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 AI JumpStart 業界: 財務

SageMaker AI JumpStart 業界を使用する: 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) 問題のノートブック例を通じて SageMaker 、AI の機能と機能について学ぶための金融ソリューション、モデル、サンプルノートブック。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モデルSDKを微調整する方法についても説明します。

Amazon SageMaker AI JumpStart Industry Python SDK

SageMaker ランタイム 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 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 open SDK source documentation」を参照してください。

Amazon SageMaker AI JumpStart 業界: 金融ソリューション

SageMaker AI JumpStart 業界: Financial では、以下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 AI JumpStart Industry: Financial ソリューションは、テキスト拡張企業の信用格付けモデルのテンプレートを提供します。これは、数値特徴 (この場合は Altman の有名な 5 つの財務比率) に基づくモデルを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ています。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では、 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、モデルを達成 best-in-classし、モデルを本番環境の SageMaker AI エンドポイントにデプロイし、改善された予測をリアルタイムで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、表形式のデータを使用して企業関係のネットワークを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 AI JumpStart 業界: 金融モデル

SageMaker AI JumpStart 業界: Financial 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。

および RoBERTa-SEC-Large RoBERTa-SEC-Baseモデルは、Gluon NLPの R モデルに基づくテキスト埋め込みoBERTa モデルであり、20SEC10 年の 10 年 (2010 年から 2019 年) の S&P 500 10-K/10-Q レポートに基づいて事前トレーニングされています。これらに加えて、 SageMaker AI JumpStart Industry: Financial にはさらに 2 つの R oBERTa バリエーション RoBERTa-SEC-WIKI-Baseがあり RoBERTa-SEC-WIKI-Large、これらは Wikipedia のSECファイリングと一般的な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の探索を選択し、ML タスクテキスト埋め込みのフィルタリング SageMaker JumpStart を行うことで で確認できます。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 SageMaker AI JumpStart ページを通じて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 AI JumpStart Industry: Financial Example Notebooks

SageMaker AI 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、SageMaker JumpStart Industry 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 AI JumpStart Industry: Financial ブログ記事

SageMaker AI JumpStart 業界: 財務ソリューション、モデル、例、および の詳細なアプリケーションについてはSDK、次のブログ記事を参照してください。

Amazon SageMaker AI JumpStart Industry: 財務関連の調査

SageMaker AI JumpStart 業界に関連する研究: 金融ソリューションについては、以下のドキュメントを参照してください。

Amazon SageMaker AI JumpStart 業界: 財務上の追加リソース

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。