소셜 네트워크

AI

소매 및 전자 상거래 브랜드를위한 3 가지 가상 비서 트렌드

화신

게재

on

합틱

소매 업계에서 대화 형 AI 사용이 기하 급수적으로 증가했습니다. 글로벌 소매 업체와 전자 상거래 업체는 메시징 CX를 향상시키고 수익을 창출하며 비용을 절감합니다.

오늘날 메시징 앱은 5 억 월간 활성 사용자, Hubspot의 연구에 따라.

Gartner에 따르면 8 억 달러의 비즈니스 비용이 잡담 2022에 의해.

오늘날 소비자는 개인화 된 쇼핑 경험을 기대합니다. 가상 쇼핑 도우미는 사용자에게 구매 여정을 안내하고 고도로 개인화 된 제품 추천을 제공 할 수 있습니다. AI 기반 잡담 또는 가상 비서는 가상 판매 에이전트 역할을하여 매장 내 쇼핑 경험을 복제 할 수 있습니다.

의 발전 인공 지능 소매업에서 깨어진 고객 지원 경험을 혁신했습니다. 비용이 많이 드는 채널에서 챗봇으로 트래픽을 차단하고 연중 무휴 지원을 제공하는 동시에 복잡한 쿼리에 대한 라이브 채팅 지원을 활성화 할 수 있습니다.

A . 24 / 7 고객 서비스 — AI 기반 지능형 가상 도우미를 사용하면 소비자가 연중 무휴로 브랜드에 참여할 수 있습니다. IVA는 언제 어디서나 일관된 서비스를 제공하여 기업이 고객 문의를 처리하는 방식을 재정의하고 있습니다.

B . 버려진 카트 없음 — 장바구니 포기는 오늘날 전자 상거래 업계가 직면 한 가장 어려운 문제 중 하나입니다. 소매 챗봇의 도움으로 고객에게 프롬프트, 알림, 알림 등을 보내 카트 복구를 용이하게 할 수 있습니다.

C . 옴니 채널 경험 — 현대적인 고객은 쇼핑의 용이성과 편리함을 원합니다. 옴니 채널 가상 도우미는보다 원활한 커뮤니케이션을 촉진하고 여러 채널에서 일관된 경험을 제공합니다.

D . 주문 추적 — 전자 상거래 채팅 봇 고객이 구매, 주문 상태, 청구 정보, 배송 정보 등을 추적하는 데 도움을 줄 수 있습니다.

E . 제품 추천 - 가상 어시스턴트 고도로 개인화 된 추천 및 전문가와 같은 지침을 제공하여 사용자를위한 전문 쇼핑 도우미 역할을 효과적으로 수행 할 수 있습니다.

WhatsApp 상거래 :

기업이 WhatsApp을 점점 더 많이 채택함에 따라 기업이 저렴한 비용으로 대규모 확장을 달성 할 수 있도록 지원하는 플랫폼으로서 WhatsApp의 힘이 입증되었습니다. SMB에서 대규모 기업에 이르기까지 WhatsApp은 커뮤니케이션, 상거래 및 지원의 주요 도구로 부상했습니다.

전자 상거래의 미래는 대화 형 상거래 및 WhatsApp 이 시장에서 가장 큰 플레이어가 될 것으로 예상됩니다. 전자 상거래 및 소매 브랜드의 의사 결정자는 WhatsApp을 전체 디지털 전환 전략에 통합했습니다.

[웹 세미나] 브랜드를위한 WhatsApp 상거래 : 알아야 할 모든 것

웨비나보기

WhatsApp을 사용하면 시간, 비용 및 인적 자원을 절약하면서 개인화 된 사용자 별 제품 권장 사항, 중요한 알림, 할인 및 판매를 원활하게 공유 할 수 있습니다. 고객에게 실시간 위치를 공유하도록 안내하여 배송을 향상시킬 수도 있습니다.

오랜 기다림 끝에 인도의 National Payments Corporation은 마침내 WhatsApp Pay에 녹색 신호를 보냈습니다! 이는 소매 업체가 소비자와 최대한 쉽고 편리하게 거래하는 데 큰 도움이 될 것입니다!

다음은 Conversational Commerce를위한 소매의 WhatsApp 챗봇 사용 사례 중 일부입니다.

주문 추적 및 환불 및 취소는 가장 일반적인 지원 사용 사례 중 두 가지이며,이 두 가지 모두 WhatsApp을 통해 빠르고 완벽하게 마찰없이 처리 할 수 ​​있습니다.

WhatsApp 지원 WhatsApp의 응답 시간은 전화 통화보다 9 배 빠릅니다.

70 %의 고객은 전화보다는 메시지를 선택합니다.

사용자가 WhatsApp에서 직접 메시지를 보내는 것이 편리 할뿐만 아니라 비즈니스를위한 비용 절감 메커니즘입니다.

WhatsApp은 약 70 %의 개방 율을 누리고 있습니다. 콜 센터에서 WhatsApp으로 수신되는 많은 양의 지원 쿼리를 원활하게 다시 라우팅 할 수 있습니다. 잠재 고객 및 고객과 채팅하고 질문을 연중 무휴로 해결하여 운영 비용을 크게 절감 할 수 있습니다.

[웹 세미나] JioMart가 WhatsApp에서 40 % 고객 지원을 처리하는 방법

웨비나보기

검색 쿼리의 48 %는 이제 음성으로 구동됩니다. $ 40 억은 2022 년까지 예상되는 음성 쇼핑 시장입니다. ComScore의 연구에 따르면 온라인 검색의 50 %가 수행 될 것입니다. 목소리로 2020에 의해.

Voice를 사용하면 구매자가 온라인 쇼핑을 쉽고 편리하게 할 수 있습니다. 응용 프로그램을 탐색하는 대신 원하는 것을 간단히 물어 보면 AI 기반 엔진이이를 찾을 수 있습니다.
음성 비서는 고객이 가상 비서에 점점 더 많이 기울어 짐에 따라 소매 업계에 혁명을 일으킬 잠재력을 발휘하고 있습니다.

음성 기반 AI 쇼핑 도우미의 세 가지 주요 기능은 제품 추천, 빠르고 쉬운 주문 및 상황 별 교차 판매입니다. 가상 어시스턴트 채택 증가 소매 및 전자 상거래 업계에서 온라인 쇼핑의 미래는 VOICE라고해도 무방합니다!

참여도를 높이고, 카트 회수율을 높이고, 고객 여정에서 판매를 촉진하기위한 실행 가능한 통찰력

3. Google 비즈니스 메시지 (GBM)

제품 검색의 35 %는 Google에서 발생합니다. 모바일 기반 브랜드 상호 작용의 42 %는 Google 검색과 관련됩니다.

Google 비즈니스 메시지 (GBM)를 사용하면 Google 검색 및 Google지도를 통해 사용자의 여정을 시작할 때 바로 사용자와 직접 대화 할 수 있습니다.

GBM은 통화, 이메일 및 앱 다운로드의 마찰을 없애고 사용자가 Google지도 및 검색과 같은 모바일 진입 점에서 메시징을 통해 비즈니스에 직접 연락 할 수 있도록합니다.

Seamless AI to Agent Handoff를 통해 AI와 인간 개입의 결합 된 힘을 활용할 수 있습니다.

Haptik은 인도 최대 온라인 약국 인 Netmeds와 협력하여 GBM 여정을 시작할 수 있도록 지원했습니다.

Google 비즈니스 메시지가 브랜드가 탁월한 고객 경험을 제공하고 전환율을 높이며 고객 지원 비용을 줄이는 데 어떻게 도움이되는지 자세히 알아 보려면 다음을 방문하세요. 여기를 클릭하세요.

