- ghi
- con số
- lời thề
- vật
- mục tiêu
- of
- on
- ONE
- Trực tuyến
- có thể
- Tùy chọn
- or
- OS
- Nền tảng khác
- đầu ra
- bên ngoài
- kết thúc
- tổng quan
- riêng
- trang
- trang
- cửa sổ
- một phần
- đối tác
- Đối tác
- mỗi
- Thực hiện
- hiệu suất
- quyền
- lập kế hoạch
- nền tảng
- Nền tảng
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- Điểm
- đông dân cư
- Bài đăng
- quyền lực
- mạnh mẽ
- dự đoán
- dự đoán
- Dự đoán
- chuẩn bị
- ngăn chặn
- Xem trước
- trước đây
- Hiệu trưởng
- Trước khi
- xử lý
- Sản phẩm
- Sản phẩm
- Hồ sơ
- nhắc nhở
- sự thịnh vượng
- cho
- cung cấp
- công khai
- mua
- mục đích
- chất lượng
- truy vấn
- nâng lên
- sẵn sàng
- thực
- thời gian thực
- nhận ra
- gần đây
- giới thiệu
- Khuyến nghị
- xem
- khu
- ghi danh
- đăng ký
- đăng ký
- mối quan hệ
- có liên quan
- thay thế
- yêu cầu
- yêu cầu
- Trả lời
- phản ứng
- chịu trách nhiệm
- hạn chế
- kết quả
- trở lại
- xem xét
- Vai trò
- chạy
- thời gian chạy
- nhà làm hiền triết
- Suy luận của SageMaker
- lực lượng bán hàng
- Khoa học
- các nhà khoa học
- giây
- Bí mật
- bí mật
- Phần
- an toàn
- xem
- phân khúc
- chọn
- chọn
- Loạt Sách
- dịch vụ
- DỊCH VỤ
- định
- thiết lập
- thiết lập
- thiết lập
- chị ấy
- hiển thị
- giới thiệu
- Chương trình
- Đơn giản
- duy nhất
- Kích thước máy
- đoạn
- So
- Mạng xã hội
- Xã hội
- giải pháp
- Giải pháp
- một số
- chuyên
- riêng
- Chi
- Tiêu chuẩn
- Bắt đầu
- bắt đầu
- Tiểu bang
- số liệu thống kê
- Trạng thái
- Các bước
- stewart
- là gắn
- hàng
- lưu trữ
- đơn giản
- Chiến lược
- đối tác chiến lược
- dòng
- phòng thu
- tiếp theo
- thành công
- như vậy
- hỗ trợ
- bàn
- Cảnh vật trên sân khấu
- Hãy
- Mục tiêu
- đội
- Công nghệ
- thử nghiệm
- văn bản
- hơn
- việc này
- Sản phẩm
- Tương lai
- Nhà nước
- cung cấp their dịch
- sau đó
- Kia là
- Thứ ba
- điều này
- Thông qua
- thời gian
- đến
- công cụ
- chạm
- Train
- đào tạo
- Hội thảo
- tàu hỏa
- Chuyển đổi
- Chuyển đổi
- biến đổi
- Đi du lịch
- kiểu
- hiểu
- sự hiểu biết
- độc đáo
- sắp tới
- Cập nhật
- cập nhật
- Cập nhật
- tải lên
- URL
- sử dụng
- đã sử dụng
- người sử dang
- Giao diện người dùng
- sử dụng
- sử dụng
- HIỆU LỰC
- Các giá trị
- biến
- phiên bản
- thông qua
- Xem
- tầm nhìn
- đến thăm
- trực quan
- là
- Washington
- we
- web
- các dịch vụ web
- tuần
- TỐT
- liệu
- cái nào
- trong khi
- CHÚNG TÔI LÀ
- sẽ
- với
- ở trong
- không có
- Công việc
- làm việc
- công trinh
- Hội thảo
- đẳng cấp thế giới
- viết
- viết
- năm
- york
- Bạn
- trên màn hình
- zephyrnet