Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Algoritma bawaan dan model yang telah dilatih sebelumnya di Amazon SageMaker
<a name="algos"></a>

Amazon SageMaker menyediakan rangkaian algoritme bawaan, model pra-terlatih, dan templat solusi pra-bangun untuk membantu ilmuwan data dan praktisi pembelajaran mesin memulai pelatihan dan penerapan model pembelajaran mesin dengan cepat. Bagi seseorang yang baru mengenal SageMaker, memilih algoritma yang tepat untuk kasus penggunaan khusus Anda bisa menjadi tugas yang menantang. Tabel berikut menyediakan lembar contekan cepat yang menunjukkan bagaimana Anda dapat memulai dengan contoh masalah atau kasus penggunaan dan menemukan algoritma bawaan yang sesuai yang ditawarkan oleh SageMaker yang valid untuk jenis masalah tersebut. Panduan tambahan yang diselenggarakan oleh paradigma pembelajaran (diawasi dan tidak diawasi) dan domain data penting (teks dan gambar) disediakan di bagian berikut tabel.

Tabel: Memetakan kasus penggunaan ke algoritme bawaan

[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/algos.html)

Untuk informasi penting tentang item berikut yang umum untuk semua algoritme bawaan yang disediakan oleh SageMaker AI, lihat[Parameter untuk Algoritma Bawaan](common-info-all-im-models.md).
+ Jalur registri Docker
+ format data
+ jenis instans Amazon EC2 yang direkomendasikan
+ CloudWatch log

Bagian berikut memberikan panduan tambahan untuk algoritme bawaan Amazon SageMaker AI yang dikelompokkan berdasarkan paradigma pembelajaran yang diawasi dan tidak diawasi. Untuk deskripsi paradigma pembelajaran ini dan jenis masalah terkaitnya, lihat. [Jenis Algoritma](algorithms-choose.md) Bagian juga disediakan untuk algoritme bawaan SageMaker AI yang tersedia untuk menangani dua domain pembelajaran mesin penting: analisis tekstual dan pemrosesan gambar.
+ [Model dan templat solusi yang telah dilatih sebelumnya](#algorithms-built-in-jumpstart)
+ [Pembelajaran yang diawasi](#algorithms-built-in-supervised-learning)
+ [Pembelajaran tanpa pengawasan](#algorithms-built-in-unsupervised-learning)
+ [Analisis tekstual](#algorithms-built-in-text-analysis)
+ [Pemrosesan gambar](#algorithms-built-in-image-processing)

## Model dan templat solusi yang telah dilatih sebelumnya
<a name="algorithms-built-in-jumpstart"></a>

Amazon SageMaker JumpStart menyediakan berbagai model pra-terlatih, templat solusi pra-bangun, dan contoh untuk jenis masalah populer. Ini menggunakan SageMaker SDK serta Studio Classic. Untuk informasi selengkapnya tentang model ini, solusi, dan contoh notebook yang disediakan oleh Amazon SageMaker JumpStart, lihat[SageMaker JumpStart model terlatih](studio-jumpstart.md).

