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

SDK Python per Amazon SageMaker JumpStart Industry

SageMaker Runtime JumpStart fornisce strumenti di elaborazione per la cura dei set di dati di settore e l'ottimizzazione di modelli preaddestrati tramite la sua libreria client denominata Industry Python SDK. SageMaker JumpStart Per una documentazione dettagliata sull'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 state-of-the-art modelli su SageMaker JumpStart, consulta la documentazione open source di Industry SageMaker JumpStartPython SDK.

Amazon SageMaker JumpStart Industry: soluzione finanziaria

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

Questa soluzione SageMaker JumpStart Industria: Finanziaria 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 Industry Python SDK aiuta a elaborare il punteggio NLP (Natural Language Processing) dei testi dai file SEC. Inoltre, la soluzione dimostra come addestrare un modello utilizzando il set di dati avanzato per realizzare un modello, implementare il best-in-class 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 pagina di Studio Classic. SageMaker JumpStart

Amazon SageMaker JumpStart Industry: modelli finanziari

SageMaker JumpStart Settore: Financial fornisce i seguenti modelli di approccio BERT (RoBERTa) preaddestrati e ottimizzati:

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

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

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

Amazon SageMaker JumpStart Industry: quaderni di esempio finanziari

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

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

Amazon SageMaker JumpStart Industry: post sui blog finanziari

Per applicazioni complete sull'utilizzo di SageMaker JumpStart Industry: soluzioni finanziarie, modelli, esempi e SDK, consulta i seguenti post di blog:

Amazon SageMaker JumpStart Industry: ricerca finanziaria

Per ricerche relative a SageMaker JumpStart Industria: soluzioni finanziarie, consulta i seguenti documenti:

Amazon SageMaker JumpStart Industry: risorse finanziarie aggiuntive

Per ulteriori tutorial e documentazione consulta le seguenti risorse: