Aramayı Aç Apache 2.0 lisansı altında lisanslanan, arama, analiz, güvenlik izleme ve gözlemlenebilirlik uygulamalarına yönelik ölçeklenebilir, esnek ve genişletilebilir bir açık kaynaklı yazılım paketidir. Amazon Açık Arama Hizmeti OpenSearch'ü AWS Cloud'da dağıtmayı, ölçeklendirmeyi ve çalıştırmayı kolaylaştıran, tümüyle yönetilen bir hizmettir.

OpenSearch, uygunluk puanlarını hesaplamak için BM-25 adı verilen olasılıksal bir sıralama çerçevesini kullanır. Ayırt edici bir anahtar kelime bir belgede daha sık görünüyorsa, BM-25 bu belgeye daha yüksek bir alaka düzeyi puanı atar. Ancak bu çerçeve, tıklama veya satın alma verileri gibi kullanıcı davranışlarını dikkate almaz; bu da bireysel kullanıcılar için alaka düzeyini daha da artırabilir.

Aramanın işlevselliğini geliştirmek, bir web sitesi veya uygulamadaki genel kullanıcı deneyimini ve katılımını geliştirmenin ayrılmaz bir parçasıdır. Kullanıcılar aktif olarak belirli bir öğeyi aradıkları için arama trafiğinin yüksek niyetli olduğu kabul edilir ve site dışı arama ziyaretçilerine göre ortalama iki kat daha fazla dönüşüm sağladıkları görülmüştür. İşletmeler, tıklamalar, beğeniler ve satın almalar gibi kullanıcı etkileşimi verilerini kullanarak, bu trafikten yararlanmak için arama alaka düzeyini iyileştirebilir ve istenen öğeleri bulmadaki zorluklar nedeniyle kullanıcıların oturumlarını terk etme örneklerini azaltabilir. İşletmeler, arama sonuçlarının kalitesini iyileştirerek müşteri etkileşimini, memnuniyetini ve sadakatini önemli ölçüde artırabilir, ayrıca dönüşüm oranlarını artırabilir ve sonuçta daha fazla kârlılık ve başarıya ulaşabilir.

Amazon Kişiselleştir kullanılan makine öğrenimi (ML) teknolojisinin aynısını kullanarak uygulamalarınıza gelişmiş kişiselleştirme yetenekleri eklemenize olanak tanır. Amazon.com 20 yılı aşkın süredir. Makine öğrenimi uzmanlığı gerekmez.

Amazon Personalize, kullanıcınızla ilgili cihaz türü, konum, günün saati veya sağladığınız diğer bilgiler gibi bağlamsal bilgilere dayalı olarak önerilerin otomatik olarak ayarlanmasını destekler. Amazon Personalize'a kullanıcılarınız ve onların uygulamanızdaki etkileşimleri hakkında satın alma geçmişi, derecelendirmeler ve beğeniler gibi geçmiş verileri sağlarsınız. Büyük geçmiş veri kümelerini tek seferde içe aktararak Amazon Personalize'a toplu olarak veri ekleyebilirsiniz. Amazon Basit Depolama Hizmeti (Amazon S3) CSV dosyası, Amazon Personalize'ın gerektirdiği formatı kullanır. Ayrıca Amazon Personalize konsolunu veya API'sini kullanarak kayıtları içe aktararak verileri artımlı olarak ekleyebilirsiniz. Geçmiş verileriniz içe aktarıldıktan sonra kullanıcı etkileşimi etkinlikleri göndererek gerçek zamanlı olarak yeni veriler sağlamaya devam edebilirsiniz. Ürün önerileri gibi ele almak istediğiniz kullanım senaryosuna göre, bu amaç için optimize edilmiş, önceden oluşturulmuş bir tarif seçersiniz. Amazon Personalize, verilerinizi analiz eder ve kullanıcılarınız ve uygulamanız için optimize edilmiş kişiselleştirilmiş öneriler oluşturmak üzere tarifteki parametrelere dayalı olarak özel bir makine öğrenimi modeli eğitir. Model eğitildikten sonra kullanıcılarınız için gerçek zamanlı kişiselleştirilmiş öneriler oluşturabilirsiniz.