## Pembelajaran yang diawasi
<a name="algorithms-built-in-supervised-learning"></a>

Amazon SageMaker AI menyediakan beberapa algoritma tujuan umum bawaan yang dapat digunakan untuk masalah klasifikasi atau regresi.
+ [AutoGluon-Tabular](autogluon-tabular.md)—kerangka AutoML open-source yang berhasil dengan menyamai model dan menumpuknya dalam beberapa lapisan. 
+ [CatBoost](catboost.md)—implementasi algoritma pohon yang ditingkatkan gradien yang memperkenalkan peningkatan berurutan dan algoritme inovatif untuk memproses fitur kategoris.
+ [Algoritma Mesin Faktorisasi](fact-machines.md)—perpanjangan dari model linier yang dirancang untuk menangkap interaksi secara ekonomis antara fitur dalam kumpulan data jarang berdimensi tinggi.
+ [Algoritma K-Nearest Neighbors (k-NN)](k-nearest-neighbors.md)—metode non-parametrik yang menggunakan k titik berlabel terdekat untuk menetapkan nilai. Untuk klasifikasi, ini adalah label ke titik data baru. Untuk regresi, ini adalah nilai target yang diprediksi dari rata-rata k titik terdekat.
+ [LightGBM](lightgbm.md)—implementasi algoritma pohon yang ditingkatkan gradien yang menambahkan dua teknik baru untuk meningkatkan efisiensi dan skalabilitas. Kedua teknik baru ini adalah Gradient Based One-Side Sampling (GOSS) dan Exclusive Feature Bundling (EFB).
+ [Algoritma Pembelajar Linear](linear-learner.md)—mempelajari fungsi linier untuk regresi atau fungsi ambang linier untuk klasifikasi.
+ [TabTransformer](tabtransformer.md)—arsitektur pemodelan data tabular mendalam baru yang dibangun di atas self-attention-based Transformers. 
+ [XGBoost algoritma dengan Amazon SageMaker AI](xgboost.md)—implementasi algoritma pohon yang ditingkatkan gradien yang menggabungkan ansambel perkiraan dari serangkaian model yang lebih sederhana dan lebih lemah.

Amazon SageMaker AI juga menyediakan beberapa algoritma pembelajaran terawasi bawaan yang digunakan untuk tugas yang lebih khusus selama rekayasa fitur dan peramalan dari data deret waktu.
+ [Algoritma Object2Vec](object2vec.md)—algoritma multi-tujuan baru yang sangat dapat disesuaikan yang digunakan untuk rekayasa fitur. Ini dapat mempelajari penyematan padat dimensi rendah dari objek dimensi tinggi untuk menghasilkan fitur yang meningkatkan efisiensi pelatihan untuk model hilir. Meskipun ini adalah algoritma yang diawasi, ada banyak skenario di mana label hubungan dapat diperoleh murni dari pengelompokan alami dalam data. Meskipun memerlukan data berlabel untuk pelatihan, ini dapat terjadi tanpa anotasi manusia yang eksplisit.
+ [Gunakan algoritme peramalan SageMaker AI DeepAR](deepar.md)—algoritma pembelajaran yang diawasi untuk meramalkan deret waktu skalar (satu dimensi) menggunakan jaringan saraf berulang (RNN).

## Pembelajaran tanpa pengawasan
<a name="algorithms-built-in-unsupervised-learning"></a>

Amazon SageMaker AI menyediakan beberapa algoritma bawaan yang dapat digunakan untuk berbagai tugas pembelajaran tanpa pengawasan. Tugas-tugas ini mencakup hal-hal seperti pengelompokan, pengurangan dimensi, pengenalan pola, dan deteksi anomali.
+ [Algoritma Analisis Komponen Utama (PCA)](pca.md)—mengurangi dimensi (jumlah fitur) dalam kumpulan data dengan memproyeksikan titik data ke beberapa komponen utama pertama. Tujuannya adalah untuk menyimpan informasi atau variasi sebanyak mungkin. Untuk matematikawan, komponen utama adalah vektor eigen dari matriks kovarians data.
+ [Algoritma K-Means](k-means.md)—menemukan pengelompokan diskrit dalam data. Ini terjadi di mana anggota kelompok semirip mungkin satu sama lain dan berbeda mungkin dari anggota kelompok lain.
+ [Wawasan IP](ip-insights.md)—mempelajari pola penggunaan untuk IPv4 alamat. Ini dirancang untuk menangkap asosiasi antara IPv4 alamat dan berbagai entitas, seperti nomor pengguna IDs atau akun.
+ [Algoritma Random Cut Forest (RCF)](randomcutforest.md)—mendeteksi titik data anomali dalam kumpulan data yang menyimpang dari data yang terstruktur atau berpola dengan baik.