IVA가 실제 전자 상거래 비즈니스를 어떻게 지원하는지 정확히 알아보십시오! 1. 헬스 카트

비즈니스 목표 :

1. HealthKart는 COVID-19 기간 동안 급증하는 사용자 쿼리를 처리하기 위해보다 셀프 서비스 및 비동기 지원을 원했습니다

2. 사용자를 사전에 교육하고 라이프 스타일 및 피트니스 목표에 따라 관련 제품을 추천하고 싶었습니다.

기술 솔루션

1. 주문 추적, 지불, 청구서 조회, 환불 및 교체와 같은 일상적인 조회에 대한 주문형 지원을 활성화했습니다.

2. HealthKart는 또한 사용자의 목표, 식습관, 현재 체중, 라이프 스타일 등에 따라 개인화 된 식단 및 운동 계획을 공유했습니다.

전체 사례 연구를 읽을 수 있습니다. 여기를 클릭하세요.

2. 플로 매트리스

비즈니스 목표 :

출시 후 Flo는 판매량이 크게 증가하여 고객 지원 문의가 50 배 증가했습니다. Flo는 제약없이 빠르게 확장 할 수있는 솔루션을 원했습니다.

기술 솔루션

1. 웹 사이트 방문자에게 제품 정보 및 FAQ 안내

2. 사용 및 제공에 대한 지원 문의에 응답

전체 사례 연구를 읽을 수 있습니다. 여기를 클릭하세요.

Haptik의 Smart Skills는 전 세계 소매 업체 및 전자 상거래 플레이어에게 탁월한 ROI를 제공하는 데 큰 역할을했습니다. 소매 업계를 위해 맞춤 제작 된 주요 학습 및 모범 사례에서 파생 된 Smart Skills의 포괄적 인 라이브러리에서 가져 와서 가상 에이전트를 구축 할 수 있습니다. 스마트 기술에 대해 더 많이 알기 여기를 클릭하세요.

요약하자면…COVID-19의 결과, 소매 업계를위한 챗봇은 주요 소매 업체와 전자 상거래 브랜드를 위해 구출되었습니다. 소매업에서 AI 사용이 증가함에 따라 IVA는 고객 지원을 처리하는 손상되고 비용이 많이 들고 비효율적 인 기존 시스템을 변화시키는 데 핵심적인 역할을하고 있습니다. 소매 업체는 이제 Conversational Commerce의 힘을 깨닫고이를 전체 디지털 전환 전략에 포함시키고 있습니다.

Haptik에서는 세계에서 가장 큰 브랜드의 복잡한 비즈니스 문제를 해결 한 경험이 있습니다. 탁월한 고객 경험을 제공하고, 더 많은 매출을 창출하고, 고객 지원 비용을 줄이고 싶다면 커피 한 잔을 마시고 (물론 가상으로!) Haptik이 비즈니스 목표를 달성하는 데 어떻게 도움이 될 수 있는지 논의합시다!

여기에 대한 가이드가 있습니다. 전자 상거래 챗봇 및 판매 및 고객 유지를 촉진하는 방법

Source: https://chatbotslife.com/3-virtual-assistant-trends-for-retail-and-ecommerce-brands-2034ab0d8443?source=rss—-a49517e4c30b—4

AI

기계 학습 전략이 실패하는 이유

화신

게재

on

주요 기계 학습 및 클라우드 제공 업체의 아이콘 목록


대부분의 회사는 여전히 AI를 작동시키는 방법을 찾으려고 노력하고 있습니다. 최근 설문 조사에서는 기계 학습에 대한 몇 가지 장벽을 살펴 봅니다.더 읽기 출처 : https://venturebeat.com/2021/02/25/why-machine-learning-strategies-fail/

계속 읽기

AI

Oraichain 검토 : AI 기반 Oracle 시스템

화신

게재

on

블록 체인 기술과 인공 지능은 이제 모든 산업과 우리 경제의 거의 모든 측면에 통합되고 있습니다. 이 두 기술은 모두 데이터의 사용 및 저장과 관련이 있으며, 이는 현대 세계의 데이터가 방대하고 증가함에 따라 중요해졌습니다.

아직 달성되지 않은 한 가지는 블록 체인과 인공 지능의 조합입니다. 이 둘을 결합하면 블록 체인에 인공 지능을 추가하면 데이터 분석이 가능 해져 해당 데이터에 대한 더 많은 통찰력을 얻을 수 있으므로 더 큰 가치를 제공 할 수 있습니다.

Oraichain 개요

Oraichain의 AI 기반 오라클 개요

이것이 특히 유용 할 수있는 한 영역은 스마트 계약입니다. 이들은 관련 작업 및 이벤트를 문서화하거나 제어하여 자동으로 실행되도록 생성 된 프로토콜 또는 프로그램입니다. 프로그래밍 및 지정된 계약 조건에 따라이를 수행합니다.

스마트 계약은 특히 점점 더 인기있는 분산 형 금융 공간에서 많은 유용한 이점을 가지고 있기 때문에 블록 체인에서 점점 더 많이 사용되고 있습니다. 그러나 그들은 엄격한 규칙을 따라야한다는 점에서 하나의 제한적 제약하에 남아 있으며, 이는 스마트 계약에서 인공 지능 모델의 사용을 방지합니다.

이 문제에 대한 해결책은 Oraichain에서 개발 중입니다. 이것은 데이터 오라클 플랫폼이며 인공 지능 API를 스마트 계약 또는 기타 애플리케이션과 연결하도록 설계되었습니다.

Oraichain을 사용하면 외부 인공 지능 API에 안전하게 액세스하도록 스마트 계약을 강화할 수 있습니다. 현재 블록 체인의 초점은 가격 오라클의 사용이지만, Oraichain 스마트 계약은 신뢰할 수있는 AI 데이터에 액세스하여 블록 체인에 새롭고 유용한 기능을 제공합니다.

Oraichain은 무엇입니까?

데이터 오라클 플랫폼으로서 Oraichain은 스마트 계약 및 AI API의 통합 및 연결과 관련이 있습니다. 세계 최초의 AI 기반 데이터 오라클입니다. 현재 Oraichain이 제공하는 XNUMX 개의 주요 영역 또는 기능이 있습니다.

Oraichain 메인 넷

Oraichain이 최근 메인 넷을 발표했습니다. 통하다 Blog

AI 오라클

이미 언급했듯이 Oraichain은 AI 기반 외부 API에 대한 액세스를 허용하여 스마트 계약의 유용성을 향상 시키도록 설계되었습니다. 현재 오라클 블록 체인은 주로 가격 오라클에 초점을 맞추고 있지만, Oraichain은 모든 것을 변경할 계획입니다.

Oraichain을 통해 dApps는 신뢰할 수있는 외부 AI 데이터를 사용할 수있어 새롭고 유용한 기능을 얻습니다. 이는 다양한 외부 AI API에서 데이터를 수집하고 테스트하는 검증 자에게 요청을 전송하여 수행됩니다. 확인되면 데이터가 온 체인에 저장되어 안정성을 보장하고 향후 증거로 사용할 수 있습니다.

AI 마켓 플레이스

Oraichain의 AI Marketplace는 AI 공급자가 AI 서비스를 판매 할 수있는 곳입니다. 이것은 AI를 Oraichain에 가져오고 제공자에게 ORAI 토큰으로 보상합니다. 가격 예측, 얼굴 인증, 수확량 농업 등 다양한 서비스가 제공됩니다.

