As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

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

SageMaker A IA fornece algoritmos personalizados para a análise de documentos textuais usados no processamento de linguagem natural, classificação ou resumo de documentos, modelagem ou classificação de tópicos e transcrição ou tradução de idiomas.
+ [BlazingText algoritmo](blazingtext.md): uma implantação altamente otimizada do Word2vec e dos algoritmos de classificação de texto que podem ser facilmente escalados para grandes conjuntos de dados. É útil para muitas tarefas posteriores de processamento de linguagem natural (PLN).
+ [Algoritmo Latent Dirichlet Allocation (LDA)](lda.md)Esse algoritmo é adequado para determinar tópicos em um conjunto de documentos. É um algoritmo *não supervisionado*, o que significa que ele não usa dados de exemplo com respostas durante o treinamento.
+ [Algoritmo de Modelo de tópicos neurais (NTM)](ntm.md): outra técnica não supervisionada para determinar tópicos em um conjunto de documentos, usando uma abordagem de rede neural.
+ [Algoritmo Object2Vec](object2vec.md): um algoritmo de incorporação neural de uso geral que pode ser usado para sistemas de recomendação, classificação de documentos e incorporação de frases.
+ [Sequence-to-Sequence Algoritimo](seq-2-seq.md): esse algoritmo supervisionado é comumente usado para tradução de máquina neural. 
+ [Classificação de texto - TensorFlow](text-classification-tensorflow.md): um algoritmo supervisionado que oferece suporte ao aprendizado por transferência com modelos pré-treinados disponíveis para classificação de texto. 


| Nome do algoritmo | Nome do canal | Modo de entrada do treinamento | Tipo de arquivo | Classe de instância | Paralelizável | 
| --- | --- | --- | --- | --- | --- | 
| BlazingText | treinamento | Arquivo ou Pipe | Arquivo de texto (uma frase por linha com tokens separados por espaço)  | GPU (somente instância única) ou CPU | Não | 
| LDA | treinamento e (opcionalmente) teste | Arquivo ou Pipe | recordIO-protobuf ou CSV | CPU (somente instância única) | Não | 
| Modelo de tópico neural | treinamento e (opcionalmente) validação, teste ou ambos | Arquivo ou Pipe | recordIO-protobuf ou CSV | GPU ou CPU | Sim | 
| Object2Vec | treinamento e (opcionalmente) validação, teste ou ambos | Arquivo | Linhas JSON  | GPU ou CPU (somente instância única) | Não | 
| Modelagem Seq2Seq | treinamento, validação e vocabulário | Arquivo | recordIO-protobuf | GPU (somente instância única) | Não | 
| Classificação de texto - TensorFlow | treinamento e validação | Arquivo | CSV | CPU ou GPU | Sim (somente em vários GPUs em uma única instância) |