## Analisis tekstual
<a name="algorithms-built-in-text-analysis"></a>

SageMaker AI menyediakan algoritma yang disesuaikan dengan analisis dokumen tekstual. Ini termasuk teks yang digunakan dalam pemrosesan bahasa alami, klasifikasi atau ringkasan dokumen, pemodelan atau klasifikasi topik, dan transkripsi atau terjemahan bahasa.
+ [BlazingText algoritma](blazingtext.md)—implementasi yang sangat dioptimalkan dari Word2vec dan algoritma klasifikasi teks yang menskalakan ke kumpulan data besar dengan mudah. Ini berguna untuk banyak tugas pemrosesan bahasa alami hilir (NLP).
+ [Sequence-to-Sequence Algoritma](seq-2-seq.md)—algoritma yang diawasi yang biasa digunakan untuk terjemahan mesin saraf. 
+ [Algoritma Alokasi Dirichlet Laten (LDA)](lda.md)Sebuah algoritma yang cocok untuk menentukan topik dalam satu set dokumen. Ini adalah *algoritma tanpa pengawasan*, yang berarti tidak menggunakan data contoh dengan jawaban selama pelatihan.
+ [Algoritma Model Topik Saraf (NTM)](ntm.md)—teknik lain yang tidak diawasi untuk menentukan topik dalam satu set dokumen, menggunakan pendekatan jaringan saraf.
+ [Klasifikasi Teks - TensorFlow](text-classification-tensorflow.md)—algoritma yang diawasi yang mendukung pembelajaran transfer dengan model terlatih yang tersedia untuk klasifikasi teks.

## Pemrosesan gambar
<a name="algorithms-built-in-image-processing"></a>

SageMaker AI juga menyediakan algoritma pemrosesan gambar yang digunakan untuk klasifikasi gambar, deteksi objek, dan visi komputer.
+ [Klasifikasi Gambar - MXNet](image-classification.md)—menggunakan contoh data dengan jawaban (disebut sebagai *algoritma yang diawasi*). Gunakan algoritma ini untuk mengklasifikasikan gambar.
+ [Klasifikasi Gambar - TensorFlow](image-classification-tensorflow.md)*—menggunakan model TensorFlow Hub terlatih untuk menyempurnakan tugas-tugas tertentu (disebut sebagai algoritma yang diawasi).* Gunakan algoritma ini untuk mengklasifikasikan gambar.
+ [Algoritma Segmentasi Semantik](semantic-segmentation.md)—menyediakan pendekatan tingkat piksel berbutir halus untuk mengembangkan aplikasi visi komputer.
+ [Deteksi Objek - MXNet](object-detection.md)—mendeteksi dan mengklasifikasikan objek dalam gambar menggunakan satu jaringan saraf dalam. Ini adalah algoritma pembelajaran yang diawasi yang mengambil gambar sebagai input dan mengidentifikasi semua contoh objek dalam adegan gambar.
+ [Deteksi Objek - TensorFlow](object-detection-tensorflow.md)—mendeteksi kotak pembatas dan label objek dalam gambar. Ini adalah algoritma pembelajaran yang diawasi yang mendukung pembelajaran transfer dengan model terlatih TensorFlow yang tersedia.

**Topics**
+ [Model dan templat solusi yang telah dilatih sebelumnya](#algorithms-built-in-jumpstart)
+ [Pembelajaran yang diawasi](#algorithms-built-in-supervised-learning)
+ [Pembelajaran tanpa pengawasan](#algorithms-built-in-unsupervised-learning)
+ [Analisis tekstual](#algorithms-built-in-text-analysis)
+ [Pemrosesan gambar](#algorithms-built-in-image-processing)
+ [Parameter untuk Algoritma Bawaan](common-info-all-im-models.md)
+ [Algoritma SageMaker AI bawaan untuk Data Tabular](algorithms-tabular.md)
+ [Algoritma SageMaker AI bawaan untuk Data Teks](algorithms-text.md)
+ [Algoritma SageMaker AI bawaan untuk Data Seri Waktu](algorithms-time-series.md)
+ [Algoritma AI Bawaan SageMaker Tanpa Pengawasan](algorithms-unsupervised.md)
+ [Algoritma SageMaker AI Bawaan untuk Visi Komputer](algorithms-vision.md)