AI 제공 업체는 타사 없이도 Oraichain에서 직접 모델을 호스팅 할 수 있습니다. 이 메커니즘을 사용하면 소규모 회사 또는 개인이 AI 마켓 플레이스에 자신의 작업을 표시하는 데있어 대규모 기업과 경쟁 할 수 있습니다. 개발자와 사용자는 필요한 AI 서비스를 선택하고 ORAI 토큰으로 비용을 지불합니다.

AI 생태계

AI Marketplace는 Oraichain의 AI 생태계의 유일한 부분이 아닙니다. AI 모델 개발자를 지원하기위한 추가 AI 인프라가 있습니다. 에코 시스템에는 AI 서비스를보다 신속하고 문제없이 게시 할 수 있도록 완벽하게 개발되고 기능적인 웹 GUI가 포함되어 있습니다.

수확량 농업

수확량 농업은 Oraichain의 잠재적 사용 사례 중 하나입니다. 이미지를 통해 Oraichain 문서.

생태계는 또한 AI 공급자가 처음부터 끝까지 서비스에 대한 모든 요청의 흐름을 따를 수 있도록합니다. 이것은 시스템의 투명성을 높이기위한 수단으로 포함됩니다. 이 수준의 투명성을 통해 사용자는 실행에 가장 적합한 유효성 검사기와 악의적 인 공급자가 있는지 쉽게 확인할 수 있습니다.

스테이 킹 및 적립

검증 인은 토큰을 걸고 네트워크 보안에 대한 보상을받습니다. 다른 사용자는 토큰을 기존 검증 자에게 위임하고 그 보상을 비례 적으로 공유 할 수도 있습니다. 위임자들이 이것이 수동 소득이 아니라는 것을 이해하는 것이 중요합니다.

위임자는 검증 인이 생태계 내에서 계속해서 잘 작동하는지 확인하기 위해 적극적으로 모니터링해야합니다. 악의적 인 검증 자에게 위임하는 경우 위임 된 토큰이 슬래시 될 위험이 있습니다. 따라서 위임자들은 Oraichain 생태계가 안전하고 고품질로 유지되도록 똑같이 책임을집니다.

테스트 케이스

테스트 케이스는 블록 체인 네트워크에서 AI 서비스의 무결성과 정확성을 확인하기 위해 Oraichain에 제공됩니다. 제 XNUMX자가 테스트 케이스 공급자가 된 다음 특정 AI 모델을 조사하여 Oraichain에서 운영 할 자격이 있는지 확인하고 수수료를 부과 할 수 있습니다. 사용자는 예상 출력을 제공하고 AI 모델 결과가 유사한 지 확인할 수 있습니다. 이러한 테스트 케이스 제공 업체는 AI 제공 업체가 최고의 품질 서비스를 계속 제공하도록 권장합니다.

오라이 DAO

Oraichain의 거버넌스는 DAO 모델에서 커뮤니티에 의해 수행됩니다. ORAI 토큰을 소유 한 사람은 누구나 네트워크 거버넌스에 참여할 수 있습니다. 그들은 또한 Oraichain 생태계의 지속적인 개발과 미래 계획에 참여할 수 있습니다. 프로젝트 개발 팀이 거버넌스의 기반을 만드는 책임이 있었지만 이제는 자동화되었으며 커뮤니티의 손에 영원히 남을 것입니다.

AI 모델을 사용하여 블록 체인을 방지하는 것은 무엇입니까?

현재 개발 된 방식의 스마트 계약은 AI 모델을 실행할 수 없으며 개발자는 AI 모델을 스마트 계약에 통합하는 것이 거의 불가능 함을 발견했습니다. AI 모델은 일반적으로 신경망, SVM, 클러스터링 및 기타 접근 방식을 기반으로하는 매우 복잡한 구성입니다. 스마트 계약에는 AI 모델의 포함을 방지하는 세 가지 특성이 포함됩니다.

Oraichain Oracle

블록 체인이 AI 모델을 사용하지 못하게하는 세 가지 요소가 있지만 Oraichain이이를 수정할 것입니다. 이미지를 통해 Defi.cx

엄밀: 스마트 계약은 항상 엄격한 규칙을 따라야하는 방식으로 개발됩니다. 출력이 예상되는 경우 스마트 계약에 대한 모든 입력은 100 % 정확해야합니다. 그러나 AI 모델이 반드시 100 % 정확한 입력을 제공하는 것은 아닙니다. Oraichain은 스마트 계약 엄격 성의 일부 측면을 극복하여 더 나은 사용자 경험과 향상된 스마트 계약 기능을 제공합니다.

환경: 일반적으로 스마트 계약은 Solidity 및 Rust와 같은 고급 프로그래밍 언어를 사용하여 생성됩니다. 이는 스마트 계약에 더 나은 보안 및 구문을 제공합니다. 대조적으로 대부분의 AI 모델은 Java 또는 Python으로 작성됩니다.

데이터 크기: 대부분의 네트워크에서 스마트 계약을 실행하는 데 드는 가스 비용으로 인해 일반적으로 매우 작은 스토리지 허용량으로 생성됩니다. 비교적 AI 모델은 상당히 크고 많은 저장 공간을 사용합니다.

블록 체인 기반 Oracle AI

Oraichain은 AI 모델을 사용할 수있는 스마트 계약을 생성하는 방법으로 개발되고 있습니다. 표면적으로 Oraichain이 사용하는 메커니즘은 체인 링크 또는 밴드 프로토콜,하지만 Oraichain은 AI API와 AI 모델의 품질에 더 중점을 둡니다.

각 사용자 요청에는 첨부 된 테스트 케이스가 포함되어 있으며 지불을 받으려면 제공자 API가 지정된 수의 테스트 케이스를 통과해야합니다. 검증자는 테스트 케이스 기능과 AI 모델의 품질을 관리하여 Oraichain을 다른 솔루션과 매우 다르고 독특하게 만듭니다.

Oraichain 시스템 개요

Oraichain 퍼블릭 블록 체인은 여러 사용자 생성 데이터 요청을 허용합니다. 사용자가 데이터를 요청하는 것 외에도 블록 체인은 스마트 계약이 블록 체인 외부에있는 인공 지능 API에서 데이터를 안전하게 요청할 수 있도록합니다. 블록 체인은 코스모스 SDK Tendermint의 BFT (Byzantine Fault Tolerance)를 합의 메커니즘으로 활용하여 트랜잭션 확인이 신속하게 처리되도록합니다.

합의 메커니즘 측면에서 Oraichain 프로토콜은 다음과 유사합니다. 스테이크 증서 위임장 (DPoS). 네트워크는 각각 ORAI 토큰을 소유하고 스테이 킹하는 검증 자로 구성되며, ORAI 토큰을 보유한 다른 사용자는이를 지명 된 검증 인에게 위임 할 수 있습니다. 이러한 방식으로 검증 자와 위임자 모두 새로 생성 된 각 블록의 지분에 비례하여 보상을받습니다.

검증 인은 AI 공급자로부터 데이터를 수집하고 데이터가 블록 체인에 저장되기 전에 검증하는 작업을합니다. AI API를 검증하기 위해 각 검증자는 사용자, 테스트 공급자 또는 스마트 계약이 제공 한 테스트 사례를 기반으로 테스트를 수행해야합니다. 사용자가 어떤 테스트 케이스가 좋을지 확신 할 수 없을 때마다 테스트 제공자에게 추가 테스트 케이스를 요청할 수 있습니다. 따라서 AI API의 유효성을 항상 확인할 수 있습니다.

