Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Algoritmos de SageMaker IA integrados para datos de texto
<a name="algorithms-text"></a>

SageMaker La IA proporciona algoritmos que se adaptan al análisis de documentos textuales utilizados en el procesamiento del lenguaje natural, la clasificación o el resumen de documentos, el modelado o clasificación de temas y la transcripción o traducción en idiomas.
+ [BlazingText algoritmo](blazingtext.md): una implementación muy optimizada del Word2vec y de los algoritmos de clasificación de textos que se adapta fácilmente a grandes conjuntos de datos. Resulta útil para muchas tareas de salida en el procesamiento de lenguaje natural (NLP).
+ [Algoritmo Asignación latente de Dirichlet (LDA)](lda.md): este algoritmo es idóneo para determinar temas en un conjunto de documentos. Se trata de un *algoritmo no supervisado*, lo que significa que no utiliza datos de ejemplo con respuestas durante la capacitación.
+ [Algoritmo de Modelo de tema neuronal (NTM)](ntm.md): otra técnica no supervisada para determinar temas en un conjunto de documentos, con una estrategia de redes neuronales.
+ [Algoritmo Object2Vec](object2vec.md): un algoritmo de incrustación neuronal genérico que se puede utilizar para sistemas de recomendación, así como para la clasificación de documentos y la incrustación de frases.
+ [Sequence-to-Sequence Algoritmo](seq-2-seq.md): un algoritmo supervisado que se utiliza normalmente para la traducción automática neuronal. 
+ [Clasificación de textos - TensorFlow](text-classification-tensorflow.md): un algoritmo supervisado para el aprendizaje por transferencia con modelos prentrenados disponibles para la clasificación de textos. 


| Nombre de algoritmo | Nombre de canal | Modo de entrada de capacitación | Tipo de archivo | Clase de instancia | Paralelizable | 
| --- | --- | --- | --- | --- | --- | 
| BlazingText | capacitación | Archivo o canalización | Archivo de texto (una frase por línea con tokens separados por espacios)  | GPU (solo instancia única) o CPU | No | 
| LDA | capacitación y prueba (opcional) | Archivo o canalización | recordIO-protobuf o CSV | CPU (solo instancia única) | No | 
| Modelo de temas neuronal | capacitación y validación (opcional), prueba o ambos | Archivo o canalización | recordIO-protobuf o CSV | GPU o CPU | Sí | 
| Object2Vec | capacitación y validación (opcional), prueba o ambos | Archivos | Líneas de JSON  | GPU o CPU (solo instancia única) | No | 
| Modelo Seq2Seq | capacitación, validación y vocabulario | Archivos | recordIO-protobuf | GPU (solo instancia única) | No | 
| Clasificación de textos - TensorFlow | entrenamiento y validación | Archivos | CSV | CPU o GPU | Sí (solo en varios casos GPUs en una sola instancia) |