Yeni başlatılan ile Amazon OpenSearch Hizmeti için Amazon Kişiselleştirilmiş Arama Eklentisi, arama sonuçlarını geliştirmek için kullanıcı etkileşim geçmişlerini ve ilgi alanlarını kullanabilirsiniz. Bir kullanarak Amazon Kişiselleştirme tarifi gibi Kişiselleştirilmiş Sıralama, OpenSearch Hizmeti'nden arama sonuçları alındığında kullanıcının ilgi alanlarına göre ilgili öğelere ilişkin arama sonuçlarının artırılmasına yardımcı olabilirsiniz.

Bu gönderide, kişiselleştirilmiş arama deneyimlerini etkinleştirmek için Amazon Kişiselleştirilmiş Arama Sıralaması eklentisinin OpenSearch Hizmeti ile nasıl entegre edileceği açıklanmaktadır. Bu gönderide Amazon Personalize yapıları oluşturmak için dünyanın en yetkili film, TV ve ünlü içeriği kaynağı olan IMDb'den bir veri kümesi kullanıyoruz. AWS Marketplace'te mevcuttur, yanısıra Film Lensi veri kümesi Çeşitli filmler için kullanıcı sıralamalarından oluşan, Minnesota Üniversitesi'ndeki GroupLens araştırması tarafından hazırlanmıştır.

Çözüme genel bakış

Aşağıdaki şemada çözüm mimarisi gösterilmektedir.

İş akışı aşağıdaki adımları içerir:

1. Bir kullanıcı, web sitesi veya portalı aracılığıyla bir arama isteği gönderir. Bu arama isteği OpenSearch Hizmetine gönderilir.
2. En iyi N arama sonucu, OpenSearch Hizmeti dizininden döndürülür ve girişin önceden işlenmesi ve bir arama için hazırlanması için eklentiye gönderilir. Amazon Kişiselleştir kampanyası.
3. Yeniden sıralanan arama sonuçlarını almak için istek Amazon Personalize'a gönderilir.
4. Amazon Personalize, her sonuç için ilgili puanla birlikte arama sonuçlarının kişiselleştirilmiş sıralamasını döndürür.
5. Yeniden sıralanan isabetler, OpenSearch Hizmeti uygunluk puanı ile Amazon Personalize kişiselleştirilmiş sıralama puanı arasında bir ağırlıklandırma uygulanarak eklenti tarafından OpenSearch Hizmetine döndürülür. Sonuçları yeniden sıralarken OpenSearch Hizmeti ile Amazon Personalize arasındaki dengeyi kontrol eden bir ağırlık parametresi (0.0-1.0 arasında) belirtirsiniz. Daha yüksek ağırlık, Amazon Personalize sıralama puanlarının OpenSearch Hizmeti puanlarına kıyasla daha fazla etkilendiği anlamına gelir. Bu, kişiselleştirilmiş önerilerin kullanıcıya döndürülen nihai arama sonuçları sıralamasını ne kadar etkileyeceğini özelleştirmenize olanak tanır.
6. Kullanıcı, tercihlerine ve etkileşimlerine göre kişiselleştirilmiş arama sonuçları alır.

Önkoşullar

Aşağıdaki ön koşullara sahip olmalısınız:

• An AWS hesabı.
• An AWS Kimlik ve Erişim Yönetimi Uygun erişim izinlerine sahip (IAM) rolü. Biz sağlıyoruz AWS CloudFormation gerekli IAM rolünü ve erişimini ayarlamanıza yardımcı olacak şablonlar ve Jupyter not defterleri.
• OpenSearch Hizmetinde kişiselleştirmeyi etkinleştirmek için veri kümesi grubu, çözüm sürümü ve kampanya dahil olmak üzere gerekli Amazon Personalize kaynaklarını ayarlamanız gerekir. Biz bir sağladık Jupyter dizüstü bilgisayar Amazon'un tam olarak yönetilen Jupyter dizüstü bilgisayar bulut sunucusu özelliklerinden yararlanarak tüm Amazon Personalize kaynaklarını oluşturan Amazon Adaçayı Yapıcı.