Oraichain 시스템 개요

Oraichain의 내부 작업을 표현합니다. 이미지를 통해 Oraichain 문서

Oraichain 시스템에서 AI API 요청 흐름이 어떻게 작동하는지 위에서 볼 수 있습니다. 요청을 수행 할 때 스마트 계약 또는 사용자는 AI Marketplace 또는 Oraichain 게이트웨이에서 사용할 수있는 오라클 스크립트를 호출해야합니다. 이러한 Oracle 스크립트에는 AI 공급자가 제공하는 외부 AI 데이터 소스와 함께 테스트 케이스 및 선택적 테스트 소스가 포함됩니다. 각 요청을 완료하는 데 필요한 거래 수수료도 있습니다.

요청이 제출 될 때마다 요청을 완료하기 위해 임의의 유효성 검사기가 선택됩니다. 그런 다음이 유효성 검사기는 하나 이상의 AI 공급자로부터 필요한 데이터를 검색하고 테스트 시나리오를 실행하여 데이터의 유효성을 확인합니다. 테스트를 통과하면 데이터를 전달할 수 있지만 테스트가 실패하면 요청이 취소됩니다.

요청이 성공하면 테스트 결과가 Oraichain 블록 체인에 기록됩니다. 이 결과는 스마트 계약 또는 일반 애플리케이션에서 가져올 수 있으며 실행 증명으로 사용됩니다. 또한 검증 인과 위임자에게 보상하는 데 사용되는 필요한 거래 수수료를 지불하기 위해 성공적인 요청이 필요합니다.

Oraichain의 트랜잭션에서 결과를 읽는 오버 헤드가 있지만 AI 공급자로부터 데이터를 가져 오는 과정에서 AI API 품질이 좋고 데이터 변조가 없는지 확인하는 데 도움이됩니다.

이 테스트를 Chainlink 및 Bank Protocol과 비교하면 테스트 케이스를 사용한 API 테스트가 Oraichain에 고유하다는 것을 알 수 있습니다. Oraichain은 AI API에 중점을두기 때문에 생태계에서 AI 공급자의 품질을 제어하기 위해 테스트를 포함하는 것이 중요합니다. 또한 사용자와 테스트 공급자는 AI API를 제대로 확인하기 위해 새롭고 적합한 테스트 케이스를 제출할 수 있습니다. 이러한 테스트 사례는 AI 제공 업체가 AI 모델의 품질과 정확성을 개선하도록 장려합니다.

Oraichain 검증

요청을 완료하기 위해 테스트 케이스를 검증합니다. Oraichain Docs를 통한 이미지

Oraichain 모델에 추가 된 또 다른 독특한 기능은 AI API의 품질 향상과 관련하여 각 검증 인의 평판을 평가할 수있는 커뮤니티의 능력입니다. 이러한 방식으로 유효성 검사기가 낮은 가용성, 느린 응답 시간, AI 공급자 유효성 검사 실패, 테스트 사례를 제대로 수행하지 못하거나 기타 잘못된 동작이있는 것으로 확인되면 삭감 될 수 있습니다.

한 가지 경고는 시스템이 중앙 집중화되는 것을 방지하기 위해 많은 검증자가 필요하다는 것입니다. 더 많은 수의 유효성 검사기가 네트워크의 가용성을 높이는 동시에 확장 성과 성공적인 요청 성능을 향상시킵니다.

동시에 블록 보상 및 거래 수수료는 많은 검증 인이 Oraichain 생태계에 참여하고 참여하도록 인센티브를 제공하기에 충분해야합니다. 그렇지 않으면 네트워크가 중앙 집중화되어 사용할 수 없을 정도로 느려질 수 있습니다.

Oraichain 팀

Oraichain은 최근 Orachain의 전 CTO를 Oraichain Vietnam의 CEO 자리로 옮기고 Mr. Tu Pham을 Oraichain의 CTO로 환영하면서 리더십을 일부 변경했습니다.

Oraichain 팀

Oraichain의 인상적인 리더십 팀. Orai.io를 통한 이미지

청 다오 Oraichain의 CEO로 계속됩니다. 프로젝트의 공동 창립자 중 한 명으로서 그는 처음부터 프로젝트의 성장에 중요한 역할을했습니다. 그는 또한 Rikkeisoft의 공동 설립자이며 도쿄 대학에서 컴퓨터 과학 박사 학위를 취득했습니다.

AI 리드와 프로젝트의 또 다른 공동 설립자는 딥 응 우옌, 하노이 VNU의 강사이자 Keio University에서 박사 학위를 받았습니다.

또한 Oraichain의 전체 인력은 이제 핵심 팀, AI 및 블록 체인 전문가, 데이터 과학자 및 개발자를 포함하여 25 명으로 확장되었습니다.

Oraichain 및 Binance Chain 통합

Oraichain의 리더십을 변경하는 것과 동시에 팀은 Binance Chain과의 통합도 완료했습니다. 이 통합은 ERC-20 ORAI 토큰을 위해 이더 리움에서 바이 낸스 체인으로의 다리를 만듭니다. Oraichain은 PancakeSwap에서 BNB / ORAI 페어링 거래에 필요한 유동성을 제공하기 위해 노력했습니다.

오라이 체인 다리

ERC-20에서 BEP-20 토큰으로 또는 그 반대로 쉽게 교환 할 수 있습니다. Oraichain 블로그를 통한 이미지.

ERC-20 ORAI 토큰과 BEP-20 ORAI 토큰 간 교환을 원하는 사람은 누구나 할 수 있습니다. https://bridge.orai.io.

새로운 BEP-20 토큰에 대한 자세한 정보와 스와핑 지침을 찾을 수 있습니다. 여기를 클릭해 주세요.

ORAI 토큰 경제학

AI 요청이 Oraichain 네트워크로 전송 될 때마다 ORAI 토큰으로 지불해야하는 관련 거래 비용이 있습니다. 실제로 토큰은 검증 자, AI-API 공급자, 테스트 케이스 공급자 및 블록 생성 검증자를 실행하는 요청에 대해 지불되는 거래 수수료 역할을합니다.

거래 수수료는 설정되어 있지 않지만 요청을 실행하는 검증 인, AI API 제공 업체 및 테스트 케이스 제공 업체의 수수료 요구 사항에 따라 다릅니다. 이는 요청이있을 때마다 검증자가 제공된 거래 수수료에 따라 요청을 실행할지 여부를 선택할 수 있음을 의미합니다.

검증 인이 자발적인 참가자 풀에 포함 될지 여부를 결정하면 시스템은 요청을 실행할 의지를 표명 한 검증 인 중 하나를 무작위로 선택합니다. 검증 인은 또한 AI-API 공급자, 테스트 케이스 공급자에게 지불 된 수수료를 명확히하고 MsgResultReport에서 검증 인을 생성하는 것을 차단할 책임이 있습니다.

하나 이상의 검증자가 요청에 포함될 수 있으며,이 경우 거래 수수료는 요청에 참여한 검증 자간에 균등하게 분배됩니다. 다시 말하지만, 검증 인은 그러한 거래 수수료를 기꺼이 받아 들일 것인지 결정해야합니다.

ORAI 토큰은 새로 생성 된 각 블록에 대해 보상을 받기 때문에 ORAI 토큰의 가치를 유지하기 위해 보유자는 토큰을 Oraichain 네트워크에 스테이 킹해야합니다. 보상 토큰은 소유자가 검증 인에게 스테이 킹하는 토큰 수에 따라 나뉩니다. 또한 AI API 품질, 응답 시간 및 가용성 측면에서 검증 자의 잘못된 행동을 처벌하는 메커니즘이 있습니다.

