翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Amazon SageMaker JumpStart Industry: 財務

SageMaker JumpStart 業界: 財務ソリューション、モデル、サンプルノートブックを使用して、厳選されたワンステップソリューションと業界に焦点を当てた機械学習 (ML) 問題のサンプルノートブックを通じて SageMaker 、特徴と機能について学習します。また、 SageMaker JumpStart Industry Python を使用して業界のテキストデータを強化し、事前トレーニング済みのモデルSDKを微調整する方法についても説明します。

Amazon SageMaker JumpStart Industry Python SDK

SageMaker Runtime JumpStart は、 SageMaker JumpStart Industry Python と呼ばれるクライアントライブラリを通じて、業界データセットをキュレートし、事前トレーニング済みのモデルを微調整するための処理ツールを提供しますSDK。の詳細なAPIドキュメントSDK、および での state-of-the-art モデルのパフォーマンスを向上させるための業界テキストデータセットの処理と強化の詳細については SageMaker JumpStart、SageMaker JumpStart「Industry Python SDKオープンソースドキュメント」を参照してください。

Amazon SageMaker JumpStart Industry: Financial Solution

SageMaker JumpStart 業界: Financial は、次のソリューションノートブックを提供しています。

この SageMaker JumpStart 業界: 財務ソリューションは、テキストが強化された企業の信用格付けモデルのテンプレートを提供します。数値特徴 (この場合は Altman の有名な 5 つの財務比率) に基づいてモデルをSECファイリングのテキストと組み合わせて、信用格付けの予測を改善する方法を示します。アルトマンの 5 つの比率以外にも、必要に応じて変数を追加したり、カスタム変数を設定したりできます。このソリューションノートブックは、 SageMaker JumpStart Industry Python がファイSECリングからのテキストの自然言語処理 (NLP) スコアリングの処理にどのようにSDK役立つかを示しています。さらに、このソリューションは、拡張データセットを使用してモデルをトレーニングし、 best-in-class モデルを実現し、モデルを本番環境の SageMaker エンドポイントにデプロイし、リアルタイムで改善された予測を受け取る方法を示しています。

信用格付けは従来、財務諸表データと市場データを使用するモデルで生成されますが、それらは表形式のみ (数値およびカテゴリ) です。このソリューションは、SECファイリングを使用して企業のネットワークを構築し、企業関係のネットワークを表形式データと使用して正確な評価予測を生成する方法を示します。このソリューションでは、企業間のつながりに関するデータを利用して、格付け業界で何十年も使用されてきた従来の表形式のクレジットスコアリングモデルを、ネットワーク上の機械学習モデルにまで拡張する方法を示しています。

これらの金融サービスソリューションは、Studio Classic の SageMaker JumpStart ページから確認できます。

Amazon SageMaker JumpStart Industry: 財務モデル

SageMaker JumpStart 業界: Financial では、以下の事前トレーニング済みの堅牢な最適化BERTアプローチ (RoBERTa) モデルを提供しています。

R oBERTa-SEC-Base および R oBERTa-SEC-Large モデルは、Gluon NLPの R oBERTa モデルに基づいており、2010 年代 (2010 年から 2019 年) の SEC S&P 500 10-K /10-Q レポートで事前トレーニングされたテキスト埋め込みモデルです。これらに加えて、 SageMaker JumpStart Industry: Financial には R oBERTa-SECWIKI-Base と R oBERTa-SECWIKI-Large の 2 つの R oBERTa バリエーションがあり、Wikipedia のSECファイリングと共通テキストで事前トレーニングされています。

これらのモデルは、テキストモデルノードに移動し、すべてのテキストモデルを探索 を選択し、ML タスクテキスト埋め込み をフィルタリング SageMaker JumpStart することで で見つけることができます。選択したモデルを選択すると、対応するノートブックにアクセスできます。ペアになったノートブックでは、Industry Python によって強化されたマルチモーダルデータセットの特定の分類タスクに合わせて事前トレーニング済みモデルを SageMaker JumpStart微調整する方法について説明しますSDK。

次のスクリーンショットは、Studio Classic の JumpStart ページを通じて SageMaker提供される事前トレーニング済みモデルカードを示しています。

Amazon SageMaker JumpStart Industry: Financial Example Notebooks

SageMaker JumpStart 業界: Financial では、業界に焦点を当てた ML 問題のソリューションを示すために、次のサンプルノートブックを提供しています。

サンプルノートブックの内容をプレビューするには、「Industry SageMaker JumpStart Python SDKドキュメント」の「チュートリアル – 財務」を参照してください。

Amazon SageMaker JumpStart Industry: Financial ブログ記事

Industry SageMaker JumpStart : Financial ソリューション、モデル、例、および の詳細な使用方法についてはSDK、次のブログ記事を参照してください。

Amazon SageMaker JumpStart Industry: Financial Related Research

Industry SageMaker JumpStart : Financial solutions に関連する研究については、以下のドキュメントを参照してください。

Amazon SageMaker JumpStart Industry: Financial Additional Resources

その他のドキュメントとチュートリアルについては、次のリソースを参照してください。