CloudFormation yığınını dağıtın

CloudFormation yığını, OpenSearch Hizmeti etki alanının ve SageMaker Notebook örneğinin dağıtımını otomatikleştirir. Yığını dağıtmak için aşağıdaki adımları tamamlayın:

1. Adresinde oturum açın AWS Yönetim Konsolu CloudFormation yığınını dağıtmak istediğiniz hesaptaki kimlik bilgilerinizle.
2. CloudFormation yığınını başlatın direkt olarak.
3. Üzerinde Ayrıntıları belirtin sayfasında, OpenSearch Hizmeti ve SageMaker örnek boyutları gibi şablonun gerektirdiği parametreleri sağlayın.
4. Üzerinde Yığın seçeneklerini yapılandırma sayfasında bir yığın adı ve ayarlamak istediğiniz diğer seçenekleri belirtin.
5. Yığın oluşturmayı tamamlayın ve yığın ayrıntıları sayfasında durumu izleyin.
6. Yığın oluşturulduktan sonra konsoldan SageMaker dizüstü bilgisayar örneğini açın.

Not defteri örneği gerekli not defterleriyle önceden yüklenmiş olacaktır.

Amazon Personalize iş akışını kurun ve tamamlayın

Açın 1.Configure_Amazon_Personalize.ipynb Amazon Personalize yapılarını ayarlamak için not defteri. Bu not defteri aşağıdaki adımlarda size yol gösterir:

1. Veri kümesini indirin ve veri kümelerini oluşturmak için gerekli giriş dosyalarını oluşturmak üzere verileri önceden işleyin.
2. Bir veri kümesi grubu oluşturun.
3. Veri kümeleri ve şemalar oluşturun.
4. Verileri hazırlayın ve içe aktarın.
5. Bir çözüm ve çözüm sürümü oluşturun.
6. Çözüm sürümü için bir kampanya oluşturun.

Jupyter not defteri kullanarak Amazon Personalize Search Ranking eklentisini yükleyin

Açın 2.Configure_Amazon_OpenSearch.ipynb not defterini açın ve talimatları gözden geçirin. Bu not defteri aşağıdaki adımlarda size yol gösterir:

1. Örnek dizin verilerini OpenSearch Hizmeti örneğine alın. Dizinin temsili verilerle doldurulması, eklentinin kapsamlı test edilmesini ve doğrulanmasını kolaylaştırır.
2. Eklenti paketini OpenSearch Hizmeti etki alanına yükleyin. Bu, kişiselleştirme yeteneklerini OpenSearch ortamına entegre eder.
3. Eklentinin işlevselliğini etkinleştirmek için arama ardışık düzenlerini ayarlayın. Arama ardışık düzenleri, sorguları ve sonuçları dönüştüren istek ön işlemcilerini ve yanıt son işlemcilerini içerir. Bir ardışık düzen oluştururken, daha önce oluşturulan Amazon Personalize kampanyası ARN'sini belirtin. personalized_search_ranking Kişiselleştirilmiş yeniden sıralamayı etkinleştirmek için son işlemci. Bu, eklentiyi, sonuç işleme sırasında Amazon Personalize for application'dan gerçek zamanlı kişiselleştirme sonuçlarını alacak şekilde yapılandırır. İşlem hatlarını tanımlamak, eklentinin kullanıcı tercihlerine göre arama alaka düzeyini artırmasına olanak tanır.

Konsolu kullanarak Amazon Personalize Search Ranking eklentisini yükleyin

Amazon Personalize arama eklentisini konsoldan da ayarlayabilirsiniz. Bunu yalnızca eklentiyi daha önce Jupyter not defterini kullanarak yüklemediyseniz yapmanız gerekir.

Amazon Personalize Search Ranking eklentisini OpenSearch Hizmetine yüklemek için aşağıdaki adımları tamamlayın:

1. OpenSearch Hizmeti konsolunda alanınıza gidin.
2. Üzerinde Paketler sekmesini seçin Paketi ilişkilendir Amazon Kişiselleştirme Arama Sıralaması eklentisini OpenSearch Hizmeti alan adınızla ilişkilendirmek için. Eklenti sürümü, OpenSearch Hizmeti alan adı sürümüyle eşleşmelidir.

Amazon Personalize Search Ranking eklentisi, OpenSearch Service 2.9 ve üzeri sürümlere yüklenebilir.

3. Kullanılabilir eklentiler listesinde Amazon Kişiselleştirme Arama Sıralaması eklentisini bulun.
4. Klinik Ortak Eklentiyi yüklemek ve mevcut OpenSearch Hizmeti alan adınızla ilişkilendirmek için eklentinin yanındaki simgesini tıklayın.

