Amazon SageMaker と AWS の他のサービスを併用することで、広告収益を最適化できます。Amazon SageMaker では機械学習モデルのトレーニングとデプロイを簡単に行えるため、オンライン広告のターゲティング効率は高まり、顧客エンゲージメントとコンバージョンが向上します。レコメンドシステム、クリックスルーの予測、顧客セグメンテーション、ライフタイムバリュー引き上げモデルといったものすべては Amazon SageMaker のサーバーレスの分散環境でトレーニングできます。構築後のモデルは、低レイテンシーの Auto Scaling エンドポイントで簡単にホストすることも、他のリアルタイム入札システムに送信することもできます。

Amazon SageMaker により、機械学習の一般的な問題であるクレジットデフォルトの可能性を予測することが簡単になります。Amazon SageMaker は、Amazon Redshift、Amazon EMR、AWS Glue などの既存の分析フレームワークと緊密に統合されているため、Amazon S3 のデータレイクに大規模かつ多様なデータセットを公開し、すばやく変換して機械学習モデルを構築し、すぐにホストしてオンライン予測を実行することができます。

産業用 IoT および機械学習によるリアルタイム予測では、機械の故障またはメンテナンスのスケジュールを予測できるため、さらに高度なレベルの効率性を実現します。  物理アセット、プロセス、またはシステムのデジタルツイン (複製) をモデルとして生成して予防的メンテナンスを予測し、または複雑な機械や産業プロセスの最適化が行えます。このモデルはほとんどリアルタイムで継続的にアップデートして、起こりうる変化を「学習」できます。

Amazon SageMaker はどのように大きな e-コマースの場でも各製品に対して個々のセールス予測の作成に要するインフラとアルゴリズムを与えてくれます。Amazon SageMaker は時系列と製品カテゴリーのデータのみからでも季節変動、トレンド、製品類似性を検知して、新規アイテムに対しても正確な予測をお届けします。

Amazon SageMaker は XGboost アルゴリズムの単一コンピューター、分散型 CPU 両方での実装が可能で、広告のクリックスルーレートの予測など、複数の分類、回帰、ユースケースのランキングに有用です。クリック予測は、できるだけ正確にクリックスルーレート (CTR) を予測して消費者の使い心地を確保するために重要ですので、オンライン広告システムでは中心的な位置を占めています。、XGBoost アルゴリズムを用いると、リアルタイムで予測ができ、スコア付けされた予測結果を得られます。それによって特定の広告業者からの広告を行うかどうかを決定したり、表示する広告の CTR 予測を改善したりできます。

Amazon SageMaker は予めプロセスを適用してテキスト中の構造を見つけ出し、その情報をコンテンツの質に関する予測を行うツールを数多く備えています。大規模なテキストボリューム中で単語埋め込みを生成して意味的、構文的な類似を見つけ、類似の言葉をグループにまとめて希薄性を回避できます。そこからAmazon SageMaker の高度なトピックモデルを用いて類似文書を個々にクラスター分けできます。最後に、次元を減らしたグループ別言葉データ上で、クラスターごとに独立したクラス分けモデルを構築して、文書をモデレートする必要があるかどうかを決定します。