Keberlanjutan dan ESG

Meminimalkan dampak lingkungan dengan budaya inovasi berkelanjutan

Mengapa harus Keberlanjutan dan ESG?

Kepemimpinan keberlanjutan sangat penting untuk mengelola risiko lingkungan dan mempromosikan praktik berkelanjutan. Dengan beralih ke cloud dan memanfaatkan sumber energi berkelanjutan, para pemimpin ESG dapat secara signifikan mengurangi emisi gas rumah kaca, penggunaan air, dan limbah. Pelajari cara mengadopsi tren keberlanjutan bisnis dan kepemimpinan strategis menuju keberlanjutan untuk memajukan tujuan lingkungan dan mendorong perubahan yang berdampak dalam organisasi Anda.

Mengapa harus Keberlanjutan dan ESG?

Practical Sustainability for Business

Keberlanjutan adalah tuntutan bisnis. Organisasi tidak akan berhasil ketika ekologi gagal atau masyarakat mengalami kemunduran; agar bisnis berkembang, planet ini juga harus berkembang. Kesuksesan bisnis sangat erat kaitannya dengan praktik keberlanjutan, tetapi menjadi bisnis berkelanjutan tidak dapat dicapai dalam sekejap. Dalam ebook ini, pelajari cara-cara praktis dan realistis untuk mengimplementasikan keberlanjutan yang berdampak nyata. Dapatkan alat untuk kepemimpinan strategis menuju keberlanjutan.

Unduh eBook

Cara perusahaan dapat mengambil tindakan cepat untuk mengurangi jejak karbon mereka

Perusahaan di semua industri telah menetapkan tujuan ambisius untuk mengurangi dampak lingkungan dari operasi mereka. Mencapai tujuan ini memerlukan kolaborasi di seluruh organisasi, mulai dari eksekutif senior hingga para pemimpin yang melaksanakan inisiatif keberlanjutan yang relevan dengan bidang bisnis mereka. Untuk mempercepat kemajuan, para pemimpin perlu menyelaraskan tim bisnis dan teknis serta membangun solusi yang dapat diskalakan yang dapat mengukur program keberlanjutan secara akurat serta terus meningkatkan performa.

Bagaimana Machine Learning Membantu Petani Kecil Terhubung, Berbagi, dan Berkembang

Wefarm mendukung jaringan digital petani ke petani terbesar di dunia. Lihat cara mereka menggunakan machine learning di AWS untuk mewujudkan proses berbagi pengetahuan di antara petani kecil. Dengan lebih dari satu miliar peternakan kecil yang menyumbang lebih dari 70% pangan dunia–Wefarm memainkan peran penting dalam menggunakan teknologi untuk mengembangkan pasokan pangan dan membangun ketahanan bagi petani kecil.

The Climate Pledge

Semua perusahaan memiliki peran dalam berinvestasi dalam solusi untuk melindungi planet dan ekonomi. Semua perusahaan–termasuk Amazon–memiliki tugas untuk lebih mengurangi jejak karbon dan intensitas karbon dari operasi mereka. Selain merupakan hal yang benar untuk dilakukan, mengambil tindakan iklim yang ambisius dapat mendorong inovasi yang membantu bisnis dan pelanggannya. 

The Climate Pledge adalah komitmen untuk mencapai emisi karbon nol bersih pada tahun 2040—10 tahun menjelang Perjanjian Paris. Amazon ikut mendirikan The Climate Pledge pada tahun 2019 untuk membangun komunitas lintas sektor yang terdiri dari perusahaan, organisasi, individu, dan partner yang bekerja sama untuk mengatasi krisis iklim dan mengatasi tantangan dekarbonisasi ekonomi kita.

Baca Climate Pledge selengkapnya

danau

Persempit Pencarian Anda:

Format
22-24 (37)
Showing results: 22-24
Total results: 37
  • Tanggal Publikasi
  • Abjad (A-Z)
  • Abjad (Z-A)
 Kami tidak dapat menemukan hasil yang sesuai dengan pencarian Anda. Coba pencarian yang berbeda.
  • Article

    Machine learning, concluded: Did the “no-code” tools beat manual analysis?

    Ars Technica set out to discover whether no-code-required tools could outperform a code-based approach. In the finale of the experiment, find out how the no-code tools performed.

    To see how much machine learning tools for the rest of us had advanced—and to redeem myself for the unwinnable task I had been assigned with machine learning last year—I took a well-worn heart attack data set from an archive at the University of California-Irvine and tried to outperform data science students' results using the "easy button" of Amazon Web Services' low-code and no-code tools.

  • Article

    Setting our heart-attack-predicting AI loose with “no-code” tools

    Ars Technica set out to discover whether no-code-required tools could outperform a code-based approach. In the second part of this three-part series, the heart attack predictions take flight.

    This is the second episode in our exploration of "no-code" machine learning. In our first article, we laid out our problem set and discussed the data we would use to test whether a highly automated ML tool designed for business analysts could return cost-effective results near the quality of more code-intensive methods involving a bit more human-driven data science.

  • Article

    No code, no problem—we try to beat an AI at its own game with new tools

    Ars Technica set out to discover whether no-code-required tools could outperform a code-based approach. In part one of three, they give the cloud a new problem to (heart) attack.

    Over the past year, machine learning and artificial intelligence technology have made significant strides. Specialized algorithms, including OpenAI's DALL-E, have demonstrated the ability to generate images based on text prompts with increasing canniness. Natural language processing (NLP) systems have grown closer to approximating human writing and text. And some people even think that an AI has attained sentience. (Spoiler alert: It has not.)

1 13

Tanya Jawab Umum (FAQ)