Eklentiyi bağladıktan sonra paketler listesinde eklenti türü olarak görünecektir. Eklenti yüklendiğinde kurulum işlemi artık tamamlanmıştır.

Amazon Kişiselleştirme Arama Sıralaması eklentisini etkinleştirin

Amazon Kişiselleştirme Arama Sıralaması eklentisi şunları kullanır: search-pipeline OpenSearch Hizmetinin özelliği, sürüm 2.9'dan itibaren kullanıma sunuldu. Eklenti şunlara bağlıdır: search-pipeline Amazon Kişiselleştirilmiş sıralamasını OpenSearch Hizmeti tarafından sağlanan arama sonuçlarına uygulama özelliğidir ve ayrıca bir search-pipeline yanıt işlemcisi Bu işlem hattı tanımı, Amazon Personalize sıralamasını almak için çağrılacak Amazon Personalize kampanyasını, Amazon Personalize kaynaklarına erişim için IAM rolünü ve aşağıdaki tabloda tanımlanan parametreleri içeren Amazon Personalize eklentisine yönelik yapılandırmayı içerecektir.

Aşağıdaki Python kod parçacığı, bir arama hattı oluşturur. personalized_search_ranking OpenSearch Hizmeti etki alanındaki yanıt işlemcisi. Bu adımı, bu yazıya eşlik eden not defterinin bir parçası olarak bir kez çalıştırırsınız:

Kişiselleştirilmiş sıralama için arama hattını tanımlayın

Bir arama kanalı oluşturmak için aşağıdaki Python kodunu kullanabilirsiniz. personalized_search_ranking OpenSearch Hizmeti etki alanındaki yanıt işlemcisi. Alan uç noktasını alan uç nokta URL'nizle değiştirin. Örneğin: https://<domain name>.<AWS region>.es.amazonaws.com.

import requests
from requests_auth_aws_sigv4 import AWSSigV4

domain_endpoint = 'domain endpoint'
pipeline_name = 'pipeline name'
url = f'{domain_endpoint}/_search/pipeline/{pipeline_name}'
auth = AWSSigV4('es')

headers = {'Content-Type': 'application/json'}

body = {
  "description": "A pipeline to apply custom re-ranking from Amazon Personalize",
  "response_processors": [
    {
      "personalized_search_ranking" : {
        "campaign_arn" : "<Replace with Amazon Personalize Campaign ARN>",
        "item_id_field" : "itemId",
        "recipe" : "aws-personalized-ranking",
        "weight" : "0.3",
        "tag" : "personalize-processor",
        "iam_role_arn": "<Replace with Role ARN>",
        "aws_region": "<Replace with AWS region>",
        "ignore_failure": true
    }
  ]
}
try:
    response = requests.put(url, auth=auth, json=body, headers=headers)
    print(response.text)
except Exception as e:
    print(f"Error: {e}")

Tek bir sorguya arama ardışık düzeni uygulama

Bir arama hattını yapılandırdıktan sonra personalized_search_ranking yanıt işlemcisini kullanarak Amazon Personalize Search Ranking eklentisini OpenSearch sorgularınıza uygulayabilir ve yeniden sıralanan sonuçları görüntüleyebilirsiniz. Etki alanı uç noktanızı, OpenSearch Hizmeti dizininizi, işlem hattınızın adını (yukarıda yapılandırdınız) ve sorgunuzu (sorgu için "Tom Cruise" kullanıyoruz) belirtmek için kodu güncelleyin. İçin user_id, arama sonuçlarını aldığınız kullanıcının kimliğini belirtin. Bu kullanıcının, Amazon Personalize çözüm sürümünüzü oluşturmak için kullandığınız verilerde olması gerekir.

import requests
from requests_auth_aws_sigv4 import AWSSigV4

domain_endpoint = 'domain endpoint'
index = 'index name'
url = f'{domain_endpoint}/{index}/_search/'

auth = AWSSigV4('es')
headers = {'Content-Type': 'application/json'}
params = {"search_pipeline": "<Replace with pipeline-name>"}
body = {
    "query": {
        "multi_match": {
            "query": "Tom Cruise",
            "fields": ["title", "plot", "genres", "directedBy", "starring"]
        }
    },
    "ext": {
        "personalize_request_parameters": {
            "user_id": "<Replace with USER ID>"
        }
    }
}
try:
    response = requests.post(url, auth=auth, params=params, json=body, headers=headers)
    print(response)
except Exception as e:
    print(f"Error: {e}")

