Логотип
Баннер в шапке 1
Баннер в шапке 2

Amazon Personalize

Продукт
Разработчики: Amazon
Дата последнего релиза: июнь 2019 г
Отрасли: Интернет-сервисы

2019: Появление в публичном доступе

В июне 2019 года Amazon выпустила в публичный доступ сервис Personalize, позволяющий тренировать и внедрять модели машинного обучения для формирования персональных рекомендаций. 

Amazon Personalize представляет собой полностью управляемый сервис, который обучает, настраивает и внедряет пользовательские модели машинного обучения в облаке, предоставляя необходимую инфраструктуру и управляя такими вещами, как обработка данных, извлечение функций, хостинг, обучение и оптимизация алгоритмов.

Amazon запустила сервис для встраивания «умных» рекомендаций в сайты и мобильные приложения

Клиенты предоставляют сервису потоки активности (количество кликов, просмотров страниц, авторизаций, покупок) в своих приложениях и сайтах, а также список вещей, которые они хотят рекомендовать (статьи, продукты, видеоролики, аудиозаписи и т. п.). Кроме того, для составления более точных рекомендаций можно указать возраст целевой аудитории, географическое местоположение и другие дополнительные параметры.

Результаты обработки информации компания получает через API. При этом оплата производится только за то, что было использовано клиентом.«Группа Астра» разрослась до двух десятков компаний. Ключевые активы экосистемы 7.8 т

При помощи Amazon Personalize можно интегрировать ИИ-модели в мобильные приложения, сайты, системы управления контентом и email-маркетинга, Можно встроить алгоритмы для персонализации рекомендаций продуктов, поисковых результатов и прямого маркетинга.

Как сообщил вице-президент по машинному обучению в подразделении Amazon Web Services (AWS) Свами Сивасубраманян (Swami Sivasubramanian), «лучшей частью» Amazon Personalize стало то, что разработчикам не нужен опыт в области обучения для тренировки, настройки и развёртывания «умных» алгоритмов в соответствии с бизнес-задачами.

Утверждается, что Amazon Personalize снижает на 60% время установки и настройки инфраструктуры и алгоритмов для моделей машинного обучения.[1]

Примечания