Oraichain Tokenomics

새로운 tokenomics는 ORAI 토큰의 성장을 지원합니다. Oraichain 블로그를 통한 이미지

팀은 또한 73 년 2020 월 ORAI 토큰 총 공급량의 2027 %를 소각하여 토큰 온 믹스를 변경했습니다. 또한 배출 일정을 XNUMX 년으로 연장하여 릴리스 곡선을 평평하게하고 갑작스러운 공급 충격으로부터 보호했습니다. 또한 프로젝트 초기에 인플레이션을 최소화하는 데 도움이됩니다.

ORAI 토큰

2020 년 0.081 월에 ORAI 토큰이 각각 $ 70,000에 판매되는 종자 판매가있었습니다. 판매 목표는 2020 달러 였지만 모금 된 총 자금에 대한 데이터는 공개되지 않았습니다. 2021 년 73 월에는 비공개 판매가 예정되어 있었지만 개최되지 않았습니다. 마지막으로 XNUMX 년 XNUMX 월로 예정된 공개 판매가 있었지만 팀이 토큰 노믹스를 변경하고 순환 공급량의 XNUMX %를 소각 한 후 공개 판매가 취소되었습니다.

ORAI 토큰의 가격은 2021 년에 급등하여 107.48 년 20 월 2021 일에 사상 최고가 인 $ 2.83에 도달했습니다. 이는 29 년 2020 월 XNUMX 일에 불과 XNUMX 개월 전인 $ XNUMX의 사상 최저치와 대조됩니다.

Oraichain 차트

ORAI 토큰은 불과 4 개월 만에 상승했습니다. 이미지를 통해 Coinmarketcap.com

23 년 2021 월 65.06 일 현재 가격은 XNUMX 달러로 사상 최고가에서 크게 하락했습니다. 토큰을 처리하는 거래소는 거의 없으며 대부분의 거래는 Uniswap에서 발생합니다. KuCoin, Gate.io 및 Bithumb Global에도 소량의 활동이 있습니다.

Oraichain 사용 사례

이미 Oraichain에 대한 관심을 불러 일으킨 많은 사용 사례가 있습니다.

AI를 통한 수확량 농업

Oraichain을 기반으로 한 수확량 농업은 YFI (yearn.finance) 개발에서 영감을 받았습니다. yEarn과 마찬가지로 Oraichain 시스템은 수익률 거래의 복잡성을 줄이는 데 도움이됩니다. yEarn이 크라우드 소싱 지식을 사용하는 경우 Oraichain은 스마트 계약에 대한 입력으로 AI 기반 가격 예측 API를 제공합니다. 수확량 농업 사용 사례에는 두 가지 기능이 있습니다.

벌다: Oraichain에서 가격 예측을 받고 토큰 매수 / 매도를 자동으로 결정합니다. 사용자는 최고 성능의 AI API를 선택합니다.

금고: Oraichain에 자동화 된 거래 오라클 스크립트를 적용합니다. 입금 토큰과 할당 된 오라클 스크립트는 수익을 극대화하기 위해 최상의 AI 입력을 찾습니다.

yAI 금융

AI 기반 DeFi 플랫폼. 이미지를 통해 yai.finance

yearn.finance (크라우드 소스 기반 전략)와 비교할 때 AI 기반 거래 성과는 효율성이 떨어질 수 있지만 모든 구매 또는 판매 결정이 인간 심리학이 아닌 AI 모델 (또는 기계)에 기반하기 때문에 위험 관리가 더 좋을 수 있습니다.

유연한 스마트 계약 및 얼굴 인증

얼굴 인증이 매우 유용한 몇 가지 시나리오가 있습니다.

  • 개인 키를 사용하는 대신 얼굴을 사용하여 잔액을 얻습니다.
  • 얼굴을 사용하여 등록 된 지갑으로 토큰 인출
  • 개인 / 공개 키 쌍을 재설정하기 위해 얼굴 사용
  • 스마트 계약을 실행하기 위해 개인 키와 얼굴을 모두 사용합니다.

얼굴 인증을 사용하는 것은 개인 키보다 위험 할 수 있지만 사용자 경험을 개선하는 데 도움이됩니다. 잔액을 확인하고 등록 된 지갑으로 토큰을 인출하는 경우 얼굴 인증은 안전하고 편리한 것으로 간주됩니다.

가짜 뉴스 감지

이 사용 사례는 뉴스를 신뢰할 수 있는지 확인하려는 일반 애플리케이션에 더 중점을 둡니다. Oraichain은 다양한 공급자의 결과를 결합 할 수있는 분산 된 방식으로 시장을 제공합니다. 공급자가 지불을 받기를 원하는 경우 해당 API는 다른 API 공급자와 마찬가지로 테스트 사례를 통과해야합니다.

더 많은 잠재적 사용 사례

  • 스마트 계약은 제품이 공급망에서 가짜인지 확인하는 데 도움이됩니다.
  • 사용자의 신용 점수에 따라 대출을 결정하는 스마트 계약
  • 스마트 계약은 게임 아이템의 특성과 DNA에 따라 자동으로 가격을 책정합니다.
  • X-ray 이미지, 스팸 분류, OCR을 사용한 필기 감지 및 OCR을 사용한 시민 ID 카드 감지에 대한 자동 진단 시장입니다.

Oraichain 로드맵

Oraichain 로드맵

인상적인 2021 로드맵. Orai.io를 통한 이미지

결론

데이터 오라클 부문에 구축 된 다른 프로젝트와 마찬가지로 Oraichain에 대한 수요는 DeFi 경제가 계속 확장됨에 따라 증가해야합니다. yAI DeFi 제품을 시작으로 Oraichain은 공간에서 경쟁 할 수있는 능력 이상을 보여줍니다.

또한이 플랫폼은 yEarn Finance와 같은 크라우드 소싱 프로젝트가 제공하지 않는 틈새 시장을 채 웁니다. 또한 업계 리더 인 Chainlink와 차별화되는 고유 한 접근 방식을 취하고 있습니다.

프로젝트의 메인 넷 출시는 24 월 XNUMX 일이며, 프로젝트에 대한 수요와 오라클 프로토콜 및 DeFi에 대한 고유 한 변화를 확인할 수있는 흥미로운 시간이 될 것입니다. 또한 지난 XNUMX 개월 동안 인상적인 성장을 보인 ORAI 토큰을 다시 활성화 할 수 있습니다.

Oraichain은 젊은 프로젝트이지만 이미 매우 인상적인 발전을 이루었습니다. 프로젝트 로드맵은 상당히 인상적이지만 팀도 인상적입니다. 이는 2021 년 이후에 Oraichain의 전례없는 성장으로 이어질 수 있습니다.

스마트 계약에 AI를 추가하는 문제를 맡은 유일한 프로젝트로서 Oraichain은 앞으로 얼마 동안 블록 체인 분야의 리더로 자리 매김 할 수 있습니다.

면책 조항 : 이것은 작가의 의견이며 투자 조언으로 간주되어서는 안됩니다. 독자는 스스로 조사해야합니다.

포스트 Oraichain 검토 : AI 기반 Oracle 시스템 첫 번째 등장 코인 뷰로.

출처 : https://www.coinbureau.com/review/oraichain-orai/

계속 읽기

AI

Biden은 정부 내에서 AI를 홍보하는 트럼프의 정책을 두 배로 줄여야합니다.