Sonuçları değerlendirin

Açın 3.Test.ipynb not defterine gidin ve kişiselleştirme kullanan ve kullanmayan sorguların sonuçlarını test etmek ve karşılaştırmak için adımları izleyin. Amazon Kişiselleştirme Arama Sıralaması eklentisi, OpenSearch Hizmeti sorgu yanıtındaki arama sonuçlarını yeniden sıralar. Hem Amazon Personalize'dan gelen sıralamayı hem de OpenSearch Hizmeti'nden gelen sıralamayı dikkate alır. Bu not defteri aşağıdaki adımlarda size yol gösterir:

1. OpenSearch Hizmeti alan adınızla bağlantı kurmak için gerekli bağlantı parametrelerini tanımlayın. Bu, etki alanı uç noktasının, kimlik doğrulama bilgilerinin ve özel OpenSearch Hizmeti kurulumunuz için gereken ek yapılandırma ayarlarının belirtilmesini içerir.
2. Kişiselleştirme parametrelerine sahip sorgular ve kişiselleştirme parametreleri olmayan sorgular dahil olmak üzere bir dizi örnek sorgu oluşturun. Bu sorgular, kişiselleştirmenin arama sonuçları üzerindeki etkisini değerlendirmek için kullanılacaktır.
3. Kişiselleştirme kullanan ve kullanmayan sorgular için sonuçları çalıştırın ve karşılaştırın.

Örneğimizde, "Tom Cruise" için bir sorgu kullandık ve kişiselleştirme parametresi için yakın zamanda drama ve romantik film türlerini izleme geçmişi olan bir kullanıcıyı kullandık. Sonraki arama sonuçları, eklentinin kullanıcının gözlemlenen izleme davranışına dayalı önerileri nasıl uyarladığını ve önceliklendirdiğini gösterir. Bu, eklentinin bireysel kullanıcı tercihlerini ve etkileşim modellerini dikkate alarak özelleştirilmiş, özel olarak hazırlanmış bir deneyim sunma yeteneğini örneklendiriyor. Kullanıcının tercihlerinden elde edilen çıkarımlara dayalı olarak arama sonuçlarını hassaslaştırma ve ayarlama yeteneği, gelişmiş alaka düzeyi ve fayda sağlanmasına olanak sağlar.

Kişiselleştirilmiş ve kişiselleştirilmemiş sonuçlar

ID 12'ye sahip bir kullanıcı için sonuçları kişiselleştirmeyi düşünelim. Öncelikle bu kullanıcının son etkileşimlerini aşağıdaki kodu çalıştırarak kontrol ediyoruz. 3.Test.ipynb etkileşim geçmişini almak için not defteri. Bu, bu kullanıcının yakın zamanda hangi tür filmleri incelediğini görmemize olanak tanır ve bu da onlar için önerileri nasıl kişiselleştirebileceğimiz konusunda bilgi sağlayabilir.

Bu örnekte kullanıcının drama, romantik ve gerilim film türlerine ilgi duyduğunu görüyoruz. Kişiselleştirilmiş öneriler sağlamak için öncelikle kullanıcının tür tercihlerini kullanarak, kişiselleştirme parametreleri etkinleştirilmiş sorguları çalıştırırız. Daha sonra karşılaştırma amacıyla aynı sorguları kişiselleştirme etkinleştirilmeden çalıştırırız. Aşağıdaki sonuçlar kişiselleştirilmemiş ve kişiselleştirilmiş öneri çıktıları arasındaki farkı göstermektedir.

İlk iki sütun, farklı türlerdeki çeşitli Tom Cruise filmlerini gösteren bir film dizinindeki "Tom Cruise" sorgusu için varsayılan OpenSearch Hizmeti sonuçlarını görüntüler. Sonraki iki sütun, aynı "Tom Cruise" sorgusu için kişiselleştirilmiş OpenSearch Hizmeti sonuçlarını gösterir, ancak drama, romantizm ve gerilim türleriyle ilgilenen bir kullanıcı için özelleştirilmiştir. Genel sonuçlarla karşılaştırıldığında kişiselleştirilmiş sonuçlar, kullanıcının tercih ettiği drama, romantik ve gerilim türlerindeki Tom Cruise filmlerini belirgin bir şekilde öne çıkarıyor. Delta, kullanıcının tür tercihleriyle eşleşen filmlere öncelik vererek, kişiselleştirilmiş sonuçların kişiselleştirilmemiş sonuçlara göre nasıl yeniden sıralandığını vurguluyor. Bu, kişiselleştirmenin OpenSearch Hizmeti sonuçlarını bireysel kullanıcıların zevklerine ve ilgi alanlarına göre nasıl özelleştirebileceğini göstermektedir.

