Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

SageMaker JumpStart Settore Amazon: Finanziario

Usa SageMaker JumpStart Industry: Financial Solutions, modelli e taccuini di esempio per conoscere SageMaker caratteristiche e funzionalità attraverso soluzioni curate in un'unica fase e taccuini di esempio di problemi di machine learning (ML) incentrati sul settore. I taccuini spiegano anche come utilizzare Industry SageMaker JumpStart Python per migliorare i dati di testo del settore e SDK ottimizzare i modelli preaddestrati.

Amazon SageMaker JumpStart Industry Python SDK

SageMaker Runtime JumpStart fornisce strumenti di elaborazione per la cura dei set di dati di settore e l'ottimizzazione di modelli preaddestrati tramite la sua libreria client denominata Industry Python. SageMaker JumpStart SDK Per una API documentazione dettagliata e per saperne di più sull'elaborazione e il SDK miglioramento dei set di dati di testo di settore per migliorare le prestazioni dei state-of-the-art modelli su SageMaker JumpStart, consulta la documentazione open source di SageMaker JumpStart Industry SDK Python.

Amazon SageMaker JumpStart Industry: soluzione finanziaria

SageMaker JumpStart Settore: Financial fornisce i seguenti notebook con soluzioni:

Questa soluzione SageMaker JumpStart Industria: Finanziaria fornisce un modello per un modello di rating del credito aziendale arricchito da testo. Mostra come utilizzare un modello basato su caratteristiche numeriche (in questo caso, i famosi 5 indici finanziari di Altman) combinato con i testi dei documenti per ottenere un miglioramento nella previsione dei rating del credito. SEC Oltre ai 5 rapporti Altman, è possibile aggiungere altre variabili in base alle esigenze o impostare variabili personalizzate. Questo notebook sulla soluzione mostra come SageMaker JumpStart Industry Python SDK aiuta a elaborare il punteggio di Natural Language Processing (NLP) dei testi dai file. SEC Inoltre, la soluzione dimostra come addestrare un modello utilizzando il set di dati avanzato per realizzare un best-in-class modello, implementare il modello su un SageMaker endpoint per la produzione e ricevere previsioni migliori in tempo reale.

I rating del credito sono tradizionalmente generati utilizzando modelli che utilizzano dati di rendiconto finanziario e dati di mercato, che sono solo tabulari (numerici e categorici). Questa soluzione crea una rete di aziende utilizzando i SECdocumenti e mostra come utilizzare la rete di relazioni aziendali con dati tabulari per generare previsioni di rating accurate. Questa soluzione illustra una metodologia che utilizza i dati sulle relazioni tra imprese per estendere i modelli di credit scoring tradizionalmente basati su tabelle, utilizzati dal settore del rating da decenni, alla classe dei modelli di machine learning sulle reti.

Puoi trovare queste soluzioni di servizi finanziari nella SageMaker JumpStart pagina di Studio Classic.

Amazon SageMaker JumpStart Industry: modelli finanziari

SageMaker JumpStart Settore: Financial fornisce i seguenti modelli di approccio Robustly Optimized BERT (RoBERTa) preaddestrati:

I modelli R oBERTa - SEC -Base e R oBERTa - SEC -Large sono modelli di inserimento del testo basati sul modello oBERTa R NLP di Gluon e preaddestrati sui report S&P SEC 500 10-K/10-Q del decennio 2010 (dal 2010 al 2019). Oltre a queste, SageMaker JumpStart Industry: Financial fornisce altre due oBERTa varianti R, R oBERTa - SEC - WIKI -Base e R oBERTa - SEC - WIKI -Large, preaddestrate sui SEC documenti e sui testi comuni di Wikipedia.

Puoi trovare questi modelli SageMaker JumpStart accedendo al nodo Modelli di testo, scegliendo Esplora tutti i modelli di testo e quindi filtrando per l'incorporamento di testo di ML Task. È possibile accedere a tutti i notebook corrispondenti dopo aver selezionato il modello desiderato. I notebook abbinati illustreranno come ottimizzare i modelli preaddestrati per attività di classificazione specifiche su set di dati multimodali, migliorati da Industry Python. SageMaker JumpStart SDK

La schermata seguente mostra le schede modello preconfigurate fornite nella pagina di Studio Classic. SageMaker JumpStart

Amazon SageMaker JumpStart Industry: quaderni di esempio finanziari

SageMaker JumpStart Settore: Financial fornisce i seguenti taccuini di esempio per illustrare le soluzioni ai problemi di machine learning incentrati sul settore:

Per visualizzare in anteprima il contenuto dei taccuini di esempio, consulta la documentazione Tutorials — Finance in the Industry Python. SageMaker JumpStart SDK

Amazon SageMaker JumpStart Industry: post sui blog finanziari

Per applicazioni complete sull'utilizzo di SageMaker JumpStart Industry: soluzioni finanziarie, modelli, esempi e altroSDK, consulta i seguenti post di blog:

Amazon SageMaker JumpStart Industry: ricerca finanziaria

Per ricerche relative a SageMaker JumpStart Industria: soluzioni finanziarie, consulta i seguenti documenti:

Amazon SageMaker JumpStart Industry: risorse finanziarie aggiuntive

Per ulteriori tutorial e documentazione consulta le seguenti risorse: