Amazon SageMaker를 다른 AWS 서비스와 함께 사용하면 광고 투자 수익률을 최적화하는 데 도움이 됩니다. Amazon SageMaker는 온라인 광고를 좀 더 효과적으로 타게팅하도록 기계 학습 모델을 손쉽게 교육하고 배포할 수 있으므로 고객 참여율 및 전환율을 높일 수 있습니다. Amazon SageMaker의 서버리스 분산 환경에서 추천 시스템, 클릭률 예측, 고객 세그멘테이션 및 평생 가치 모델을 모두 교육할 수 있습니다. 모델은 구축이 완료되면, 지연 시간이 짧은 Auto-Scaling 엔드포인트에서 호스팅되거나 다른 실시간 입찰 시스템으로 전달될 수 있습니다.

Amazon SageMaker를 사용하면 일반적인 기계 학습 문제인 신용 부도의 가능성을 좀 더 쉽게 예측할 수 있습니다. Amazon SageMaker는 Amazon Redshift, Amazon EMR 및 AWS Glue와 같은 기존 분석 프레임워크와 긴밀하게 통합되므로, 온라인 예측을 위해 대규모의 다양한 데이터 세트를 Amazon S3 데이터 레이크에 게시하고, 신속하게 변환한 후, 기계 학습 모델을 구축하고, 즉시 호스팅할 수 있습니다.

산업용 IoT 및 기계 학습은 장비 고장 또는 유지 보수 일정을 미리 준비하도록 실시간 예측을 지원하여 더 높은 수준의 효율성을 실현할 수 있습니다.  사전 예방적 유지 보수를 예측하거나 복잡한 기계 또는 산업 공정의 산출량을 최적화하기 위한 모델로서 물리적 자산, 프로세스 또는 시스템의 디지털 트윈 또는 복제본을 생성할 수 있습니다. 이 모델은 발생할 수 있는 변경 사항을 거의 실시간으로 '학습'하도록 지속적으로 업데이트할 수 있습니다.

Amazon SageMaker는 최대 규모의 전자 상거래 환경에서 모든 제품에 대한 개별 판매 예측을 개발하는 데 필요한 인프라와 알고리즘을 제공합니다. Amazon SageMaker는 시계열 및 제품 카테고리 데이터만으로도 계절적 변동, 추세, 제품 유사성을 발견하여 심지어 새로운 항목에 대해서도 정확한 예측을 제공합니다.

Amazon SageMaker는 XGboost 알고리즘의 단일 머신 및 분산 CPU 구현을 제공하며, 이는 다중 분류, 회귀 및 순위 사용 사례(광고 클릭률 예측 등)에 유용합니다. 클릭 예측 시스템은 거의 모든 온라인 광고 시스템의 핵심입니다. 소비자에게 최상의 경험을 제공하기 위해서는 최대한 가장 정확한 클릭률(CTR)을 예측하는 것이 중요하기 때문입니다. XGBoost 알고리즘을 사용하면 실시간 예측 변수를 실행하고 점수가 매겨진 예측 결과를 반환할 수 있습니다. 그런 다음 특정 광고주의 광고를 제공할지를 결정하고 디스플레이 광고의 CTR 예측 결과를 개선할 수 있습니다.

Amazon SageMaker에는 텍스트 내 구조를 사전 처리 및 검색할 수 있는 몇 가지 도구가 있습니다. 해당 정보를 사용하여 콘텐츠 품질에 대한 예측을 수행합니다. 워드임베딩을 생성하여 대량의 텍스트에서 유사한 의미 체계 및 구문을 찾고, 유사한 단어를 함께 그룹화하여 희소성을 방지할 수 있습니다. 그런 다음 개별적으로 유사한 문서를 Amazon SageMaker의 고급 주제 모델로 클러스터링합니다. 마지막으로 차원을 축소하여 그룹화된 단어 데이터를 기반으로 클러스터별로 개별 분류 모델을 구축하여 문서를 적절히 조정해야 하는지 결정합니다.