Hier erfahren Sie, wie wir mit Google Analytics data hochmoderne benutzerdefinierte Modelle für maschinelles Lernen entwickelt haben, um die Bereitschaft von Kunden zum Kauf eines Produkts einzuschätzen.
Bisher haben wir vor allem über Prognosen für reguläre Produkte gesprochen, die schon seit einiger Zeit im Regal stehen. Aber was ist mit Produkten, die erst vor kurzem auf den Markt gekommen sind?
Die Zeit zum Jahresende wird für Marken, die ihre Produkte auf Amazon verkaufen, immer strategischer und wettbewerbsintensiver. Sowohl der Schwarze Freitag als auch die Weihnachtszeit sind Katalysatoren für den Verkauf, die die Kaufmöglichkeiten für Endverbraucher erhöhen, aber auch den Wettbewerb zwischen den Marken anheizen: über den Preis, die Produktqualität und die Sichtbarkeit durch Werbung sowohl auf als auch außerhalb von Amazon. Es ist heute unerlässlich, die Vorteile aller von Amazon angebotenen Tools und Lösungen zu nutzen. In diesem Artikel stellen wir Ihnen unsere 10 goldenen Regeln vor, mit denen Sie das Werbe-Ökosystem des amerikanischen Unternehmens voll ausschöpfen können.
Für den flüchtigen Beobachter scheint die Automobilindustrie in guter Verfassung zu sein, da Elektro- und Hybridfahrzeuge immer häufiger auf unseren Straßen zu sehen sind und fahrerlose Autos zur Realität werden, ganz zu schweigen davon, dass die Menschen nach der Coronavirus-Pandemie die Sicherheit ihres Autos den öffentlichen Verkehrsmitteln vorziehen. Doch hinter dieser oberflächlichen Betrachtung verbirgt sich eine Industrie im Wandel, die sich aus mehreren Richtungen verändern muss.
Ein Leitfaden, der Ihnen hilft, sich der Risiken bewusst zu sein, denen Sie ausgesetzt sind, und einige Tipps, wie Sie sich vor diesen Risiken schützen können.
Heutzutage führt die Übersättigung mit Werbung auf allen Kanälen dazu, dass die Botschaft, die wir vermitteln wollen, zu repetitiv ist und kein Interesse beim Nutzer weckt. In diesem Sinne kann die Möglichkeit, ein kohärentes Storytelling für den Nutzer zu erzeugen, eine komplizierte Aufgabe sein. Wenn wir ein Briefing haben, in dem Videoaktionen und Storytelling vorgeschlagen werden, denke ich, dass die YouTube-Anzeigensequenz eine wertvolle Option sein könnte. Mit dieser Art von Strategie haben wir eine Steigerung der Frequenz um das 2,4-fache und der Markenbekanntheit um das 4-fache durch YouTube Brandlift-Messungen festgestellt.
Seit mehr als anderthalb Jahren haben Organisationen einen kontinuierlichen Zyklus von Innovationen und Anpassungen unternommen, um dem sich verändernden Umfeld gerecht zu werden, während sich die Pandemie weiter ausbreitet. Ghadi Hobeika, CEO von Artefact in den USA, gibt einen Überblick über sieben Lehren aus der Pandemie für die Zukunft.
Dieser Artikel ist der dritte Teil einer Serie, in der wir den Prozess der Protokollierung von Modellen mit Mlflow, deren Bereitstellung auf der Kubernetes-Engine und schließlich deren Skalierung entsprechend den Anforderungen unserer Anwendung durchgehen. Obwohl dieser Artikel unabhängig davon verwendet werden kann, um eine beliebige API-Antwort zu testen, empfehlen wir die Lektüre unserer beiden vorherigen Artikel (Teil1 und Teil2) über die Bereitstellung einer Tracking-Instanz und die Bereitstellung eines Modells als API mit Mlflow. Im Folgenden werden wir uns mit dem Problem der Skalierbarkeit befassen und einige Experimente durchführen, um das Verhalten des k8s-Clusters zu verstehen und Empfehlungen zu geben, wie Sie mit hohen Lasten umgehen können.
25. Oktober 2021 Dieser Artikel ist der zweite Teil einer Serie, in der wir den Prozess der Protokollierung von Modellen mit Hilfe von Mlflow durchlaufen, sie als API-Endpunkt bereitstellen und sie schließlich entsprechend den Anforderungen unserer Anwendung skalieren. Wir empfehlen Ihnen, unseren vorherigen Artikel zu lesen, in dem wir zeigen, wie Sie eine Tracking-Instanz auf k8s bereitstellen und die praktischen Voraussetzungen (Geheimnisse, Umgebungsvariablen...) überprüfen, da wir hier weiter darauf aufbauen werden. Im Folgenden zeigen wir Ihnen, wie Sie ein bereits in Mlflow registriertes Modell für maschinelles Lernen bereitstellen und es als API-Endpunkt auf k8s veröffentlichen.