화신

게재

on

1970 년 도트 매트릭스 글꼴의 이진 코드, 1010110과 XNUMX이 조난 된 미국 국기의 데이터 XNUMX 열로 희미 해졌습니다.


현 행정부는 정부의 AI 사용 촉진 정책을 유지해야 할뿐만 아니라이를 우선 순위로 삼아야합니다.더 읽기 출처 : https://venturebeat.com/2021/02/25/biden-should-double-down-on-trumps-policy-of-promoting-ai-within-government/

계속 읽기

AI

AWS Glue로 Amazon Personalize 설정

화신

게재

on

데이터는 마케팅, 영업 또는 제품과 같은 다양한 비즈니스 단위의 요구를 충족시키기 위해 다양한 방식으로 사용될 수 있습니다. 이 게시물에서는 데이터를 사용하여 최종 사용자 참여를 개선하기위한 개인화 된 권장 사항을 만드는 데 중점을 둡니다. 대부분의 전자 상거래 응용 프로그램은 개인화 된 권장 사항을 제공하는 데 사용할 수있는 엄청난 양의 고객 데이터를 사용합니다. 그러나 데이터가 정리되지 않았거나 귀중한 통찰력을 제공하기에 올바른 형식이 아닐 수 있습니다.

이 게시물의 목표는 AWS 접착제 JSON 데이터를 추출, 변환 및 정리 된 CSV 형식으로로드합니다. 그런 다음에서 제공하는 추천 엔진을 실행하는 방법을 보여줍니다. 아마존 개인화 고객에게 맞춤형 경험을 제공하기 위해 사용자 상호 작용 데이터에 Amazon Personalize의 결과 출력은 API에서 생성 할 수있는 권장 사항입니다.

일반적인 사용 사례는 사용자 항목 상호 작용 데이터를 수집하고 고객이 좋아할 수있는 유사한 제품 또는 제품을 제안하는 전자 상거래 플랫폼입니다. 이 게시물이 끝나면 정리되지 않은 JSON 데이터를 가져와 각 사용자가 상호 작용 한 제품을 기반으로 개인화 된 추천을 생성하여 최종 사용자에게 더 나은 경험을 제공 할 수 있습니다. 이 게시물의 목적은 다음을 참조하십시오. 사용자 항목 상호 작용 데이터 세트 이 솔루션을 구축합니다.

이 솔루션의 리소스로 인해 AWS 계정에 비용이 발생할 수 있습니다. 가격 정보는 다음을 참조하십시오. AWS Glue 요금Amazon Personalize 요금.

다음 다이어그램은 솔루션 아키텍처를 보여줍니다.

사전 조건

이 게시물에는 다음이 필요합니다.

버킷 생성에 대한 지침은 1 단계 : 첫 번째 S3 버킷 생성. 확인하십시오 Amazon Personalize 액세스 정책 연결.

이것은 매우 관대 한 정책입니다. 실제로 최소한의 권한을 사용하고 필요한 경우에만 액세스 권한을 부여하는 것이 가장 좋습니다. 역할 생성에 대한 지침은 2 단계 : AWS Glue에 대한 IAM 역할 생성.

AWS Glue를 사용하여 데이터 크롤링

AWS Glue를 사용하여 JSON 파일을 크롤링하여 데이터 스키마를 결정하고 AWS Glue 데이터 카탈로그에 메타 데이터 테이블을 생성합니다. 데이터 카탈로그에는 AWS Glue에서 ETL 작업의 소스 및 대상으로 사용되는 데이터에 대한 참조가 포함되어 있습니다. AWS Glue는 데이터를 쉽게 추출, 정리, 보강, 정규화 및로드 할 수있는 서버리스 데이터 준비 서비스입니다. 분석 또는 기계 학습 (ML)을 위해 데이터를 준비하는 데 도움이됩니다. 이 섹션에서는 CSV 파일이 필요한 Amazon Personalize를 위해 JSON 데이터를 준비하는 방법을 살펴 봅니다.

데이터에는 Amazon Personalize를 통해 반드시 실행해야하거나 실행해야하는 다른 열이있을 수 있습니다. 이 게시물에서 우리는 user-item-interaction.json 열만 포함하도록 AWS Glue를 사용하여 해당 데이터를 파일링하고 정리합니다. user_id, item_idtimestamp, CSV 형식으로 변환합니다. 크롤러를 사용하여 데이터 저장소에 액세스하고, 메타 데이터를 추출하고, 데이터 카탈로그에서 테이블 정의를 만들 수 있습니다. 자동으로 새 데이터를 검색하고 스키마 정의를 추출합니다. 이를 통해 데이터와 모델을 학습하는 동안 포함 할 내용을 더 잘 이해할 수 있습니다.

그리고, user-item-interaction JSON 데이터는 레코드 배열입니다. 크롤러는 데이터를 하나의 객체, 즉 배열로 취급합니다. 우리는 맞춤 분류 자 JSON 배열의 각 레코드를 기반으로하는 스키마를 만듭니다. 데이터가 레코드 배열이 아닌 경우이 단계를 건너 뛸 수 있습니다.

  1. AWS Glue 콘솔의 겉옷, 선택하다 분류 자.
  2. 선호하는 분류 자 추가.
  3. 분류 자 이름시작하다 json_classifier.
  4. 분류 자 유형, 고르다 JSON.
  5. JSON 경로, 입력 $[*].
  6. 선호하는 만들기.

생성을 선택합니다.

  1. 크롤러 페이지, 선택하다 크롤러 추가.
  2. 크롤러 이름, 입력 json_crawler.
  3. 맞춤 분류 자에서 생성 한 분류자를 추가합니다.

사용자 지정 분류 자의 경우 생성 한 분류자를 추가합니다.

  1. 선호하는 다음.
  2. 크롤러 소스 유형, 선택하다 데이터 저장소.
  3. 나머지는 모두 기본값으로두고 선택 다음.
  4. 데이터 저장소를 선택하십시오, JSON 데이터 파일의 Amazon S3 경로를 입력합니다.
  5. 선호하는 다음.

다음을 선택하십시오.

  1. 섹션 건너 뛰기 다른 데이터 저장소 추가.
  2. 에서 IAM 역할을 선택하십시오. 섹션에서 선택 기존 IAM 역할 선택.
  3. IAM 역할에서 이전에 생성 한 역할 (AWSGlueServiceRole-xxx).
  4. 선호하는 다음.

다음을 선택하십시오.

  1. 빈도는 그대로 둡니다. 주문형 실행.
  2. 산출 페이지에서 선택 데이터베이스 추가.
  3. 데이터베이스 이름, 입력 json_data.
  4. 선호하는 .
  5. 선호하는 지금 실행. 

다음으로 이동하여 크롤러를 실행할 수도 있습니다. 겉옷 페이지, 크롤러 선택 및 크롤러 실행.

AWS Glue를 사용하여 CSV에서 JSON으로 파일 변환

크롤러 실행이 완료되면 테이블 AWS Glue 콘솔의 페이지. 크롤러가 생성 한 테이블로 이동합니다. 여기에서 데이터 스키마를 볼 수 있습니다. Amazon Personalize 데이터에 사용할 필드를 기록해 둡니다. 이 게시물을 위해 우리는 user_id, item_id및 Amazon Personalize에 대한 타임 스탬프 열.

이 게시물에서는 Amazon Personalize에 대한 user_id, item_id 및 타임 스탬프 열을 유지하려고합니다.

