在 Google Analytics 上使用机器学习模型为客户倾向性评分 Data
深入探讨我们如何利用 Google Analytics data 建立最先进的定制机器学习模型，以估计客户购买产品的倾向。.
开发高性能需求预测模型之路 - 第四部分
到目前为止，我们主要讨论的是对已上架一段时间的常规产品的预测。那么，最近上市的产品呢？
亚马逊广告--准备第四季度的黄金法则
对于在亚马逊上销售产品的品牌而言，年末时期的战略意义和竞争性日益增强。黑色星期五和节假日都是销售的催化剂，增加了终端消费者的购买机会，同时也激发了品牌之间的竞争：价格、产品质量以及通过亚马逊内外广告的知名度。 如今，利用亚马逊提供的所有工具和解决方案至关重要。本文重点介绍了我们充分利用美国公司广告生态系统的 10 条黄金法则。.
未来之路：data-driven 营销对不断发展的汽车行业至关重要
在旁观者看来，汽车行业似乎很健康，电动汽车和混合动力汽车越来越多地出现在我们的街道上，无人驾驶汽车正在成为现实，更不用说在冠状病毒大流行之后，人们更愿意选择安全的汽车而不是公共交通工具。 但是，这种表面现象掩盖了一个不断变化的行业，它面临着来自多个方面的变革。.
如何确保 Python 软件供应链的安全
了解您所面临的风险的指南，以及一些防范风险的小贴士。.
广告排序：如何在 YouTube 上讲故事
如今，所有渠道的广告都已饱和，导致我们想要传递的信息过于重复，无法激发用户的兴趣。从这个意义上说，为用户提供连贯的 "故事 "是一项复杂的任务。 如果我们有一个视频行动和讲故事的简要建议，我认为 YouTube 广告序列可能是一个值得重视的选择。 通过使用这种策略，我们看到 YouTube 品牌提升测量的频率增加了 2.4 倍，品牌知名度增加了 4 倍。.
从大流行病中汲取的 7 条长期商业经验
一年半以来，随着大流行病的持续蔓延，各组织不断进行创新和调整，以应对不断变化的环境。美国 Artefact 公司首席执行官加迪-霍贝卡（Ghadi Hobeika）概述了从这次大流行中长期汲取的七条经验教训。.
在 Kubernetes 上使用 Mlflow 大规模服务 ML 模型 - 第 3 部分
本文是系列文章的第三部分，在这一部分中，我们将介绍使用 Mlflow 记录模型、在 Kubernetes 引擎上提供模型并最终根据应用需求对其进行扩展的过程。虽然本文可独立用于测试任何 API 响应，但我们建议您阅读我们之前的两篇文章（第一部分和第二部分），了解如何使用 Mlflow 部署跟踪实例并将模型作为 API 提供。在下文中，我们将关注可扩展性问题，并通过一些实验来了解 k8s 集群的行为，并就如何处理高负载提出建议。.
在 Kubernetes 上使用 Mlflow 大规模服务 ML 模型 - 第 2 部分
2021 年 10 月 25 日 本文是系列文章的第二部分，在这一部分中，我们将介绍使用 Mlflow 记录模型、将其作为 API 端点提供以及最终根据应用需求对其进行扩展的过程。在上一篇文章中，我们介绍了如何在 k8s 上部署跟踪实例，并检查了动手实践的先决条件（秘密、环境变量......）。 在下文中，我们将展示如何为已在 Mlflow 中注册的机器学习模型提供服务，并将其作为 API 端点在 k8s 上公开。.