Bu karşılaştırma, Amazon Personalize'ın OpenSearch Hizmeti film sonuçlarını bireysel kullanıcının ilgi alanlarına uyacak şekilde nasıl özelleştirebileceğini gösterir. Standart OpenSearch Hizmeti, Tom Cruise için ilgili film sonuçlarını evrensel olarak sunmayı amaçlasa da Amazon Personalize, sonuçları, benzersiz izleme geçmişine ve tercihlerine göre bu kullanıcının beğeneceğini tahmin ettiği Tom Cruise filmlerine odaklanacak şekilde uyarlar.

Yan yana sonuçlar, Amazon Personalize'ın film sonuçlarını kişiye göre kişiselleştirerek nasıl daha hedefli, kullanıcı odaklı bir arama deneyimi sağladığını gösteriyor.

Temizlemek

Kaynaklarınızı temizlemek için aşağıdaki adımları tamamlayın:

1. Adımlarını izleyin. 4.Temizleme.ipynb Not defteri aracılığıyla oluşturulan kaynakları temizlemek için not defteri.
2. AWS CloudFormation konsolunda oluşturduğunuz yığını silin.

Sonuç

Amazon Kişiselleştirme Arama Sıralaması eklentisi, kişiselleştirilmiş arama deneyimlerine olanak sağlamak için OpenSearch Hizmeti ile sorunsuz bir şekilde entegre olur. Eklenti, kullanıcı davranışı verilerini ve Amazon Personalize'ın makine öğrenimi yeteneklerini kullanarak, her benzersiz kullanıcı için alaka düzeyini artırmak amacıyla OpenSearch Hizmeti sonuç sıralamalarını yeniden sıralayabilir. Bu, en alakalı içeriği sonuçlarda daha üst sıralarda gösteren, özel olarak tasarlanmış bir arama deneyimi yaratır. Eklenti, çeşitli kullanım durumlarına uyacak şekilde kişiselleştirmeyi OpenSearch Hizmeti yerel puanlamasıyla dengeleyecek şekilde yapılandırılabilir. Genel olarak Amazon Personalize Arama Sıralaması eklentisi, kullanıcılarınızın bireysel ilgi alanlarını ve tercihlerini dikkate alarak OpenSearch Hizmetinin arama alaka düzeyini ve katılımını artırmanın güçlü bir yoludur. Yalnızca birkaç yapılandırma adımıyla, kullanıcılarınız arasında güçlü bir yankı uyandıran son derece alakalı sonuçlar sunmaya başlayabilirsiniz.

Ek kaynaklar

Yazarlar Hakkında

James Jory AWS'de Uygulamalı Yapay Zeka alanında Baş Çözüm Mimarıdır. Kişiselleştirme ve öneri sistemlerine özel bir ilgisi vardır ve e-ticaret, pazarlama teknolojisi ve müşteri veri analitiği konularında geçmişi vardır. Boş zamanlarında kamp yapmaktan ve otomobil yarışı simülasyonlarından hoşlanıyor.

reagan rosario AWS'de, eğitim teknolojisi şirketleri için ölçeklenebilir, yüksek düzeyde kullanılabilir ve güvenli bulut çözümleri oluşturma konusunda uzmanlaşmış bir Çözüm Mimarıdır. Yazılım mühendisliği ve mimari rollerinde 10 yıldan fazla deneyime sahip olan Reagan, teknik bilgisini AWS müşterilerinin AWS'nin genişliğinden ve derinliğinden yararlanan güçlü bulut çözümleri tasarlamasına yardımcı olmak için kullanmayı seviyor.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://aws.amazon.com/blogs/machine-learning/unlock-personalized-experiences-powered-by-ai-using-amazon-personalize-and-amazon-opensearch-service/