이 시점에서 데이터베이스를 설정했습니다. Amazon Personalize에는 CSV 파일이 필요하므로 JSON 형식의 데이터를 Amazon Personalize에 필요한 데이터 만 포함하는 세 개의 정리 된 CSV 파일로 변환해야합니다. 다음 표는 Amazon Personalize에 포함 할 수있는 세 가지 CSV 파일의 예를 보여줍니다. 주목하는 것이 중요합니다. 상호 작용 데이터가 필요하지만 사용자 데이터 메타 데이터는 선택 사항입니다.

데이터 세트 유형 필수 입력 사항 예약 된 키워드
사용자

USER_ID (끈)

메타 데이터 필드 1 개

항목

ITEM_ID (끈)

메타 데이터 필드 1 개

CREATION_TIMESTAMP(긴)
상호 작용

USER_ID (끈)

ITEM_ID (끈)

TIMESTAMP (긴)

 

EVENT_TYPE (끈)

IMPRESSION (끈)

EVENT_VALUE (float, null)

모델을 학습시키기 위해 최소 1,000 개의 고유 한 결합 된 기록 및 이벤트 상호 작용이 있는지 확인하는 것도 중요합니다. 할당량에 대한 자세한 내용은 Amazon Personalize의 할당량.

데이터를 CSV로 저장하려면 데이터에 대해 AWS Glue 작업을 실행해야합니다. 작업은 AWS Glue에서 ETL 작업을 수행하는 비즈니스 로직입니다. 이 작업은 형식을 JSON에서 CSV로 변경합니다. 데이터 형식에 대한 자세한 내용은 입력 데이터 형식화.

  1. AWS Glue 대시 보드, 선택하다 AWS Glue Studio.

AWS Glue Studio AWS Glue ETL 작업을 생성, 실행 및 모니터링하기위한 사용하기 쉬운 그래픽 인터페이스입니다.

  1. 선호하는 작업 생성 및 관리.
  2. 고르다 그래프에 소스와 타겟이 추가되었습니다.
  3. 출처, 선택하다 S3.
  4. 목표, 선택하다 S3.
  5. 선호하는 만들기.

생성을 선택합니다.

  1. 데이터 소스 S3 버킷을 선택합니다.
  2. 데이터 소스 속성 – S3 탭에서 앞서 만든 데이터베이스와 테이블을 추가합니다.

데이터 원본 속성 – S3 탭에서 앞서 만든 데이터베이스와 테이블을 추가합니다.

  1. 변환 탭에서 드롭 할 상자를 선택하십시오. user_loginlocation.

이 게시물에서는 개인화 알고리즘을 실행하기 위해 추가 메타 데이터를 사용하지 않습니다.

이 게시물에서는 개인화 알고리즘을 실행하기 위해 추가 메타 데이터를 사용하지 않습니다.

  1. 데이터 대상 S3 버킷을 선택합니다.
  2. 데이터 대상 속성 – S3 탭, 형성, 선택하다 CSV.
  3. S3 대상 위치, 대상의 S3 경로를 입력하십시오. 

이 게시물에서는 JSON 파일에 사용한 것과 동일한 버킷을 사용합니다.

이 게시물에서는 JSON 파일에 사용한 것과 동일한 버킷을 사용합니다.

  1. 직업 세부 정보 페이지 이름, 작업 이름을 입력하십시오 (이 게시물의 경우 json_to_csv).
  2. IAM 역할에서 이전에 생성 한 역할을 선택합니다.

또한 다음을 포함해야합니다. AmazonS3FullAccess 이전 정책.

  1. 나머지 필드는 기본 설정으로 둡니다.

나머지 필드는 기본 설정으로 둡니다.

  1. 선호하는 찜하기.
  2. 선호하는 달리기.

작업이 실행되는 데 몇 분 정도 걸릴 수 있습니다.

이제 Amazon S3 버킷에 다음 섹션에서 사용하는 CSV 파일이 표시됩니다.

Amazon Personalize 설정

이제 Amazon Personalize에서 사용할 수있는 파일 형식으로 데이터 형식이 지정되었습니다. Amazon Personalize는 ML과 Amazon.com에서 20 년 이상의 추천 경험을 사용하는 완전 관리 형 서비스로, 실시간 개인화 된 제품 및 콘텐츠 추천과 타겟 마케팅 프로모션을 강화하여 최종 사용자 참여를 개선 할 수 있습니다. 이 섹션에서는 데이터를 사용하여 개인화 된 경험을 생성하는 Amazon Personalize 솔루션을 생성하는 방법을 살펴 봅니다.

  1. Amazon Personalize 콘솔의 새 데이터 세트 그룹, 선택하다 시작하기.
  2. 데이터 세트 그룹의 이름을 입력합니다.

데이터 세트 그룹에는 데이터 세트, 솔루션 및 이벤트 수집 API가 포함됩니다.

  1. 데이터 세트 이름을 입력하고 데이터를 기반으로 한 스키마 세부 정보를 입력합니다.

이 데이터 세트의 경우 다음 스키마를 사용합니다. 데이터 세트의 값에 따라 스키마를 변경할 수 있습니다.

{ "type": "record", "name": "Interactions", "namespace": "com.amazonaws.personalize.schema", "fields": [ { "name": "USER_ID", "type": "string" }, { "name": "ITEM_ID", "type": "string" }, { "name": "TIMESTAMP", "type": "long" } ], "version": "1.0"
}

  1. 선호하는 다음.
  2. Amazon S3에서 데이터를 가져 오려면 데이터 세트 가져 오기 작업 이름을 입력합니다.

IAM 서비스 역할에 Amazon S3 및 Amazon Personalize에 대한 액세스 권한이 있고 버킷에 올바른 권한이 있는지 확인하십시오. 버킷 정책.

  1. 데이터 경로를 입력합니다 (이전 섹션의 Amazon S3 버킷).
  2. 대시보드 데이터 세트 그룹 페이지에서 데이터 세트 업로드가져 오기 user-item-interactions 데이터 (사용자 데이터 및 항목 데이터는 선택 사항이지만 솔루션을 향상시킬 수 있음).

데이터 세트 그룹에 대한 대시 보드 페이지의 데이터 세트 업로드에서

우리는 예를 포함합니다 item.csv 에 파일을 GitHub 레포. 다음 스크린 샷은 항목 데이터의 예를 보여줍니다.

다음 스크린 샷은 항목 데이터의 예를 보여줍니다.

  1. 아래에 솔루션 생성에 대한 솔루션 교육, 선택하다 스타트.

솔루션은 선택한 알고리즘 또는 레시피와 함께 제공 한 데이터의 학습 된 모델입니다.

  1. 솔루션 이름, 입력 aws-user-personalization.
  2. 선호하는 다음.
  3. 검토 및 선택 .
  4. 대시 보드에서 캠페인 시작에 대한 캠페인 생성, 선택하다 스타트.

캠페인을 통해 애플리케이션은 솔루션 버전에서 권장 사항을 얻을 수 있습니다.

  1. 캠페인 이름, 이름을 입력하십시오.
  2. 생성 한 솔루션을 선택하십시오.
  3. 선호하는 캠페인 만들기.

이제 데이터 레이크의 데이터를 성공적으로 사용하고 다양한 권장 사항을 얻는 데 사용할 수있는 권장 사항 모델을 만들었습니다. 이 데이터 세트를 사용하면 데이터 세트의 다른 제품과 사용자의 상호 작용을 기반으로 가정 용품 제품에 대한 개인화 된 권장 사항을 얻을 수 있습니다.

Amazon Personalize를 사용하여 추천 받기

솔루션을 테스트하려면 작성한 캠페인으로 이동하십시오. 에서 캠페인 결과 테스트 섹션 아래 사용자 ID, 추천을받을 ID를 입력하세요. 상대 점수와 함께 ID 목록이 표시됩니다. 항목 ID는 권장되는 특정 제품과 관련이 있습니다.

