Nilalaman
T:
Bakit maaaring gamitin ng mga kumpanya ang Amazon Machine Learning at mga kaugnay na tool?
A:
Isa sa mga pangunahing dahilan - marahil ang pinaka-pangunahing dahilan - upang gamitin ang platform ng cloud-based na Amazon Machine Learning (AML) ay pinahihintulutan ang mga empleyado o mga kontratista na ipatupad ang mga programa sa pag-aaral ng machine nang walang mataas na antas ng kasanayan sa teknikal. Ang AML ay isang sistema ng suporta para sa "mga hindi tech" na nais gamitin ang lakas na pag-aaral ng makina ay kailangang magbago sa negosyo.
Nag-aalok ang Amazon ng platform ng Pag-aaral ng Machine ng Amazon bilang isang kapaligiran na nagbibigay-daan sa para sa gabay sa pag-aaral ng makina, kasama ang mga wizards sa pagpapatupad pati na rin ang dashboard at visualization tool na ginagawang madali at diretso ang paggamit ng mga algorithm ng ML.
Gamit ang sinabi, ang mga kumpanya ay gumagamit ng mga machine algorithm algorithm at programa patungo sa iba't ibang mga layunin at layunin. Ang isa ay ang paglikha ng "matalinong aplikasyon" na maaaring makamit ang sopistikadong mga resulta batay sa pagkatuto ng makina. Ang pagtatayo at pagsasama ng pag-aaral ng makina sa mga application ay nagbibigay-daan sa kanila na magbago ng mga nakaraang mga paghihigpit ng kanilang orihinal na programming, at bumuo ng higit pang pag-andar batay sa mga mataas na algorithm na na-install ng mga gumagamit sa tulong ng platform ng Amazon.
Ang mga kumpanya ay maaari ring magamit ang kapangyarihan ng Amazon Machine Learning para sa iba't ibang uri ng pag-unlad na hinimok ng data - halimbawa, pagsubaybay sa customer, paghahanap ng mga problema sa interface, pagbuo ng mas mahusay na outreach ng produkto o pagpapabuti ng isang karanasan sa customer. Ang iba't ibang uri ng analytics ng gumagamit ay nagsisilbi nang maayos sa isang negosyo sa mga tuntunin ng pagpaplano ng estratehikong.
Ang isa pang pangunahing paggamit ng pag-aaral ng machine na sinusuportahan ng platform ng AML ay ang pagbuo ng mga system na nagpapatibay ng mga benta sa isang partikular na punto ng pagkabigo. Ito ay isang bagay na madalas na pinag-uusapan sa con ng artipisyal na katalinuhan na ang mga algorithm sa pag-aaral ng machine ay nagtutulong at makakatulong upang makabuo.
Ang isang napakahusay na halimbawa ay ang pag-abandona sa shopping cart. Maaaring gamitin ng mga kumpanya ang kanilang mga manggagawa upang magamit ang Amazon Machine Learning upang mag-set up ng virtual na "help cart abandonment" na gumagawa ng ilang mga gawain kapag ang isang customer ay nag-iiwan ng isang shopping cart kaysa sa pag-convert at paggawa ng isang pagbili. Halimbawa, ang algorithm ng pag-aaral ng machine ay maaaring matukoy kung kailan maisaaktibo ang isang mabilis na script na magiging isang follow-up na pagtatanong sa gumagamit tungkol sa kanyang hangarin, o humiling na makumpleto nila ang kanilang pagbili, sa isang magalang at magiliw na paraan.
Upang maisakatuparan ang lahat ng iba't ibang mga layunin na ito, ang mga kumpanya ay kailangang magtayo ng mga madaling maunawaan na modelo at pag-automate ang pag-aaral ng makina kasama ang mga partikular na mga API at SDK. Ang lahat ng ito ay mahusay na nagsilbi sa platform ng Pag-aaral ng Machine ng Amazon na karaniwang kumikilos bilang isang tutorial o gabay para sa mga taong wala ng malawak na karanasan sa pinagbabatayan na mga mani at bolts ng mga algorithm mismo. Sa katulad na paraan na inaalok ng Dreamweaver at iba pang mga tool sa unang editor ang mga gumagamit ng mas madaling paraan upang magamit ang HTML para sa disenyo ng web, ang Amazon Machine Learning ay nag-aalok ng mga gumagamit ng isang mas madaling paraan upang makabisado ang isa sa pinakamalaki at pinakamahalagang elemento ng artipisyal na katalinuhan sa merkado ng teknolohiya ng tama ngayon.