เมื่อเร็วๆ นี้ Qlik® ได้ยกระดับการทำงานกับ Amazon Web Services (AWS) ด้วยการเปิดตัวตัวเชื่อมต่อการวิเคราะห์ขั้นสูงสำหรับ Amazon SageMaker และการผสานรวมกับ Amazon SageMaker Autopilot ซึ่งการผสานรวมเหล่านี้ได้เพิ่มความสามารถในการวิเคราะห์ขั้นสูงในวงกว้างที่มีอยู่แล้วใน Qlik Cloud® ให้การผสานรวมกับความสามารถขั้นสูงของ Machine Learning (ML) ของ Amazon ได้อย่างราบรื่นผ่าน Active Intelligence Platform™ ของ Qlik
คุณ James Fisher หัวหน้าเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ของ Qlik กล่าวว่า “ความสามารถขั้นสูงของ Machine Learning ในการขับเคลื่อนการวิเคราะห์เชิงคาดการณ์และเชิงกำหนดมากขึ้นเป็นส่วนสำคัญของวิสัยทัศน์สำหรับ Active Intelligence ซึ่งธุรกิจต่างๆสามารถคว้าทุกช่วงเวลาของการทำธุรกิจ โดยในขณะนี้, ผู้ใช้งาน Amazon SageMaker สามารถใช้ประโยชน์จากข้อเสนอของตนได้โดยตรงจากแพลตฟอร์ม SaaS ของเรา ซึ่งเปิดโอกาสให้มีมากยิ่งขึ้น” “ความสามารถนี้ได้เสริมความสามารถที่มีอยู่เดิมในปัจจุบันผ่าน Qlik AutoML และแสดงให้เห็นถึงความมุ่งมั่นอย่างต่อเนื่องของเราในการเป็นแพลตฟอร์มข้อมูลที่เปิดกว้างและเป็นอิสระอย่างเต็มที่”
ตัวเชื่อมต่อ Amazon SageMaker แบบใหม่นี้เป็นส่วนหนึ่งของกลยุทธ์ Advanced Analytics Integration ของ Qlik ซึ่งมีการนำเสนอการผสานรวมระดับเอ็นจิ้นแบบเนทีฟที่สร้างขึ้นโดยตรงเพื่อการวิเคราะห์ระบบคลาวด์ของ Qlik ช่วยให้สามารถแลกเปลี่ยนข้อมูลได้โดยตรงระหว่าง Analytics Engine ของ Qlik และ Amazon SageMaker เพื่อส่งชุดข้อมูลเชิงคาดการณ์และการคำนวณที่อัปเดตในแบบเรียลไทม์ในขณะที่ผู้ใช้งานโต้ตอบกับข้อมูล
นอกจากนี้, การผสานการทำงานแบบใหม่นี้กับ SageMaker Autopilot ได้มีการใช้งานผ่าน Qlik Application Automation™ จะช่วยให้ผู้ที่มีความรู้ทางด้านเทคนิคน้อย สามารถสร้างแบบจำลองการคาดการณ์ของตนเองได้ ซึ่งจะขยายศักยภาพของการวิเคราะห์เชิงคาดการณ์ไปยังผู้ใช้การวิเคราะห์ในองค์กรมากขึ้น
การผสานรวมแบบใหม่เหล่านี้ช่วยขยายขีดความสามารถด้านการวิเคราะห์ที่เพิ่มขึ้นของ Qlik ผ่าน Insight Advisor ซึ่งสร้างการวิเคราะห์และข้อมูลเชิงลึกขั้นสูงโดยอัตโนมัติ, สร้างและเตรียมข้อมูลโดยอัตโนมัติ และสนับสนุนการโต้ตอบภาษาธรรมชาติ โดยเมื่อเร็วๆ นี้, Qlik ได้ขยายขีดความสามารถด้านการวิเคราะห์ที่เพิ่มขึ้นด้วย Qlik AutoML ซึ่งเป็นความสามารถ ML อัตโนมัติแบบไม่มีโค้ดซึ่งมีจุดมุ่งหมายเพื่อช่วยให้นักวิเคราะห์ธุรกิจและทีมวิเคราะห์สร้างแบบจำลองและดำเนินการวิเคราะห์เชิงคาดการณ์ในลักษณะเสริมสำหรับนักวิทยาศาสตร์ด้านข้อมูล
ผู้ใช้งานสามารถใช้โมเดลที่ซับซ้อนซึ่งสร้างใน Amazon SageMaker ร่วมกันเพื่อประกอบการตัดสินใจทางธุรกิจได้ โดยใช้ AutoML ควบคู่ไปกับการสร้างมูลค่าเพิ่มโดยที่นักวิทยาศาสตร์ด้านข้อมูลไม่ได้ให้ความสำคัญมากนัก
Archive
- เมษายน 2022(1)
- มีนาคม 2022(39)
- กุมภาพันธ์ 2022(58)
- มกราคม 2022(56)
- ธันวาคม 2021(43)
- พฤศจิกายน 2021(61)
- ตุลาคม 2021(72)
- กันยายน 2021(65)
- สิงหาคม 2021(76)
- กรกฎาคม 2021(75)
- มิถุนายน 2021(83)
- พฤษภาคม 2021(61)
- เมษายน 2021(66)
- มีนาคม 2021(41)
- กุมภาพันธ์ 2021(44)
- มกราคม 2021(21)
- ธันวาคม 2020(13)
- พฤศจิกายน 2020(14)
- กันยายน 2020(1)
- สิงหาคม 2020(1)
- กรกฎาคม 2020(3)