다음 스크린 샷은 사용자 ID 검색을 보여줍니다. 1. 추천 항목 ID입니다. 59, 나무 액자와 관련이 있습니다. 항목 옆에 나열된 점수는 각 항목과 사용자의 예상 관련성을 제공합니다.

다음 스크린 샷은 사용자 ID 1에 대한 검색을 보여줍니다.

Amazon Personalize 점수에 대한 자세한 내용은 Amazon Personalize에서 추천 점수 소개.

권장 사항을 생성하려면 GetRecommendations or GetPersonalizedRanking API를 사용하는 AWS 명령 줄 인터페이스 (AWS CLI) 또는 언어 별 SDK. Amazon Personalize를 사용하면 사용자가 더 많은 실시간 사용 사례를 위해 항목을 클릭하면 권장 사항이 변경 될 수 있습니다. 자세한 내용은 실시간 권장 사항 얻기.

결론

AWS는 다양한 AI / ML분석 통찰력을 얻고 더 나은 비즈니스 결정을 안내하는 데 사용할 수있는 서비스입니다. 이 게시물에서는 추가 데이터 열이 포함 된 JSON 데이터 세트를 사용하고 AWS Glue를 사용하여 해당 데이터를 정리 및 변환했습니다. 또한 Amazon Personalize를 사용하여 고객에게 권장 사항을 제공하는 사용자 지정 모델을 구축했습니다.

Amazon Personalize에 대해 자세히 알아 보려면 개발자 가이드. 이 솔루션을 시도하고 의견에 질문이 있으면 알려주십시오.


저자에 관하여

조이 쉬 피스 와파조이시 피타 왈라 샌프란시스코에 기반을 둔 Amazon Web Services의 Startup Solutions Architect입니다. 그녀는 주로 스타트 업 고객과 협력하여 AWS에서 안전하고 확장 가능한 솔루션을 구축 할 수 있도록 지원합니다.

 

 

 

Sam TranSam Tran 시애틀에 기반을 둔 Amazon Web Services의 Startup Solutions Architect입니다. 그는 고객이 AWS에서 잘 설계된 솔루션을 생성하도록 돕는 데 중점을 둡니다.

출처 : https://aws.amazon.com/blogs/machine-learning/setting-up-amazon-personalize-with-aws-glue/

계속 읽기
블록체인4 일 전

UAE의 까르푸 쇼핑객이 블록 체인 기술을 사용하여 Farm-to-Shelf 정보를 얻습니다.

QEC 코드의 하드웨어 구현을 제안했습니다. 회로는 빨간색으로 강조 표시된 자이 레이터로 연결된 두 개의 Josephson 접합으로 구성됩니다. CREDIT M. Rymarz et al., Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032(CC BY 4.0)
나노 기술3 일 전

내결함성 큐 비트를위한 청사진 : Forschungszentrum Jülich 및 RWTH Aachen University의 과학자들은 일반적인 오류로부터 자연스럽게 보호되는 양자 컴퓨터 용 회로를 설계했습니다.

QEC 코드의 하드웨어 구현을 제안했습니다. 회로는 빨간색으로 강조 표시된 자이 레이터로 연결된 두 개의 Josephson 접합으로 구성됩니다. CREDIT M. Rymarz et al., Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032(CC BY 4.0)
나노 기술5 일 전

내결함성 큐 비트를위한 청사진 : Forschungszentrum Jülich 및 RWTH Aachen University의 과학자들은 일반적인 오류로부터 자연스럽게 보호되는 양자 컴퓨터 용 회로를 설계했습니다.

Amb Crypto5 일 전

Ethereum, Uniswap, Dogecoin 가격 분석 : 21 월 XNUMX 일

자동차4 일 전

SpaceX Starship은 이번 주 후반에 세 번째가 매력인지 알아낼 준비가되었습니다.

PR 뉴스 와이어4 일 전

국제 HPV 인식의 날 서밋

QEC 코드의 하드웨어 구현을 제안했습니다. 회로는 빨간색으로 강조 표시된 자이 레이터로 연결된 두 개의 Josephson 접합으로 구성됩니다. CREDIT M. Rymarz et al., Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032(CC BY 4.0)
나노 기술4 일 전

내결함성 큐 비트를위한 청사진 : Forschungszentrum Jülich 및 RWTH Aachen University의 과학자들은 일반적인 오류로부터 자연스럽게 보호되는 양자 컴퓨터 용 회로를 설계했습니다.

AI4 일 전

해고당했습니다 : 동료가 축출 된 지 불과 몇 주 만에 윤리 부서 공동 대표가 퇴출되면서 Google AI가 붕괴 됨

자동차3 일 전

FAA, 세 번째 발사 및 착륙 시도를 위해 SpaceX Starship 프로토 타입 승인

QEC 코드의 하드웨어 구현을 제안했습니다. 회로는 빨간색으로 강조 표시된 자이 레이터로 연결된 두 개의 Josephson 접합으로 구성됩니다. CREDIT M. Rymarz et al., Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032(CC BY 4.0)
나노 기술5 일 전

내결함성 큐 비트를위한 청사진 : Forschungszentrum Jülich 및 RWTH Aachen University의 과학자들은 일반적인 오류로부터 자연스럽게 보호되는 양자 컴퓨터 용 회로를 설계했습니다.

나노 기술4 일 전

새로운 분리 된 림프관 루멘 관류 시스템을 사용한 나노 입자의 역학

QEC 코드의 하드웨어 구현을 제안했습니다. 회로는 빨간색으로 강조 표시된 자이 레이터로 연결된 두 개의 Josephson 접합으로 구성됩니다. CREDIT M. Rymarz et al., Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032(CC BY 4.0)
나노 기술4 일 전

내결함성 큐 비트를위한 청사진 : Forschungszentrum Jülich 및 RWTH Aachen University의 과학자들은 일반적인 오류로부터 자연스럽게 보호되는 양자 컴퓨터 용 회로를 설계했습니다.

PR 뉴스 와이어4 일 전

1.81 년까지 2027 억 달러 규모의 항응고제 역전 약물 시장 규모 : Grand View Research, Inc.

PR 뉴스 와이어4 일 전

IAR Systems, 선도적 인 임베디드 개발 도구에서 64 비트 Arm 코어 지원 도입

QEC 코드의 하드웨어 구현을 제안했습니다. 회로는 빨간색으로 강조 표시된 자이 레이터로 연결된 두 개의 Josephson 접합으로 구성됩니다. CREDIT M. Rymarz et al., Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032(CC BY 4.0)
나노 기술3 일 전

내결함성 큐 비트를위한 청사진 : Forschungszentrum Jülich 및 RWTH Aachen University의 과학자들은 일반적인 오류로부터 자연스럽게 보호되는 양자 컴퓨터 용 회로를 설계했습니다.

PR 뉴스 와이어4 일 전

Famtech가 다가오는 해에 주요 트렌드가 될 이유

PR 뉴스 와이어4 일 전

Heritage Health Solutions, Inc., 새로운 사장 발표

바이오 엔지니어3 일 전

산화 그래 핀 멤브레인은 제지 산업 에너지 비용을 줄일 수 있습니다

세계 뉴스 와이어4 일 전

Savosolar Plc의 연례 총회 통지

바이오 엔지니어3 일 전

UH는 HIV / AIDS 전염병 퇴치를 위해 5 만 달러를 받았습니다.

인기순