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 le soluzioni, i modelli e i taccuini di esempio di SageMaker JumpStart Industry: Financial per conoscere le caratteristiche e le capacità dell' SageMaker IA attraverso soluzioni curate in un solo passaggio e taccuini di esempio di problemi di machine learning (ML) incentrati sul settore. I notebook spiegano anche come utilizzare l'Industry Python SDK per migliorare i dati di testo del settore e perfezionare i modelli preaddestrati. SageMaker JumpStart

SDK Amazon Industry Python SageMaker JumpStart

SageMaker Runtime JumpStart fornisce strumenti di elaborazione per la gestione di set di dati di settore e la messa a punto di modelli preaddestrati tramite la sua libreria client chiamata Industry Python SDK. SageMaker JumpStart Per una documentazione dettagliata sulle API dell'SDK e per saperne di più sull'elaborazione e il miglioramento dei set di dati di testo di settore per migliorare le prestazioni dei modelli all'avanguardia su, consulta la documentazione open source di Industry Python SDK. SageMaker JumpStart SageMaker JumpStart

Amazon Industry: soluzione finanziaria SageMaker JumpStart

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

Questa soluzione SageMaker JumpStart Settore: Finanziario 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 testi tratti dai documenti della SEC per ottenere un miglioramento nella previsione dei rating del credito. 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 l'Industry Python SDK aiuta a elaborare il punteggio NLP (Natural Language Processing) dei testi provenienti dai file SEC. Inoltre, la soluzione dimostra come addestrare un modello utilizzando il set di dati avanzato per ottenere un modello migliore della categoria, implementare il modello su un endpoint di SageMaker intelligenza artificiale per la produzione e ricevere previsioni migliorate 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 documenti SEC 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 Industria: Financial fornisce i seguenti modelli di approccio Robustly Optimized BERT (Roberta) preaddestrati:

RoBERTa-SEC-Large I modelli RoBERTa-SEC-Base and sono modelli di integrazione del testo basati sul modello Roberta di GluonNLP e preaddestrati sui K/10-Q report S&P 500 SEC 10-del decennio del 2010 (dal 2010 al 2019). Oltre a questi, SageMaker AI JumpStart Industry: Financial fornisce altre due varianti di Roberta RoBERTa-SEC-WIKI-Base e, che sono preaddestrate sui documenti SEC e sui testi RoBERTa-SEC-WIKI-Large comuni di Wikipedia.

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

La schermata seguente mostra le schede modello preaddestrate fornite tramite la pagina AI su Studio Classic. SageMaker JumpStart

Amazon SageMaker JumpStart Industry: quaderni di esempio finanziari

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

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

Amazon Industry: post sul blog finanziario SageMaker JumpStart

Per applicazioni complete sull'utilizzo di SageMaker JumpStart Industry: Financial solutions, models, examples e SDK, consulta i seguenti post del blog:

Amazon SageMaker JumpStart Industry: ricerca relativa alla finanza

Per ricerche relative a SageMaker JumpStart Industry: Financial solutions, consulta i seguenti documenti:

Amazon SageMaker JumpStart Industry: risorse finanziarie aggiuntive

Per ulteriori tutorial e documentazione consulta le seguenti risorse: