Loading
Framework voor AI-versnelling en scores
Randvoorwaarden

U bent hier:

  1. Help van Salesforce
  2. Documenten
  3. Framework voor AI-versnelling en scores

Randvoorwaarden

Voordat u een gebruikscase configureert, maakt u een Einstein Discovery model en implementeert u het gegenereerde voorspellingsmodel. Als uw gebruikscase vereist dat voorzieningen in real-time worden berekend, configureert u een Apex klasse met de extractielogica voor voorzieningen. Bepaal de objecten en velden waarin u de berekende voorzieningen en voorspellingsresultaten wilt opslaan.

Vereiste editions

Beschikbaar in: Lightning Experience
Opmerking
Opmerking U kunt ook voorspellende gebruikscases configureren voor machine learning-modellen die zijn gebouwd in Amazon SageMaker. Voor deze modellen is het voorspellingsplatform ingesteld op Data Cloud en worden voorspellingen verwerkt in batches. Voordat u een gebruikscase configureert voor een SageMaker-model, stelt u uw gegevens in en verbindt u het SageMaker-model met Data Cloud om de voorspellingscriteria voor uw gebruikscase te definiëren.
  1. Maak een model Insights en voorspellingen voor uw gebruikscase. Zie Een model maken.
  2. Implementeer het voorspellingsmodel naar een definitie van een voorspelling. Zie Modellen implementeren.
  3. Als u voorzieningen in batches wilt berekenen, voegt u een aanvullende gegevensset toe bij het toewijzen van de variabelen van het model. Zie Modelvariabelen toewijzen voor informatie over het toewijzen van modelvariabelen en het toevoegen van een aanvullende gegevensset.
    Wanneer het type invoer van de voorziening Batchinvoer is, worden voorzieningen uit de aanvullende gegevensset gebruikt.
  4. Als u voorzieningen in realtime wilt berekenen, configureert u een Apex klasse om de interface voor een voorzieningenextractor te implementeren. Zie Een Apex klasse toevoegen voor informatie over het configureren van een Apex klasse.
  5. Bepaal de objecten en velden waarin u de berekende voorzieningen en voorspellingsresultaten wilt opslaan.
  6. Als u berekende voorzieningen en voorspellingenresultaten niet wilt opslaan in de verplichte velden van standaardobjecten, maakt u een aangepast object zonder verplichte velden.
Opmerking
Opmerking De AI Accelerator maakt hergebruik van geïmplementeerde voorspellingsmodellen voor verschillende gebruikscases mogelijk, stroomlijnt de toepassing en vergroot de impact van bestaande modellen. Einstein Discovery (ED) ondersteunt de implementatie en configuratie van ongebruikte modellen voor nieuwe gebruikscases. Einstein Data Cloud (EDC) gebruikt opgegeven sorteercriteria om resultaten te sorteren. De UI biedt knopinfo en voorbeelden om gebruikers door het sorteerproces te begeleiden. Zie Een Einstein Discovery Model maken.
Voorbeeld
Voorbeeld Een mobiele serviceprovider wil voorspellen hoe groot de kans is dat een klant overstapt naar een andere serviceprovider. De Salesforce-beheerder van de serviceprovider:
  • Maakt een Einstein Discovery model voor de gebruikscase met het analysetype Insights en voorspellingen.
  • Implementeert het gegenereerde voorspellingsmodel naar een nieuwe voorspellende definitie.
  • Configureert een Apex klasse voor computervoorzieningen in real-time.
 
Wordt geladen
Salesforce Help | Article